租用算力机器注意事项，合同与资源隔离风险

租用算力机器前，先搞清楚你要隔离什么

租用算力机器不只是选配置、比价格。
真正决定后续稳定性的，往往是合同里没写清楚的部分，以及资源隔离做得是否彻底。
如果你正准备租用 GPU 或高配 CPU 机器跑训练、渲染或推理任务，这篇文章会帮你从合同条款和隔离验证两个方向，把最容易踩的坑提前排掉。

签合同前，把这几项落到纸面

算力租用合同通常涉及资源规格、计费方式、SLA、数据责任和退出机制。
零基础用户最容易只看“多少钱一小时”，结果遇到超售、限速或退租纠纷。

资源规格要写“独享”还是“共享”

合同里必须明确 CPU、内存、GPU 型号、显存、硬盘类型和带宽是独享还是共享。
如果只写“8 核 16G”，实际可能是超售后的共享资源池。
建议要求服务商在合同附件中列出具体型号和数量，例如 NVIDIA A100 80GB × 1，而不是模糊的“高性能 GPU”。

计费与退订条款要逐条核对

重点看三处：计费周期是按秒、按小时还是按月；
停机是否继续计费；
提前退租是否扣除押金或剩余费用。
部分合同会写“不满一个月按一个月计费”，如果你只是短期测试，这条会直接拉高成本。

数据归属与删除义务

合同应写明：你上传的数据归你所有，服务商不得用于其他用途，退租后多少天内完成彻底删除。
如果合同只写“双方协商”，后续数据泄露时很难追责。

资源隔离风险：从系统层到网络层逐项验证

资源隔离不是服务商口头承诺，而是可以自己动手验证的。
租用后第一时间做下面几项检查，能发现大部分超售和串扰问题。

检查 CPU 与内存是否被限制

登录机器后执行：

lscpu | grep -E 'Model name|CPU\(s\)'
free -h
cat /sys/fs/cgroup/cpu.max 2>/dev/null

如果 lscpu 显示的核数远低于合同规格，或者 cpu.max 里出现明显的配额限制（例如 50000 100000 表示只能用 0.5 核），说明资源被 cgroup 限制。
此时可以跑一个短时压测：

stress-ng --cpu 8 --timeout 60s

观察 top 中 CPU 是否稳定在 800% 左右。
如果只能跑到 200%，隔离层已经把你的算力切走了。

验证 GPU 是否独享

GPU 机器要额外检查：

nvidia-smi
nvidia-smi -q | grep -i 'MIG\|vGPU'

如果输出中出现 MIG 或 vGPU 分区信息，说明 GPU 被切分给多个用户。
对于需要完整显存的训练任务，这种隔离方式可能导致显存不足或算力波动。
合同里应明确是否允许 MIG 切分。

网络隔离与带宽真实性

多租户环境下，内网可能被其他用户扫描。
建议检查防火墙规则：

sudo iptables -L -n
ss -tulnp

如果发现非自己开放的端口，立即关闭并联系服务商。
带宽方面，用 iperf3 对测速节点做双向测试，确认上下行是否达到合同承诺值。

避坑清单：这些情况别急着付款

• 合同只写“共享算力”但没有承诺最低保障值
• SLA 只写“99% 可用”却不说明故障赔偿方式
• 要求预付三个月以上费用，但退租条款模糊
• 机器交付后无法提供 root 或管理员权限
• 服务商拒绝提供资源隔离的验证方法

遇到以上任意一条，建议先小规模短租测试，不要一次性投入长期费用。

验证与留痕：租用后 24 小时内要做的事

完成上面检查后，把结果截图或保存为文本文件，包括 lscpu、free -h、nvidia-smi、带宽测试结果和防火墙规则。
这些记录在后续出现性能纠纷或数据安全问题时，是你最直接的证据。

如果服务商提供控制台，确认资源使用图表与实际压测结果是否一致。
不一致时，先通过工单书面沟通，保留聊天记录。

常见疑问

租用算力机器一定要签合同吗？

短期测试可以按平台协议走，但涉及长期训练或敏感数据时，建议签书面合同，明确资源规格、数据责任和退出机制。

资源隔离做得不好会有什么后果？

轻则算力被邻居抢占、任务变慢，重则内网被扫描、数据泄露。
GPU 场景下还可能因为显存被切分导致训练中断。

怎么判断服务商是否超售？

用压测工具跑满 CPU 或 GPU，对比实际性能和合同规格。
如果持续达不到承诺值，且服务商无法解释，基本可以判断存在超售。

租用算力机器时，把合同条款和资源隔离风险当成两个必查项，先验证再长期投入，能避开大部分隐性成本和安全问题。