Ubuntu GPU服务器初始化：磁盘、网络、用户权限与基础安全

适用目标

把新到货GPU服务器整理成可审计、可回滚、可交接的基础运行环境。本文面向已经能够使用Linux命令行、但需要把环境做成可重复交付的工程人员。操作前先备份现有配置，并记录硬件型号、系统内核和当前软件版本。

准备工作

准备管理网地址、磁盘规划、主机命名规则、时间同步源和运维账号清单。建议建立独立测试目录和变更记录，所有命令、镜像标签、配置文件与测试结果都写入同一份实施日志。生产机器不要边排错边无记录升级。

实施步骤

核对固件与硬件日志。

划分系统盘、模型盘和日志盘。

设置固定地址、DNS和NTP。

建立实名账号与sudo审计。

配置安全更新窗口。

安装监控代理。

保存初始基线。每完成一步立即保存输出，出现异常时只回退最近一项变更。

常见误区

不要直接用root运行模型服务。

不要把模型和日志写满系统盘。

修改网卡前保留带外管理入口。

自动更新驱动可能破坏CUDA环境。如果现象与预期不符，应缩小到最小复现环境，不要直接在完整业务栈中猜测原因。

验证与验收

重启后网络、磁盘挂载和时间同步正常，非授权端口关闭，运维操作可追溯，监控能报告CPU、内存、磁盘、网络和GPU状态。除一次性功能验证外，至少重复三次并进行重启复测。性能类任务必须固定输入、输出和并发口径，同时记录P50、P95和失败率。

交付清单

交付物应包含版本清单、配置文件、启动与停止命令、监控入口、已知限制、故障处理步骤和回滚方法。只有其他工程师能够依据文档重新完成部署，教程才算真正可执行。

可复现实施记录

本节把“Ubuntu GPU服务器初始化：磁盘、网络、用户权限与基础安全”落到可以复核的操作边界。测试对象是Ubuntu GPU 服务器初始化。实施前先冻结硬件清单、系统镜像、依赖版本、模型版本和业务参数，并给每次验证分配独立记录编号。锁定系统版本，配置时钟、存储挂载、普通运维账号和 SSH 策略，再安装与 GPU 型号匹配的驱动；不要同时混用发行版驱动和独立安装包。

验收数据怎么记录

不要只记录一次成功截图。冷启动和预热后各运行三轮，表格至少包含测试时间、并发数、输入长度、输出长度、首 Token 延迟、P50/P95 总延迟、吞吐、CPU、内存、GPU 显存、GPU 利用率、错误码与日志位置。重启后检查 nvidia-smi、IOMMU、磁盘挂载和容器 GPU 透传；保存驱动包、配置清单与回退内核，确认远程维护不会因升级失联。

变更与回退

上线时保留上一版镜像、配置和模型版本，先让少量真实请求进入新实例。若 P95 延迟上升超过 20%、连续错误率超过 1% 或出现无法解释的结果偏差，立即停止扩容新版本并切回旧实例。回退后仍需保存失败现场，不能用重启覆盖日志。文中的参数是复现起点，最终阈值应由实际业务请求和硬件测量结果确定。