摩尔线程数据中心GPU管理工具发布版本信息

MTDCGM v1.1.3

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	MUSA SDK 4.3.6	2.2.0	S4000 3.4.3 S5000 4.3.13

更新日志

新增功能

• 新增Device Monitor功能（dcgmi dmon）

  • 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TOPOLOGY指标
    • DCGM_FI_GPU_TOPOLOGY_PCI(60)
    • DCGM_FI_GPU_TOPOLOGY_MTLINK（61）
  • 增加GPU温度相关指标
    • DCGM_FI_DEV_THERMAL_SLOWDOWN_COUNTER（2201）
    • DCGM_FI_DEV_GPU_TEMP_SENSOR1（2202）
    • DCGM_FI_DEV_GPU_TEMP_SENSOR2（2203）
  • 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）

• 新增TOPOLOGY查询（dcgmi topo 和 api）

  • dcgmGetDeviceTopology接口支持查询指定GPU的topo信息
    • 和当前gpu连接的gpu数量
    • 和每个gpu的连接方式
      • gpu 逻辑索引
      • 连接方式
      • 通过mt-link连接的link id掩码
  • dcgmGetGroupTopology接口支持查询指定group的topo信息:
    • group组的亲和性掩码
    • numa亲和性优化标志
    • gpu组中最差的连接方式
  • dcgmi 命令行工具新增topo功能
    • dcgmi topo --gpuid xxx --host <IP/FQDN> xxx ，显示单个device 的topo信息
    • dcgmi topo -g xx --host <IP/FQDN> xxx，显示group 组的topo信息

• 新增GPU诊断功能

  • 新增诊断级别3，4的targeted powe功能
    • 支持自定义targeted Power(w)
    • 支持自定义测试时长（秒）
  • 新增诊断级别2、3和4的memory 读写功能
    • 支持自定义参数is_allowed（是否允许memory plugin运行）
    • 支持自定义参数minimum_allocation_percentage （允许用户分配的最小显存）
  • 新增诊断级别3，4的Memory Bandwidth功能
    • 支持自定义testcases（默认运行所有testcase）索引如下：
      • 0--HostToDeviceBidirCE
      • 1--DeviceToHostBidirCE
      • 2--DeviceToDeviceReadCE
      • 3--DeviceToDeviceWriteCE
      • 4--DeviceToDeviceBidReadCE
      • 5--DeviceToDeviceBidWriteCE
      • 6--AllToOneWriteCE
      • 7--AllToOneReadCE
      • 8--OneToAllWriteCE
      • 9--OneToAllReadCE
    • 支持是否允许运行（默认false）

改进

• 增加On DIE ECC和EDC开启模式的显示

已修复问题

• 解决在S4000环境上运行memtest触发segfault问题
• 修正mtlink BER显示为NAN问题
• 屏蔽DCGM_FI_PROF_MP_OCCUPANCY(2003)和DCGM_FI_PROF_PIPE_MT_TENSOR_ACTIVE(2004)的查询，规避OS hang和GPU pagefault

已知问题

• 无

不再支持的功能

• 无