自宅サーバーの消費電力を測る

ブラウザで試す: W・Whと記録周期

上のLabでは、合成の電力ログをブラウザ内で積算できます。「保存済み: 40 Wを600秒」は元のCSVを再現し、601標本から6.666666… Whを得ます。結果をAに保存し、電力や記録周期を変えて比較できます。Pythonのインストールは不要です。

観測窓は0–600秒です。合成の基礎電力を0–200 W、ピーク時の追加電力を0–400 Wで設定します。追加負荷は305秒を頂点とする三角形で、半幅hを1–120秒とすると全幅は2h秒です。記録周期は1・2・5・10・30・60秒から選び、常に時刻0から記録します。これは処理時間や消費電力を予測するサーバーモデルではなく、既知の波形を使った積算の教材です。

「幅2秒の負荷・1秒記録」をAに保存し、「10秒記録」と比べてください。305秒のピークが標本の間に入り、追加負荷を完全に見逃します。同じ負荷を「5秒記録」にすると頂点だけを捉え、台形則でつないだ負荷幅を広く見積もります。頂点の時刻は固定なので、周期が粗いほど必ず同じ方向の誤差になるわけではありません。

上の図は電力Wと標本、下の図は累積電力量Whです。青は記録した標本とその台形則積算、茶は合成モデルの参照。Aは薄色・破線、Bは濃色で、重なる線もあります。参照電力量は三角形の面積から厳密に求め、全期間では「基礎電力×600 + 追加電力×h」を3600で割ります。累積の参照は各時刻までの三角形の部分面積を使います。標本積算−参照の符号から過大・過小を読み取れます。参照波形と参照電力量は既知の合成式から得るもので、未知の実測波形を復元した結果ではありません。

元の台形則の解析関数を変更せず再利用します。平均Wは時間加重、最大Wは標本の最大値です。基礎電力分を引いた積算量は「積算Wh−基礎電力×600/3600」で、CPUやGPUなどの内訳測定にはなりません。入力は瞬時の点標本で、区間平均値ではありません。欠測は生成せず、解析関数の許容間隔は選んだ記録周期の2倍に明示設定します。既定の1秒周期では元と同じ2秒です。時刻重複・逆順・非有限値・負の電力・許容間隔を超える欠測の拒否規則はそのまま保持します。

全標本と参照値は数値表、条件と結果は共有URL・結果JSONから確認できます。このLabにCSVアップロードや実機測定はありません。元のCSV・ソース・結果は保持し、下のローカル再現は任意です。ブラウザ用の実行コード・元の解析コード・合成CSVも公開し、同じフォルダへ保存すればPython標準ライブラリだけで実行できます。

自宅サーバーの省電力を考えるなら、瞬間の最大Wだけでなく、何もしていない時間と、同じ仕事を終えるまでのWhを見る。ここではコンセント型電力計のログを集計する方法を示す。実サーバーの測定は未実施で、添付の40 Wデータは計算確認用の合成値である。

測定の境界を固定する

電力計に接続した範囲を決める。サーバー単体なのか、UPSの損失を含むのか、外付けストレージやネットワーク機器も含むのかで結果は変わる。定格範囲内で使える電力計を用い、PC内部の配線を加工する必要はない。

読むのは有効電力Wと電力量Whである。電圧Vと電流Aの積は皮相電力VAであり、交流負荷では力率が関係する。単にV×Aをサーバーの消費Wとして扱わない。横河の電力測定の基礎で、有効電力・皮相電力・力率の関係を確認できる。表示分解能、精度、記録周期、低負荷時の測定範囲も電力計の説明書から記録する。

図1 · ボタンで表示を切り替え

アイドルを一つの状態にする

起動直後の更新やインデックス作成を避け、サービス、CPU設定、GPU常駐モデル、ディスクの回転状態、画面、ファン、室温を記録する。「アイドル」はCPU使用率だけで決めず、バックグラウンド処理が落ち着いた区間を選ぶ。たとえば10分を観測窓に決めても、周期処理が30分ごとなら見逃す。最初は長めのログで周期を調べる。

ストレージを停止した構成と回転した構成は別条件とする。停止による省電力と、アクセス開始時の待ち時間・起動回数は別の評価軸になる。

AIとストレージの仕事を固定する

AI推論はモデル・量子化・入力・出力上限・並列数・キャッシュ条件をそろえる。ローカルLLMの測定で時間と生成数を記録し、その開始・完了を電力ログへ対応させる。最初のモデル読込を含む試験と、常駐後の試験を分ける。

ストレージはファイル数・総量・読み書き・キャッシュの状態を固定し、演習専用データで行う。書込処理の終了がアプリの返答なのか、同期完了なのかも定義する。ページキャッシュに当たった読み出しを、ディスクそのものの性能や電力として解釈しない。

Wを時間で積分する

時刻tを秒、電力PをWとし、隣り合う標本間を直線で結ぶ台形則を使う。

平均WはWhを測定時間[h]で割ればよい。電力が一定40 Wで600 sなら6.667 Whとなる。40 Wが24時間30日ずっと続く仮定なら28.8 kWhである。これは算術例であり、このサイトのサーバーの実績や料金予測ではない。

任意: ローカルでCSV集計を再現する

power_log.pyと合成CSVを同じフォルダへ保存する。Python 3.12.3の標準ライブラリで実行を確認した。

python3 power_log.py server-power-synthetic.csv

期待結果はduration_s=600、mean_W=40、energy_Wh=6.666666…、samples=601である。検証結果も掲載した。CSVはtime_s,power_Wの2列で、1ファイルを一つの連続した測定区間にする。重複時刻、非有限値、負の電力、2 sを超える欠測間隔を拒否する。既定は1 Hz記録を想定しており、違う周期なら--max-gapを明示する。

標本の最大値はpeak_sampled_Wであって、標本間の瞬間ピークを保証しない。電力計が区間平均を出す場合は、その出力定義に合った積分方法を選ぶ必要がある。

比較結果の読み方

全体のWhと、アイドル平均W×処理時間を引いた増分Whを分けて報告する。差し引きは「その間ずっと同じアイドル状態だった」という仮定を含み、CPU・GPU・ディスクの厳密な内訳測定にはならない。一条件だけ変えた比較でも、ファンや電源効率などが一緒に変わる可能性を残す。

同じ仕事を短時間で終えれば、高いWでもWhが小さくなる場合がある。反対に、短い処理の省電力化より長いアイドル時間の削減が効くこともある。実測表には境界、環境、観測周期、反復数、所要時間、平均W、Wh、処理量をそろえ、性能と電力量を一緒に読む。