Systémy XE: Postup instalace balíčků pro odstraňování problémů s DCGMI. RHEL Rocky

Předpoklady
Chcete-li spustit nástroj DCGM, musí cílový systém obsahovat následující komponenty NVIDIA uvedené v pořadí závislostí:
- Podporované ovladače
NVIDIA Datacenter- V systémech HGX (Hyperscale Graphics Extension) balíčky Fabric Manager a NSCQ (NVSwitch Configuration and Query)
- Modul runtime DCGM a sada SDK

Pro vydání Red Hat nebo Rocky:

distribution=$(. /etc/os-release;echo $ID`rpm -E "%{?rhel}%{?fedora}"`)

sudo dnf config-manager \
    --add-repo http://developer.download.nvidia.com/compute/cuda/repos/$distribution/x86_64/cuda-rhel8.repo

Aktualizujte metadata úložiště.

sudo dnf clean expire-cache

Nyní nainstalujte DCGM.

sudo dnf install -y datacenter-gpu-manager

V systémech HGX (A100/A800 a H100/H800) je nutné nainstalovat konfiguraci přepínače NVIDIA, pokud se chcete dotazovat na karty NVSWITCH. Dotazujte se knihovny NSCQ na nástroj DCGM, aby vytvořila výčet přepínačů NVSwitch a poskytla telemetrii pro přepínače. NSCQ musí odpovídat větvi verze ovladače (XXX) nainstalované v systému. Nahraďte XXX potřebnou větví ovladače v příkazech níže.

sudo dnf module install nvidia-driver:XXX/fm

Dotaz v operačním systému na verzi ovladače:

nvidia-smi

V tomto příkladu použijeme následující příkaz, protože verze ovladače se zobrazuje jako 550:

sudo dnf module install nvidia-driver:550/fm

Povolte službu DCGM systemd (při restartu) a začněte hned:

sudo systemctl --now enable nvidia-dcgm

Chcete-li ověřit instalaci, použijte k dotazování systému dcgmi. Měl by se zobrazit seznam všech podporovaných grafických karet (a všech přepínačů NVSWITCH) nalezených v systému: (přepínač je malé písmeno L)
DCGMI Discovery -L 

dcgmi discovery -l 

[Následující příklad neobsahuje přepínače NvSwitch, ale pole se vyplní podrobnostmi, pokud jsou přítomny nebo zjištěny.]