PowerEdge: XE9680 – GPU'er forsvinder fra værten

Typiske hændelser og advarsler, der indikerer dette problem, omfatter:

• Værtskernelogfiler, der vises Xid 74 og/eller 79 fra NVIDIA-driveren. På Linux, Xid Fejlmeddelelser er i /var/log/messages.

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

• Dell Lifecycle-logfiler rapporterer muligvis 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 vises muligvis igen efter en genstart
  • Antallet og slots, hvor GPU'er forsvinder, kan ændre sig.

Xid og Bus Fatal Fejlmeddelelser er ofte relateret til PCIe Retimer-relaterede fejl. Disse fejl kan opstå på grund af signalintegritetsproblemer i PCIe-arkitekturen.

Dell har udgivet opdateret GPU-acceleratorfirmware. Denne opdatering indeholder forbedringer af PCIe Retimers, som forbedrer signalintegriteten og hjælper med at forhindre, at GPU'er falder af bussen. Som et første trin anbefales det at opdatere til nedenstående firmware eller nyere, hvis der er fatale fejl i bussen.