低消費電力サーバーのエネルギーデータは、メーターの分解能や位相誤差が小さく変動する負荷に対して相対的に大きくなるため、ノイズが多く見えることがあります。
アイドル状態のホームサーバーでは、8 Wと13 Wの間を行き来することがありますが、500 Wの家電は安定しているように見えます。絶対的な測定誤差はどちらも同程度である可能性がありますが、アイドル時の値に占める割合ははるかに大きくなります。現代の電源装置は、単純な正弦波ではなく、電流をパルス状に引き込むこともあります。
低電流では測定範囲のごく一部しか使用しない
電流トランスやアナログ・デジタルコンバーターは、分岐回路の最大値に合わせて設計されることがよくあります。数ワット程度では、オフセットや電気ノイズを上回る信号が、有効なカウント数のごく一部にしか達しない場合があります。その結果、丸め誤差や校正誤差が目に見える変動として現れます。
エネルギーモニターに関する議論では、パッシブCTはコンバーターのステップ数が限られていると測定分解能が低くなる可能性が説明されています。正確なハードウェアは異なりますが、原理は普遍的です。絶対的な不確かさが一定であれば、負荷が小さくなるほど割合として大きくなります。
1 Wの誤差は500 Wの0.2パーセントですが、10 Wでは10パーセントです。ダッシュボードの自動スケーリングは、この差をさらに拡大して見せます。したがって、表示が不安定に見えるからといって、ホームサーバーが不安定であったり、意味のある余分なエネルギーを消費していたりするとは限りません。
スイッチング電源は単純な電力計算を難しくする
サーバーの電源装置は非線形な電流を引き込み、CPU、ドライブ、ファン、電圧レギュレーターが起動すると動作モードを切り替えることがあります。有効電力を求めるには、電流だけでなく、電圧と電流のサンプルを同期させる必要があります。位相誤差や力率の低さによって、波形の小さな違いがワット数の推定値の変動に変わることがあります。
CT比と負担に関する技術情報では、変流器の変流比、精度階級、負担が相互に影響する理由が説明されています。高品質なメーターでも、CTの測定範囲が適切でなかったり、設置状態が不適切だったりする場合は補正できません。
変動の中には実際に発生しているものもあります。バックグラウンドタスクによって、数ミリ秒から数秒のバーストが発生し、数分間で平均すると消えてしまうことがあります。サンプリングを速くするとその動きが見え、報告間隔を遅くすると平滑化されます。そのため、「よりきれいな」グラフは、ノイズを抑えるのと同じように、ワークロードの挙動を隠してしまう可能性があります。
メーターのノイズだけでは説明できない場合
変動がCPU使用率、ディスクのスピンアップ、ファン制御、スケジュールされたコンテナと強く連動している場合、低負荷時の仕組みだけでは説明できません。また、コンセントメーターと分岐回路のCTが同じパターンを示す場合も同様です。そのようなケースでは、サーバーの負荷が実際に変化しています。
エネルギー監視に関する情報では、電力の精度は、特に住宅用負荷において、負荷の力率に左右されると説明されています。低消費電力の電子機器用電源では、抵抗ヒーターよりも位相や波形に関する前提条件の影響が現れやすくなります。
負荷を切断した状態でメーターが大きな値を示す場合も、低ワット数だけではノイズを説明できません。これは、オフセット、配線、干渉、設定に問題があることを示しています。CTの向きが逆であったり、位置がずれていたりすると、サーバーのワークロードとは無関係に、符号や位相の問題が発生することがあります。
サーバーのバーストを読み取る前にメーターの下限を確認する
少なくとも各15分間、次の4つの状態を測定します。回路が空の状態、サーバーの電源は切れているがプラグが接続されている状態、アイドル状態、再現可能なCPUとディスクの負荷をかけた状態です。可能であれば、生の電圧と電流、有効電力、皮相電力、力率、サンプリング間隔、CTの測定範囲、ダッシュボードの集計方法を記録します。
ランダムなバックグラウンドタスクに頼るのではなく、制御された低消費電力AIワークロードのジョブを使い、再現可能な低消費電力バーストを発生させます。比較中は、測定対象の分岐回路に接続された他の機器をオフにしてください。
空の回路での変動がアイドル時の変動に近く、ワークロードと相関しない場合は、その下限を測定ノイズとして扱います。再現性があり同期したスパイクは、実際の需要として扱います。エネルギー総量を確認する場合は、時間単位のワット時を比較し、一時的な変動を分析する場合は、低消費電力の電子機器向けに設計されたメーターとサンプリングレートを使用してください。
テック&AIハブ
もっと読む

ローカルRAGの検索品質を測定し、再現率・適合率・引用カバレッジを解釈する方法
ローカルRAGのテストセットを構築し、主要な検索指標を算出し、それらのトレードオフを解釈し、回答の主張が引用された根拠によって裏付けられているかを監査する。

サンプリングレートが同じ場合、センサー数の増加に伴ってスマートホームの機能計算がより重要になるのはなぜですか?
デバイス数の増加に伴うセンサーごとおよびセンサー間の計算処理を追跡し、非線形な融合コストを特定して、自動化処理に遅延が生じる前に特徴量パイプラインのベンチマークを実施します。

同じクエリ量でも、ドキュメントライブラリが拡大するとRAG評価コストが重要になるのはなぜか?
ユーザークエリを増やさずにコーパスの拡大がRAG評価の工数を増加させる理由と、層別テストによってコストをリスクに応じて抑えられる仕組みを理解する。

