В статье собраны условия эксплуатации H200 NVL из документации NVIDIA и порядок диагностики типовых проблем.
Условия эксплуатации
| Параметр | Значение |
|---|---|
| Температура при работе | от 10 до 45 °C |
| Температура хранения | от −40 до 75 °C |
| Влажность при работе | 5–85%; кратковременно 5–93%, не дольше 96 часов подряд и не больше 15 дней в год |
| Влажность при хранении | 5–95% |
| Высота | до 6000 футов |
| MTBF при 35 °C | 294 332 ч в неконтролируемой среде, 316 369 ч в контролируемой |
Карта охлаждается пассивно, поэтому ее нагрев зависит от вентиляторов сервера и чистоты воздушного тракта.
Мониторинг
Основной инструмент — утилита nvidia-smi, которая устанавливается вместе с драйвером.
nvidia-smi— список карт, температура, потребление, загрузка и занятая память.nvidia-smi -q— подробный отчет по каждой карте: серийный номер, версии прошивки, состояние ECC, ограничения мощности.
Для постоянного наблюдения передавайте показания nvidia-smi в систему мониторинга сервера и задайте пороги по температуре и потреблению под условия вашего зала.
Память ECC включена. Счетчики ошибок ECC в отчете nvidia-smi -q стоит проверять регулярно: рост числа ошибок — повод для обращения в сервис.
Карта не определяется
Проверяйте в таком порядке.
- Питание. Карта не запустится, если кабель 16-pin сообщает уровень ниже 451 Вт. Это правило действует, даже если мощность карты ограничена программно ниже. Проверьте, что кабель идет от блока питания с поддержкой уровня 451–600 Вт и вставлен полностью.
- Слот. Карта работает в режимах PCIe Gen5 x16, Gen5 x8 и Gen4 x16. Убедитесь, что слот поддерживает один из них и карта сидит в нем полностью.
- BIOS. Карте нужно окно BAR2 размером 256 ГиБ. Включите поддержку больших окон BAR. Если используется виртуализация, включите SR-IOV.
- Драйвер. Нужна версия R565 TRD1 или новее. Более старые драйверы карту не поддерживают.
- Прерывания. Карта работает только с MSI-X. Режим MSI не поддерживается.
Перегрев и снижение частот
Если при нагрузке частоты падают, проверьте температуру воздуха на входе сервера, работу вентиляторов и отсутствие препятствий в потоке. Радиатор допускает поток в обе стороны, но направление должно совпадать с конструкцией сервера.
Сбор диагностики
В состав драйвера NVIDIA для Linux входит скрипт nvidia-bug-report.sh. Он собирает журналы системы и драйвера в архив, который запрашивает сервисная служба. Запускайте его от имени администратора сразу после сбоя, до перезагрузки.
Вместе с архивом сохраните вывод nvidia-smi -q и опишите, при какой нагрузке возникла проблема. Эти данные понадобятся при обращении по гарантии.
