97 lines
4.4 KiB
Markdown
97 lines
4.4 KiB
Markdown
|
---
|
|||
|
|
tags: []
|
|||
|
|
date created: 星期三, 十一月 19日 2025, 5:34:23 下午
|
|||
|
|
date modified: 星期三, 十一月 19日 2025, 6:29:11 晚上
|
|||
|
|
---
|
|||
|
|
|
|||
|
|
# 1.3.3 管理与监控接口 (Management Interfaces)
|
|||
|
|
|
|||
|
|
**1. 基础状态概览 (Basic Status Overview)**
|
|||
|
|
|
|||
|
|
- **关键性**：**P0**
|
|||
|
|
- **信息解析**：
|
|||
|
|
- **型号识别**：**Iluvatar MR-V100**。这是智铠的高端训练/推理卡。
|
|||
|
|
- **显存容量**：**32 GB** (32768 MiB)。对于雷达信号处理（如动目标检测 MTI、脉冲压缩），这是一个非常充裕的显存池，允许处理超大的相干处理间隔（CPI）数据块。
|
|||
|
|
- **热状态**：当前温度 **60°C**，风扇状态不可读 (N/A)。鉴于功耗仅 **41W** (空载)，温度略高，可能是被动散热或机房环境温度较高。
|
|||
|
|
- **探测命令与结果**：
|
|||
|
|
|
|||
|
|
```bash
|
|||
|
|
/usr/local/corex/bin/ixsmi
|
|||
|
|
| 0 Iluvatar MR-V100 | 00000001:01:00.0 |
|
|||
|
|
| N/A 60C P0 41W / 150W | 64MiB / 32768MiB |
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
**2. ECC 错误监控能力 (ECC Monitoring Capability)**
|
|||
|
|
|
|||
|
|
- **关键性**：**P1**
|
|||
|
|
- **信息解析**：
|
|||
|
|
- **查询失败**：`Field "ecc.errors…" is not a valid field`。
|
|||
|
|
- **深度解读**：这意味着我们无法通过标准 SMI 命令监控显存的单比特翻转（Single Bit Error）。对于雷达这类对数据准确性敏感的系统，这是一个**盲区**。
|
|||
|
|
- **行动项**：在应用层代码中增加自校验逻辑（如周期性内存完整性测试），或联系厂商询问私有 ECC 查询接口。
|
|||
|
|
- **探测命令与结果**：
|
|||
|
|
|
|||
|
|
```bash
|
|||
|
|
ixsmi --query-gpu=ecc…
|
|||
|
|
Field … is not a valid field to query.
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
**3. 频率与功耗详情 (Clock & Power)**
|
|||
|
|
|
|||
|
|
- **关键性**：**P1**
|
|||
|
|
- **信息解析**：
|
|||
|
|
- **核心频率**：当前 **1500 MHz**，最大 **1600 MHz**。GPU 几乎运行在全速状态（P0 态），性能释放良好。
|
|||
|
|
- **功耗墙**：默认上限 **150W**。相比 NVIDIA V100 (250W) 或 A100 (400W)，这张卡功耗较低，适合边缘侧雷达站部署。
|
|||
|
|
- **温度阈值**：**95°C** 开始降频 (Slowdown)，**105°C** 强制关机 (Shutdown)。当前 60°C 距离热墙尚远。
|
|||
|
|
- **探测命令与结果**：
|
|||
|
|
|
|||
|
|
```bash
|
|||
|
|
ixsmi -q -d CLOCK,POWER,TEMPERATURE
|
|||
|
|
GPU Power Draw : 41 W
|
|||
|
|
GPU Max Operating Temp : 95 C
|
|||
|
|
SM : 1500 MHz
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
**4. NUMA 拓扑亲和性 (NUMA Affinity)**
|
|||
|
|
|
|||
|
|
- **关键性**：**P0**
|
|||
|
|
- **信息解析**：
|
|||
|
|
- **绑定关系**：GPU 0 绑定到 **NUMA Node 1**。
|
|||
|
|
- **核心范围**：**CPU 16-31**。
|
|||
|
|
- **工程约束**：在编写多线程雷达处理程序时，**严禁**将主处理线程调度到 CPU 0-15。若发生跨 Node 内存拷贝，带宽将受到 QPI/UPI 总线的严重制约（增加 20%-40% 的延迟）。必须使用 `numactl --cpunodebind=1` 或 `pthread_setaffinity_np` 强制绑定。
|
|||
|
|
- **探测命令与结果**：
|
|||
|
|
|
|||
|
|
```bash
|
|||
|
|
ixsmi topo -m
|
|||
|
|
GPU0 X 16-31 1
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
**5. 进程监控 (Process Monitoring)**
|
|||
|
|
|
|||
|
|
- **关键性**：**P2**
|
|||
|
|
- **信息解析**：
|
|||
|
|
- **状态**：当前无运行进程 (`No running processes found`)。
|
|||
|
|
- **结论**：环境“干净”，无后台训练任务或僵尸进程占用显存，适合进行基准测试（Benchmark）或新业务部署。
|
|||
|
|
- **探测命令与结果**：
|
|||
|
|
|
|||
|
|
```bash
|
|||
|
|
ixsmi pmon
|
|||
|
|
(No entries)
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
**6. 关键风险应对 (Critical Risk Response)**
|
|||
|
|
|
|||
|
|
**6.1 运维盲区：ECC 监控缺失**
|
|||
|
|
|
|||
|
|
- **风险定性**：**P1 (可靠性风险)**。`ixsmi` 工具当前不支持查询 ECC 错误字段，导致系统无法感知显存物理位翻转（Bit Flip），在雷达长时运行中存在数据静默错误的隐患。
|
|||
|
|
- **应对策略**：已向厂商咨询底层查询接口。在获得官方工具前，建议在应用层增加关键数据块（如原始回波数据）的 CRC32 完整性校验。
|
|||
|
|
|
|||
|
|
**6.2 架构陷阱：NUMA 拓扑失配**
|
|||
|
|
|
|||
|
|
- **风险定性**：**P0 (性能风险)**。`ixsmi topo` 确认 GPU 绑定在 **NUMA Node 1 (CPU 16-31)**。若程序默认在 Node 0 启动，跨 CPU 访问显存将导致 QPI/UPI 总线瓶颈，延迟增加且不可控。
|
|||
|
|
- **执行修正**：必须使用 `numactl` 强制绑定 CPU 亲和性。针对您的构建环境，启动命令应规范为：
|
|||
|
|
|
|||
|
|
```bash
|
|||
|
|
# 强制将进程绑定到 NUMA Node 1 (Core 16-31)
|
|||
|
|
numactl --cpunodebind=1 --membind=1 /home/Radar/workspace/signal-processing-demo/build/bin/main_app
|
|||
|
|
```
|