Dépannage d'un échec de mise à niveau dû à une erreur vMotion pour les VM avec vGPU

Introduction

Ce document décrit comment dépanner l'échec de la mise à niveau en raison d'une erreur vMotion pour les VM avec vGPU.

Conditions préalables

Cluster Hyperflex/Exxi avec configuration ECC incohérente pour les processeurs graphiques Nvidia.

Remarque : Confirmer que le système n'est pas affecté par CSCvp47724

Exigences

Cluster vCenter avec processeur graphique Nvidia activé pour les machines virtuelles.

Composants utilisés

The information in this document was created from the devices in a specific lab environment. All of the devices used in this document started with a cleared (default) configuration. Si votre réseau est en ligne, assurez-vous de bien comprendre l’incidence possible des commandes.

• Intersight (SaaS dans ce cas)
• HyperFlex 5.0(2a)
• Processeur graphique Nvidia (Tesla T4)

Informations générales

Dans ce scénario spécifique, vMotion échouait en raison de problèmes de configuration ECC incohérente pour les processeurs graphiques Nvidia, ce qui provoquait une erreur lors de la mise à niveau d'HyperFlex.

Remarque : Les cartes GPU NVIDIA qui utilisent l'architecture Pascal, telles que les cartes GPU Tesla V100, P100, P40, ainsi que les cartes GPU Tesla M6 et M60, prennent en charge la mémoire ECC pour une intégrité des données améliorée. Cependant, le logiciel vGPU NVIDIA ne prend pas en charge ECC. Vous devez donc vous assurer que la mémoire ECC est désactivée sur tous les GPU lors de l'utilisation du vGPU NVIDIA.

Problème

Échec de vMotion identifié en raison d'une configuration ECC incohérente sur le processeur graphique Nvidia.

Tâche ayant échoué : 'Vérifier les validations HXDP avant mise à niveau'.

Solution

Désactivez le mode ECC sur le noeud affecté.

Comment le noeud affecté a-t-il été identifié ?

Manual vMotion affichera error for the node "Error while migrating VMs to this node : "Un ou plusieurs périphériques (pciPassthru0) requis par la VM XXXX ne sont pas disponibles sur l'hôte XXXX"

Étapes:

• Indiquez le VIB installé dans l'hyperviseur ESXi

 # esxcli software vib list |grep –i NVIDIA

• Vérifier le fonctionnement du pilote 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 |
+-------------------------------+----------------------+----------------------+

• Le mode ECC (Error Correcting Code) a été détecté sur le noeud affecté.

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

• Désactiver le code ECC (Error Correcting Code)

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

• Vérifiez que le mode ECC est désactivé :

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

Informations connexes

Nvidia - Ressources insuffisantes. Un ou plusieurs périphériques

VMware - Utilisation de processeurs graphiques avec des machines virtuelles sur vSphere