MTDCGM v1.0.3 版本说明
MTDCGM v1.0.3
环境要求
| 处理器 | 处理器架构 | 操作系统 | GPU | 驱动和MUSA Toolkit版本 | MTML 版本 | MTBIOS版本 |
|---|---|---|---|---|---|---|
| Intel | X86_64 | Ubuntu 22.04.4 | Mthreads Server GPU | KUAE 2.0 | 2.0.0 | S4000 3.4.3 S5000 4.3.13 |
更改日志
新增功能
-
新增Device Monitor功能
- 增加支持GPU功耗限制指标
- DCGM_FI_DEV_POWER_MGMT_LIMIT(160)
- DCGM_FI_DEV_POWER_MGMT_LIMIT_MIN(161)
- DCGM_FI_DEV_POWER_MGMT_LIMIT_MAX(162)
- DCGM_FI_DEV_POWER_MGMT_LIMIT_DEF(163)
- DCGM_FI_DEV_ENFORCED_POWER_LIMIT(164)
- 增加GPU温度相关指标
- DCGM_FI_DEV_THERMAL_SLOWDOWN_COUNTER(2201)
- 增加Mtlink Ber相关指标
- DCGMI_FI_DEV_MTLINK_BER_L0(3203)
- DCGMI_FI_DEV_MTLINK_BER_L1(3204)
- DCGMI_FI_DEV_MTLINK_BER_L2(3205)
- DCGMI_FI_DEV_MTLINK_BER_L3(3206)
- DCGMI_FI_DEV_MTLINK_BER_L4(3207)
- DCGMI_FI_DEV_MTLINK_BER_L5(3208)
- DCGMI_FI_DEV_MTLINK_BER_L6(3209)
- DCGMI_FI_DEV_MTLINK_BER_L7(3210)
- DCGMI_FI_DEV_MTLINK_BER_L8(3211)
- DCGMI_FI_DEV_MTLINK_BER_L9(3212)
- DCGMI_FI_DEV_MTLINK_BER_L10(3213)
- DCGMI_FI_DEV_MTLINK_BER_L11(3214)
- DCGMI_FI_DEV_MTLINK_BER_L12(3215)
- DCGMI_FI_DEV_MTLINK_BER_L13(3216)
- DCGM_FI_DEV_XID_ERRORS(230)新增如下错误上报
- MUSA processor exception(0x01000005)
- GPU hardware failure(0x01000006)
- mtlink downgrade(0x07000004)
- Bus error(0x02000007)
- GPU out of memory allocation(0x02000008)
- 增加支持GPU功耗限制指标
-
新增GPU诊断功能
- API接口dcgmActionValidate_v2 的级别3和级别4(DCGM_POLICY_VALID_SV_XLONG)支持targeted stress诊断
- 新增API接口dcgmActionValidateFormatInfo,功能是PCIe诊断时以json字符串的格式输出带宽和时延信息
- dcgmi 命令行工具的diagnostic功能的级别4新增targeted stress诊断
- 支持自定义targeted stress(gflops)
- 支持自定义测试时长(秒)
改进
- 优化dcgmi diag -r 2 -j的PCIe诊断信息输出
- XID升级至2.0版本
- 优化dcgmi信息显示格式
- 增加PCIe、memtest和targeted stress参数值校验
- 增加On DIE ECC和EDC开启模式的显示
已修复问题
- 修复由于Ctrl+C中止运行中的memtest诊断导致core dump问题