测量家用服务器功耗：空闲功耗、推理功耗和存储功耗

对于家用服务器，除了峰值功率外，还应考虑长时间空闲时间和完成工作负载的能耗。本文提供了一种插入式电表记录方法。本文未测量实际服务器；附件中的 40 W 数据仅为模拟算术验证。

确定测量范围

明确电表测量范围是仅限于服务器、UPS 损耗、外部存储还是网络设备。使用额定功率合适的电表；无需对内部线路进行任何改动。

读取有功功率（W）和能量（Wh）。电压乘以电流得出视在功率（VA）；交流负载的功率因数很重要。切勿将 V×A 直接视为消耗的功率（W）。有关有功功率/视在功率和功率因数，请参阅横河电机功率测量基础知识。从电表手册中记录其分辨率、精度、记录间隔和低负载范围。

Diagram 1 · Use the button to switch views

定义空闲状态

避免启动更新和索引。记录服务、CPU 设置、GPU 模型驻留状态、磁盘旋转状态、显示器、风扇和室温。选择一个固定的时间间隔，而不仅仅是较低的 CPU 使用率。十分钟的窗口可能会错过每三十分钟运行一次的任务；从更长的日志开始，以便识别周期。

磁盘停止运转和磁盘旋转是不同的状态。节能、首次访问延迟和启动/停止次数是不同的评估维度。

保持推理和存储工作固定

对于 AI，固定模型、量化、提示、输出限制、并发性和缓存状态。使用 local-LLM 测量 将请求启动/完成和生成的计数与功耗日志对齐。将包含负载的测试与驻留模型测试分开。

对于存储，请使用专用测试数据修正文件计数、字节数、读/写次数和缓存状态。将完成定义为应用程序返回或同步完成。仅缓存命中读取并不能衡量磁盘性能。

计算功率随时间的变化

时间戳 t 以秒为单位，功率 P 以瓦特为单位，使用梯形近似法可得出：

将瓦时 (Wh) 除以持续时间（小时）即可得到平均功率 (W)。40 瓦持续 600 秒，得到 6.667 瓦时。假设 40 瓦持续 24 小时，持续 30 天，则得到 28.8 千瓦时。这些只是算术示例，并非本网站的实际用量或账单预测。

尝试 CSV 集成

将 power_log.py 和 合成 CSV 一起保存。使用 Python 3.12.3 及其标准库进行执行检查：

python3 power_log.py server-power-synthetic.csv

预期输出：duration_s=600，mean_W=40，energy_Wh=6.666666… 和 samples=601。验证结果 可用。使用 time_s 和 power_W 列，每个文件使用一个连续时间间隔。该工具会拒绝重复的时间、非有限值、负功率以及超过 2 秒的间隔。此默认值假定日志记录频率为 1 Hz；要使用其他时间间隔，请显式更改 --max-gap。

peak_sampled_W 是最大样本值，不能保证样本间峰值。报告时间间隔平均值的仪表可能需要与该输出约定相匹配的积分。

解释比较结果

将总 Wh 与增量 Wh 分开报告，增量 Wh 的计算方法是在减去空闲平均 W 乘以工作负载持续时间之后。减法假设空闲状态会持续存在，但并不能精确地分离出 CPU、GPU 或磁盘的能耗。即使工作负载设置发生变化，风扇和电源的效率也会随之改变。

如果相同的工作更快完成，更高的功耗仍然可以带来更低的能耗。长时间的空闲也可能抵消短任务节省的少量能耗。每次比较时，都应考虑边界条件、环境、日志记录间隔、重复次数、持续时间、平均功耗（瓦特）、平均能耗（瓦特）和已完成的工作量。