「PowerEdge：XE9680 - GPUがホストに表示されなくなる

この問題を示す一般的なイベントとアラートは次のとおりです。

• ホスト カーネル ログの表示 Xid NVIDIAドライバーから74および/または79。Linuxでは、 Xid エラー メッセージが表示される /var/log/messagesの詳細を確認してください。

[...] NVRM: Xid (PCI:0000:1a:00): 79, pid='<unknown>', name=<unknown>, GPU has fallen off the bus.

• Dell LifeCycleログでは、次のことが報告される場合があります。 PCI1318 Bus Fatal Errorファイルに置き換えます。

PCI1318: A fatal error was detected on a component at bus <X> device <Y> function <Z>

• この問題は、本質的に一時的なものである可能性もあります。
  • AC電源の入れ直し後にGPUが再び表示される場合がある
  • GPUが消える数とスロットが変わる場合があります。

Xid およびバス致命的エラー メッセージは、多くの場合、PCIeに関連しています Retimer-関連のエラー。これらのエラーは、PCIeアーキテクチャ内のシグナルインテグリティの問題が原因で発生する可能性があります。

Dellは、GPUアクセラレーター ファームウェアのアップデートをリリースしました。このアップデートには、PCIeの機能拡張が含まれています Retimersこれにより、信号の整合性が向上し、GPUがバスから落ちるのを防ぐことができます。最初のステップとして、バスの致命的なエラーが発生した場合は、以下にリストされている新しいファームウェアにアップデートすることをお勧めします。