跳到主要内容

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
IntelX86_64Ubuntu 22.04.4Mthreads Server GPUKUAE 2.02.0.0S4000 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)
  • 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
  • 修复MTDCGM中PCIe诊断中的p2p测试生成的log日志中musaDeviceDisablePeerAccess返回的error错误
  • 修复PCIe带宽和时延诊断时显示的信息被截断问题
  • 修正MTLink BER精确度显示问题

已知问题​

  • 无

不再支持的功能​

  • 无