阿里云国际站GPU:怎么通过控制台自助排查功能诊断GPU？

目录

操作步骤

具体配置

诊断信息

---

TG：@yunlaoda360

GPU实例在运行过程中可能会存在潜在的故障隐患或者安全风险，例如显卡故障、驱动程序错误等问题，ECS管理控制台支持配置GPU设备健康检查功能，方便您自行诊断当前实例的GPU卡或驱动是否存在异常，及时发现并解决潜在问题。

操作步骤

操作前，请确认GPU实例处于运行中状态。

1. 登录ECS管理控制台。

2. 在左侧导航栏，单击自助问题排查。

3. 在页面左侧顶部，选择目标GPU实例所在地域。

4. 在实例问题排查页签下，选择问题排查类型、检查项、实例ID和排查周期，然后单击开始排查。

单击开始排查后，系统会自动创建一个诊断任务。同一时间段一个实例只允许执行一个诊断任务，且该任务完成后，需至少间隔5分钟，才能再次对该实例发起诊断任务。

具体配置

序号	配置项	说明
①	问题排查类型	选择实例设备检测类型，用于检查实例的GPU卡或其他设备是否正常运行。
②	检查项	选中GPU设备健康检查，用于检查实例的GPU卡状态或驱动状态等。
③	实例ID	选择待检查的GPU实例ID。
	排查周期	默认为您排查最近12小时内的问题，您也可以根据实际需要自行设置时间周期。

诊断完成后，查看诊断报告。

诊断信息

1. 配置项	说明
   诊断结果	如果各项检查均正常，则显示为实例未发现异常。 如果存在异常诊断项，则显示为实例存在多项异常，并显示异常详情和相应的修复方案，您可以参考修复方案解决问题。
   诊断项详情	本文仅包含GPU设备和驱动的状态检查，级别分为严重、警告和通过。
   诊断基础信息	包括资源ID、报告ID和诊断时间。

2. （可选）在实例问题排查页签下，单击查看历史，查看当前实例的诊断历史详情。