[实用新型]一种通过大数据深度学习的刀片服务器

说明书

技术领域

本实用新型涉及一种刀片服务器，具体涉及一种通过大数据深度学习的刀片服务器。

背景技术

所谓刀片服务器是指在标准高度的机架式机箱内可插装多个卡式的服务器单元，实现高可用和高密度。是一种HAHD(High Availability High Density，高可用高密度)的低成本服务器平台，是专门为特殊应用行业和高密度计算机环境设计的，其主要结构为一大型主体机箱，内部可插上许多“刀片”，其中每一块"刀片"实际上就是一块系统主板。它们可以通过"板载"硬盘启动自己的操作系统，如Windows NT/2000、Linux等，类似于一个个独立的服务器，在这种模式下，每一块母板运行自己的系统，服务于指定的不同用户群，相互之间没有关联。不过，管理员可以使用系统软件将这些母板集合成一个服务器集群。在集群模式下，所有的母板可以连接起来提供高速的网络环境，并同时共享资源，为相同的用户群服务。在集群中插入新的"刀片"，就可以提高整体性能。而由于每块"刀片"都是热插拔的，所以，系统可以轻松地进行替换，并且将维护时间减少到最小。这些刀片服务器在设计之初都具有低功耗、空间小、单机售价低等特点，同时它还继承发扬了传统服务器的一些技术指标，比如把热插拔和冗余运用到刀片服务器之中，这些设计满足了密集计算环境对服务器性能的需求；有的还通过内置的负载均衡技术，有效地提高了服务器的稳定性和核心网络性能。而从外表看，与传统的机架式服务器/塔式服务器相比，刀片服务器能够最大限度地节约服务器的使用空间和费用，并为用户提供灵活、便捷的扩展升级手段。刀片式服务器已经成为高性能计算集群的主流，在全球超级500强和国内100强超级计算机中，许多新增的集群系统都采用了刀片架构。

由于采用刀片服务器可以极大减少所需外部线缆的数量，可以大大降低由于线缆连接故障带来的隐患，提高系统可靠性。刀片服务器比机架式服务器更节省空间，同时，散热问题也更突出，往往要在机箱内装上大型强力风扇来散热，在执行大数据深度学习的工作时，由于设备长时间处于高负载工作，单靠风扇来散热难以保证处理器的温度。

实用新型内容

本实用新型所要解决的技术问题是刀片服务器比机架式服务器更节省空间，同时，散热问题也更突出，往往要在机箱内装上大型强力风扇来散热，在执行大数据深度学习的工作时，由于设备长时间处于高负载工作，单靠风扇来散热难以保证处理器的温度，目的在于提供一种通过大数据深度学习的刀片服务器，解决在节约空间的同时提高刀片服务器的散热效率的问题。

本实用新型通过下述技术方案实现：

一种通过大数据深度学习的刀片服务器，包括至少一组长条形P型半导体和与其对应的N型半导体，所述P型半导体一端与电源连接，另一端通过导体连接N型半导体，所述N型半导体一端与电源连接，另一端通过导体连接P型半导体，使用绝缘陶瓷对P型半导体和N型半导体组成的制冷结构预留电源连接的孔缝后进行封装形成制冷板。半导体制冷器件的工作原理是基于帕尔帖原理，该效应是在1834年由J.A.C帕尔帖首先发现的，即利用当两种不同的导体A和B组成的电路且通有直流电时，在接头处除焦耳热以外还会释放出某种其它的热量，而另一个接头处则吸收热量，且帕尔帖效应所引起的这种现象是可逆的，改变电流方向时，放热和吸热的接头也随之改变，吸收和放出的热量Qab与电流强度I成正比，且与两种导体的性质及热端的温度有关，即：Qab＝Iπab，πab称做导体A和B之间的相对帕尔帖系数，单位为V，πab为正值时，表示吸热，反之为放热，由于吸放热是可逆的，所以πab＝－πba。帕尔帖系数的大小取决于构成闭合回路的材料的性质和接点温度，其数值可以由赛贝克系数αab[V.K-1]和接头处的绝对温度T[K]得出πab＝αabT与塞贝克效应相，帕尔帖系也具有加和性，即：Qac＝Qab+Qbc＝(πab+πbc)I，因此绝对帕尔帖系数有πab＝πa－πb，金属材料的帕尔帖效应比较微弱，而半导体材料则要强得多，因而得到实际应用的温差电制冷器件都是由半导体材料制成的。采用半导体制冷材料来制造刀片式服务器的外壳，将吸热的一面朝着服务器内部，可以有效的对服务器进行散热，同时，由于半导体制冷不需要传统制冷方式的压缩机和风扇，因此，在安装密度较大的刀片式服务器中很适合使用，不会过分压缩服务器内部元件的空间。

所述制冷板在通电后一面降温一面升温，在升温的一侧还设置有散热板。由于半导体制冷是一面降温一面升温，而本方案又是将制冷板用于对环境温度要求严格的机房，如果不对升温的一面进行降温，极易在局部形成热点，不利于机房整体温度控制。