PowerEdge: Como instalar pacotes para solução de problemas do DCGMI no Ubuntu LTS

Summary: Como fazer a instalação do DCGM no Linux para coletar logs do DCGMI para solução de problemas.

This article applies to This article does not apply to This article is not tied to any specific product. Not all product versions are identified in this article.

Check out other resources

Instructions

Pré-requisitos
Para executar o DCGM, o sistema de destino deve incluir os seguintes componentes NVIDIA, listados em ordem de dependência:
- Drivers
NVIDIA Datacenter compatíveis- Em sistemas HGX
, nos pacotes Fabric Manager e NVSwitch Configuration and Query (NSCQ)- DCGM Runtime e SDK
para versões Ubuntu:
Nota
: As capturas de tela são apenas para referência, e os resultados reais podem ter algumas diferenças.

Faça download do metapacote para o repositório de rede CUDA:
> wget https://developer.download.nvidia.com/compute/cuda/repos/$distribution/x86_64/cuda-keyring_1.0-1_all.deb
[Substitua x86_64 por "sbsa" para arm64 ou substitua por "ppc64le" para ppc64le, se necessário. Remover aspas]

Instale os metadados do repositório e a chave CUDA GPG:
> sudo dpkg -i cuda-keyring_1.0-1_all.deb

Atualize o APT:
> sudo apt-get update

Instale o DCGM:
> sudo apt-get install -y datacenter-gpu-manager

Você pode obter esta caixa de diálogo antes que a atualização seja concluída, selecione OK para continuar (talvez seja necessário usar a guia para acessar OK/Cancelar)

Em sistemas HGX (A100/A800 e H100/H800), você deve instalar a biblioteca de configuração e consulta de switch NVIDIA (NSCQ) para DCGM para enumerar os NVSwitches e fornecer telemetria para switches. O NSCQ deve corresponder à ramificação da versão do driver (XXX) instalado no sistema. Substituir XXX com a ramificação do driver desejado nos comandos abaixo.
> sudo apt-get install -y libnvidia-nscq-XXX

Consulte o SO para a versão do driver:
> nvidia-smi

Então, neste exemplo, usaremos o seguinte comando:
> sudo apt-get install -y libnvidia-nscq-550

Você pode obter esta caixa de diálogo antes que a atualização seja concluída, selecione OK para continuar (talvez seja necessário usar a guia para acessar OK/Cancelar)

Ative o serviço systemd DCGM (na reinicialização) e inicie agora:
> sudo systemctl --now enable nvidia-dcgm

Para verificar a instalação, use dcgmi para consultar o sistema. Você verá uma lista de todas as GPUs compatíveis (e quaisquer NVSwitches) encontradas no sistema: (o switch tem um L minúsculo)
> dcgmi discovery -l

[O exemplo abaixo não tem NvSwitches, mas o campo será preenchido com detalhes se eles estiverem presentes/detectados.]

Neste ponto, você deve ser capaz de executar o diagnóstico DCGM necessário.