홈 서버 전력 측정: 유휴, 추론 및 저장 시 전력 소모량

Contents — find the section you need

Change parameters and verify

Open the panel, then press Run to load Python. You can stop execution and reset parameters. Results are computed on this device. No Python installation is required.

Local execution steps below are optional for reproducing the source results; they are not required for the browser experiment.

The experiment controls are in English.

Open experiment panel in a new tab

Download reproduction source

가정용 서버의 경우, 장시간 유휴 상태, 작업 완료 시 소모되는 에너지, 그리고 최대 소비 전력(와트)을 고려해야 합니다. 이 문서에서는 플러그인 계량기를 이용한 로깅 방법을 제공합니다. 실제 서버를 측정한 것이 아니며, 첨부된 40W 데이터는 가상적인 산술 검증을 위한 것입니다.

측정 범위 설정

계량기가 서버, UPS 손실, 외부 저장 장치 또는 네트워크 장비 중 어떤 부분을 측정할지 명확히 지정하십시오. 적절한 정격의 계량기를 사용하십시오. 내부 배선 변경은 필요하지 않습니다.

유효 전력(W)과 에너지(Wh)를 측정하십시오. 전압과 전류를 곱하면 피상 전력(VA)이 됩니다. AC 부하의 경우 역률이 중요합니다. V×A를 소비 전력(와트)으로 간주하지 마십시오. 유효/피상 전력 및 역률에 대한 자세한 내용은 요코가와의 전력 측정 기초를 참조하십시오. 계량기의 해상도, 정확도, 로깅 간격 및 저부하 범위는 설명서를 참조하십시오.

유휴 상태 정의

시작 업데이트 및 인덱싱을 방지합니다. 서비스, CPU 설정, GPU 모델 상주 시간, 디스크 회전 상태, 디스플레이, 팬 및 실내 온도를 기록합니다. CPU 사용률이 낮은 시점이 아닌, 안정적인 간격을 선택합니다. 10분 간격으로는 30분마다 실행되는 작업을 놓칠 수 있으므로, 더 긴 로그를 사용하여 주기적인 동작을 파악합니다.

디스크 회전 중지 및 회전은 별개의 조건입니다. 에너지 절약, 최초 접근 지연 시간 및 시작/정지 횟수는 각각 다른 평가 기준입니다.

추론 및 스토리지 작업 고정

AI의 경우, 모델, 양자화, 프롬프트, 출력 제한, 동시 실행 수 및 캐시 상태를 고정합니다. local-LLM 측정을 사용하여 요청 시작/완료 및 생성 횟수를 전력 로그와 연동합니다. 로딩 포함 테스트와 상주 모델 테스트를 분리합니다.

저장 공간의 경우, 전용 테스트 데이터를 사용하여 파일 수, 바이트 수, 읽기/쓰기 횟수 및 캐시 상태를 고정합니다. 완료는 애플리케이션 반환 또는 동기화 완료로 정의합니다. 캐시 적중 읽기는 디스크 자체의 성능을 측정하는 것이 아닙니다.

시간에 따른 와트(Wh) 통합

시간(t)이 초 단위이고 전력(P)이 와트(W) 단위일 때, 사다리꼴 근사치를 사용하면 다음과 같습니다.

E_{\mathrm{Wh}}=\frac{1}{3600}\sum_i\frac{P_i+P_{i+1}}{2}(t_{i+1}-t_i)

Wh를 시간(시간)으로 나누어 평균 W를 구합니다. 600초 동안 40W를 지속적으로 사용하면 6.667Wh가 됩니다. 30일 동안 24시간 동안 40W를 지속적으로 사용한다고 가정하면 28.8kWh가 됩니다. 이는 계산 예시이며, 이 사이트의 실제 측정 사용량이나 요금 예측치가 아닙니다.

CSV 통합 시도

power_log.py 파일과 합성 CSV 파일을 함께 저장합니다. Python 3.12.3 표준 라이브러리만 사용하여 실행을 확인했습니다.

python3 power_log.py server-power-synthetic.csv

예상 출력: duration_s=600, mean_W=40, energy_Wh=6.666666… 및 samples=601. 검증 결과를 사용할 수 있습니다. time_s, power_W 열을 사용하고 파일당 하나의 연속적인 간격을 사용하십시오. 이 도구는 중복 시간, 유한하지 않은 값, 음수 전력 및 2초 이상의 간격을 허용하지 않습니다. 기본값은 1Hz 로깅을 가정합니다. 다른 간격을 사용하려면 --max-gap을 명시적으로 변경하십시오.

peak_sampled_W는 가장 큰 샘플 값이며 샘플 간 피크 값을 보장하는 것은 아닙니다. 간격 평균을 보고하는 계량기는 해당 출력 규칙에 맞는 적분이 필요할 수 있습니다.

비교 해석

유휴 평균 W에 작업 부하 지속 시간을 곱한 후의 총 Wh와 증분 Wh를 별도로 보고합니다. 뺄셈은 유휴 상태가 지속된다는 가정 하에 이루어지며 CPU, GPU 또는 디스크 에너지 소비량을 정확하게 분리하지 못합니다. 팬 작동률과 전원 공급 장치 효율은 작업 부하 설정이 변경되더라도 변할 수 있습니다.

동일한 작업을 더 빨리 완료한다면 더 높은 와트(W) 소비량으로도 더 낮은 와트(Wh) 소비량을 얻을 수 있습니다. 또한 긴 유휴 시간은 짧은 작업에서 얻는 작은 절감 효과를 상쇄할 수 있습니다. 각 비교에는 경계 조건, 환경, 로깅 간격, 반복 횟수, 지속 시간, 평균 와트(W), 와트(Wh) 및 완료된 작업량을 포함해야 합니다.

What to read next

Control inputs and generated work for energy comparisons.로컬 LLM 벤치마킹: 첫 응답, 생성 속도 및 메모리 Review the background홈 서버 백업 및 복구 - 간단한 복원 실습 Explore another aspect of this fieldDocker 데이터 저장 위치: 레이어, 볼륨 및 백업

#Hands-on