PowerEdge: Ograniczanie wydajności procesora GPU lub problemy z niewykryciem procesora graficznego

• Wydajność procesora GPU jest mniejsza przy dużym obciążeniu roboczym.
• Szybkość zegara GPU spada automatycznie, aby chronić sprzęt.
• Temperatura GPU osiąga wysokie wartości podczas obciążeń roboczych.
• Rejestr zdarzeń systemu (SEL) zawiera ostrzeżenia dotyczące temperatury systemu przy wlocie do komputera.
• Procesor GPU nie pojawia się w systemie operacyjnym ani w narzędziach do zarządzania.
• Polecenie nvidia-smi nie pokazuje żadnego urządzenia GPU.
• Kontroler iDRAC lub system BIOS nie wykrywa zainstalowanej karty graficznej.

• Wysoka temperatura otoczenia w centrum przetwarzania danych
• Niewystarczający przepływ powietrza lub zablokowany wlot powietrza do szafy serwerowej
• Nieprawidłowy profil wentylatora lub ustawienia zasad dotyczących temperatury
• Karta GPU nie jest prawidłowo osadzona w gnieździe PCIe
• Nieobsługiwana konfiguracja GPU lub niezgodność oprogramowania wewnętrznego
• Nieaktualne oprogramowanie wewnętrzne systemu BIOS, kontrolera iDRAC lub karty graficznej
• Problemy z zasilaniem lub połączeniem przewodowym modułów GPU

1. Sprawdź temperaturę karty graficznej i stan ograniczenia:

Uruchom następujące polecenie w systemie operacyjnym, aby sprawdzić wydajność karty graficznej i ograniczyć wydajność procesorów graficznych Nvidia:

nvidia-smi -q -d performance

Jeśli przyczyny ograniczenia przepustowości są wyświetlane jako "Nieaktywne", procesor graficzny działa normalnie.

2. Monitorowanie temperatury systemu:

• Sprawdź dziennik zdarzeń systemu (SEL) w kontrolerze iDRAC.
• Przejrzyj dziennik cyklu eksploatacji pod kątem ostrzeżeń dotyczących temperatury.
• Sprawdź temperaturę systemu przy wlocie w sekcji Przegląd temperatury.

3. Popraw warunki chłodzenia:

• Upewnij się, że temperatura otoczenia centrum danych mieści się w obsługiwanych limitach.
• Usuń blokady przepływu powietrza w szafie serwerowej.
• Sprawdź, czy wszystkie wentylatory systemowe działają prawidłowo.
• Należy stosować odpowiednie osłony wentylacyjne i zestawy do chłodzenia karty graficznej.

4. Weryfikacja instalacji sprzętu GPU:

• Upewnij się, że karta graficzna jest prawidłowo osadzona w gnieździe PCIe.
• Sprawdź kable i złącza zasilania karty graficznej.
• Upewnij się, że procesor GPU jest obsługiwany na platformie serwera.

5. Zaktualizuj oprogramowanie wewnętrzne systemu:

• Zaktualizuj system BIOS serwera.
• Zaktualizuj oprogramowanie wewnętrzne kontrolera iDRAC.
• Zaktualizuj sterowniki i oprogramowanie wewnętrzne karty graficznej.

6. Weryfikacja wykrywania GPU:

Użyj następującego polecenia, aby sprawdzić, czy procesor graficzny Nvidia został wykryty przez system:

nvidia-smi

Jeśli procesor graficzny nie został wykryty, sprawdź ustawienia systemu BIOS i instalację sprzętu.

7. Przetestuj procesor graficzny w innym gnieździe PCIe:

Jeśli procesor graficzny nie został wykryty lub nadal występują problemy z wydajnością, spróbuj zainstalować procesor w innym dostępnym gnieździe PCIe.

• Wyłącz serwer i odłącz kable zasilające.
• Wyjmij kartę graficzną z bieżącego gniazda PCIe.
• Zainstaluj kartę graficzną w innym obsługiwanym gnieździe PCIe.
• Podłącz ponownie zasilanie i włącz system.
• Sprawdź, czy procesor graficzny został wykryty przy użyciu polecenia nvidia-smi lub z zasobów sprzętu kontrolera iDRAC.

Jeśli procesor graficzny zostanie wykryty w innym gnieździe, może to oznaczać problem z konfiguracją lub sprzętem w oryginalnym gnieździe PCIe.

8. Uruchom test diagnostyczny procesora GPU:

Uruchom narzędzie diagnostyczne NVIDIA Data Center GPU Manager (DCGM), aby zweryfikować stan karty graficznej NVIDIA i wykryć potencjalne problemy ze sprzętem lub temperaturą.

1. Dostęp do systemu operacyjnego odbywa się przez SSH lub konsolę.
2. Uruchom następujące polecenie, aby przeprowadzić rozszerzony test diagnostyczny procesora graficznego:

sudo dcgmi diag

To polecenie wykonuje kompleksowy test diagnostyczny, który sprawdza pamięć GPU, łączność PCIe i zachowanie temperatury. Przejrzyj dane wyjściowe, aby zidentyfikować ewentualne problemy związane ze sprzętem lub wydajnością.