PowerEdge: Varmeregulering for GPU eller problemer med GPU som ikke er oppdaget

• GPU-ytelsen reduseres under høy arbeidsbelastning.
• GPU-klokkehastigheten synker automatisk for å beskytte maskinvaren.
• GPU-temperaturen når høye verdier under stressbelastninger.
• Systemhendelseslogg (SEL) viser advarsler relatert til systeminnløpstemperatur.
• GPU vises ikke i operativsystem eller administrasjonsverktøy.
• Kommandoen nvidia-smi viser ingen GPU-enhet.
• iDRAC eller BIOS oppdager ikke den installerte GPU-en.

• Høy omgivelsestemperatur i datasenteret
• Utilstrekkelig luftsirkulasjon eller blokkert luftinntak i serverracket
• Feil vifteprofil eller innstillinger for temperatur
• GPU-en er ikke riktig plassert i PCIe-sporet
• GPU-konfigurasjon eller fastvarekonflikt som ikke støttes
• Utdatert BIOS-, iDRAC- eller GPU-fastvare
• Problemer med strøm- eller kabeltilkobling for GPU-moduler

1. Sjekk GPU-temperatur og gassstatus:

Kjør følgende kommando i operativsystemet for å sjekke GPU-ytelse og gassstatus for Nvidia GPU-er:

nvidia-smi -q -d performance

Hvis gasspjeldårsakene vises som "Ikke aktiv", fungerer GPU-en som normalt.

2. Overvåk systemtemperaturen:

• Kontroller systemhendelsesloggen (SEL) i iDRAC.
• Se gjennom livssyklusloggen for temperaturvarsler.
• Kontroller systeminnløpstemperaturen fra delen Temperaturoversikt.

3. Forbedre kjøleforholdene:

• Sørg for at omgivelsestemperaturen i datasenteret er innenfor støttede grenser.
• Fjern luftstrømblokkeringer i racket.
• Kontroller at alle systemviftene fungerer som de skal.
• Bruk egnede luftstrømsdeksler og GPU-kjølesett.

4. Bekreft installasjon av GPU-maskinvare:

• Kontroller at GPU-en er riktig plassert i PCIe-sporet.
• Kontroller GPU-strømkabler og -kontakter.
• Bekreft at GPU støttes på serverplattformen.

5. Oppdater systemfastvaren:

• Oppdater server-BIOS.
• Oppdater iDRAC-fastvaren.
• Oppdater GPU-drivere og fastvare.

6. Bekreft GPU-gjenkjenning:

Bruk følgende kommando for å sjekke om Nvidia GPU oppdages av systemet:

nvidia-smi

Hvis GPU-en ikke oppdages, kontrollerer du BIOS-innstillingene og maskinvareinstallasjonen.

7. Test GPU i et annet PCIe-spor:

Hvis GPU-en ikke oppdages eller fortsetter å oppleve ytelsesproblemer, kan du prøve å installere GPU-en i et annet tilgjengelig PCIe-spor.

• Slå av serveren, og koble fra strømkablene.
• Ta ut GPU-en fra gjeldende PCIe-spor.
• Sett GPU-en inn i et annet støttet PCIe-spor.
• Koble til strømmen igjen, og slå på systemet.
• Sjekk om GPU-en oppdages ved hjelp av kommandoen nvidia-smi eller fra iDRAC-maskinvarebeholdningen.

Hvis GPU-en oppdages i et annet spor, kan det hende at det opprinnelige PCIe-sporet har et konfigurasjons- eller maskinvareproblem.

8. Kjør GPU-diagnostikktest:

Kjør diagnostikkverktøyet NVIDIA Data Center GPU Manager (DCGM) for å kontrollere Nvidia GPU-tilstanden og oppdage potensielle maskinvare- eller varmeproblemer.

1. Få tilgang til operativsystemet via SSH eller konsoll.
2. Kjør følgende kommando for å utføre en utvidet GPU-diagnostikktest:

sudo dcgmi diag

Denne kommandoen utfører en omfattende diagnostikktest som kontrollerer GPU-minne, PCIe-tilkobling og termisk atferd. Gå gjennom utdataene for å identifisere eventuelle maskinvare- eller ytelsesrelaterte problemer.