网卡超时、cpu软锁

Question

浪潮服务器nf5280m5，用的阿里云的超融合云平台，系统是centos7，每台服务器加了两个英伟达a30的gpu卡，之前服务器没开启iommu的时候系统正常，因为要用gpu所以把功能开了起来，开了之后系统每隔四五天就会故障，报错网卡超时和cpu软锁，找硬件和云平台的看都说各自没问题，求帮忙支支招

Answer 1

阿里嘎多学长整理AIGC生成，因移动端显示问题导致当前答案未能完全显示，请使用PC端查看更加详细的解答过程

网卡超时、cpu软锁问题分析

根据你的描述，服务器是nf5280m5，使用阿里云超融合云平台，系统是CentOS 7，每台服务器安装了两个英伟达A30 GPU卡。之前服务器没有开启 IOMMU 功能，系统正常运行。但是，开启 IOMMU 功能后，出现了网卡超时和 CPU 软锁问题。

可能的原因：

1. IOMMU 功能开启后，可能会导致网卡驱动程序的冲突或不兼容问题。
2. GPU 卡的安装可能会占用大量的系统资源，导致 CPU 软锁。

解决方案：

1. 检查网卡驱动程序是否有冲突或不兼容问题，可以尝试更新网卡驱动程序或禁用不必要的网卡驱动程序。
2. 检查 GPU 卡的安装是否占用了大量的系统资源，可以尝试调整 GPU 卡的分配或禁用不必要的 GPU 卡。
3. 检查系统的 IOMMU 配置是否正确，可以尝试调整 IOMMU 的配置或禁用 IOMMU 功能。

核心代码：

# 检查网卡驱动程序
sudo lshw -c network

# 更新网卡驱动程序
sudo yum update -y network-driver

# 检查 GPU 卡的安装
sudo nvidia-smi

# 调整 GPU 卡的分配
sudo nvidia-settings -a [gpu:0]/GPU-0/PowerMizerMode=0

# 禁用不必要的 GPU 卡
sudo nvidia-settings -a [gpu:1]/GPU-1/PowerMizerMode=0

请注意，这只是一个可能的解决方案，实际情况可能需要根据具体情况进行调整。