Risoluzione dei problemi di aggiornamento causati da un errore vMotion per le VM con vGPU

Introduzione

In questo documento viene descritto come risolvere gli errori di aggiornamento causati da un errore vMotion per le VM con vGPU.

Prerequisiti

Cluster Hyperflex/Esxi con configurazione ECC incoerente per GPU Nvidia.

Nota: l'opzione CSCvp47724 non influisce sul sistema di conferma

Requisiti

Cluster vCenter con GPU Nvidia abilitata per le VM.

Componenti usati

Le informazioni discusse in questo documento fanno riferimento a dispositivi usati in uno specifico ambiente di emulazione. Su tutti i dispositivi menzionati nel documento la configurazione è stata ripristinata ai valori predefiniti. Se la rete è operativa, valutare attentamente eventuali conseguenze derivanti dall'uso dei comandi.

• Intersight (SaaS in questo caso)
• HyperFlex 5.0(2a)
• GPU Nvidia (Tesla T4)

Premesse

In questo scenario specifico, vMotion ha avuto esito negativo a causa di problemi con la configurazione ECC incoerente per le GPU Nvidia, che hanno causato errori durante l'aggiornamento di HyperFlex.

Nota: le schede GPU NVIDIA che utilizzano l'architettura Pascal, come Tesla V100, P100, P40, nonché le GPU Tesla M6 e M60, supportano la memoria ECC per una maggiore integrità dei dati. Tuttavia, il software NVIDIA vGPU non supporta ECC. Quando si utilizza NVIDIA vGPU, è necessario verificare che la memoria ECC sia disabilitata su tutte le GPU.

Problema

Errore vMotion identificato a causa di una configurazione ECC incoerente sulla GPU Nvidia.

Attività non riuscita: 'Verifica convalide HXDP pre-aggiornamento'.

Soluzione

Disabilitare la modalità ECC nel nodo interessato.

Come è stato identificato il nodo interessato?

Manual vMotion visualizzerà l'errore per il nodo "Errore durante la migrazione delle macchine virtuali in questo nodo: "Uno o più dispositivi (pciPassthru0) richiesti dalla macchina virtuale XXXX non sono disponibili nell'host XXXX"

Passaggi:

• Elencare il VIB installato nell'hypervisor ESXi

 # esxcli software vib list |grep –i NVIDIA

• Controllare il funzionamento del driver NVIDIA

[root@hxesxi:~] nvidia-smi
Sat Jul 22 01:31:42 2023
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 470.182.02   Driver Version: 470.182.02   CUDA Version: N/A      |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|                               |                      |               MIG M. |
|===============================+======================+======================|
|   0  Tesla T4            On   | 00000000:AF:00.0 Off |                    0 |
| N/A   35C    P8    16W /  70W |   1971MiB / 15359MiB |      0%      Default |
|                               |                      |                  N/A |
+-------------------------------+----------------------+----------------------+

• È stata rilevata la modalità ECC (Error Correcting Code) abilitata sul nodo interessato.

# nvidia-smi –q
ECC Mode
Current                     : Enabled
Pending                     : Enabled

• Disabilita ECC (Error Correcting Code)

# nvidia-smi –e 0
Disabled ECC support for GPU 0000….
All done.

• Verificare che la modalità ECC sia disattivata:

# nvidia-smi –q
ECC Mode
Current                     : Disabled
Pending                     : Disabled

Informazioni correlate

Nvidia - Risorse insufficienti. Uno o più dispositivi

VMware - Utilizzo di GPU con macchine virtuali su vSphere