PowerEdge: XE9680 – GPU-er forsvinner fra verten

Vanlige hendelser og varsler som angir dette problemet, omfatter følgende:

• Vertskjernelogger som viser Xid 74 og eller 79 fra NVIDIA-driveren. På Linux, Xid Feilmeldinger er i /var/log/messages.

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

• Dell Lifecycle Logs kan rapportere en PCI1318 Bus Fatal Error:

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

• Problemet kan også være forbigående:
  • GPU-er kan vises igjen etter en vekselstrømsyklus
  • Antallet og sporene der GPU-ene forsvinner, kan endres.

Xid og Buss dødelig Feilmeldinger er ofte relatert til PCIe Retimer-relaterte feil. Disse feilene kan oppstå på grunn av signalintegritetsproblemer i PCIe-arkitekturen.

Dell har lansert oppdatert GPU-akseleratorfastvare. Denne oppdateringen inneholder forbedringer for PCIe Retimers, som forbedrer signalintegriteten og bidrar til å forhindre at GPU-er faller av bussen. Som et første trinn anbefales det å oppdatere til fastvaren som er oppført nedenfor, eller nyere hvis det er alvorlige feil i bussen.