Solucionar problemas de falha de atualização devido a erro do vMotion para VMs com vGPU

Introdução

Este documento descreve como solucionar problemas de falha de atualização devido ao erro vMotion para VMs com vGPU.

Pré-requisitos

Cluster Hyperflex/Esxi com configuração ECC inconsistente para GPUs Nvidia.

Observação: confirmar se o sistema não é afetado por CSCvp47724

Requisitos

Cluster vCenter com GPU Nvidia habilitada para VMs.

Componentes Utilizados

As informações neste documento foram criadas a partir de dispositivos em um ambiente de laboratório específico. Todos os dispositivos utilizados neste documento foram iniciados com uma configuração (padrão) inicial. Se a rede estiver ativa, certifique-se de que você entenda o impacto potencial de qualquer comando.

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

Informações de Apoio

Neste cenário específico, o vMotion estava falhando devido a problemas com configuração ECC inconsistente para GPUs Nvidia, o que estava causando erro ao atualizar o HyperFlex.

Observação: as placas de GPU NVIDIA que usam a arquitetura Pascal, como Tesla V100, P100, P40, bem como as GPUs Tesla M6 e M60, suportam memória ECC para melhorar a integridade dos dados. No entanto, o software NVIDIA vGPU não suporta ECC. Portanto, você deve garantir que a memória ECC esteja desativada em todas as GPUs ao usar NVIDIA vGPU.

Problema

Falha do vMotion identificada devido à configuração ECC inconsistente na GPU Nvidia.

Falha na tarefa: 'Verificar Validações HXDP Pré-Atualização'.

Solução

Desative o modo ECC no nó afetado.

Como o nó afetado foi identificado?

O vMotion manual exibirá o erro do nó "Erro ao migrar VMs para este nó: "Um ou mais dispositivos (pciPassthru0) exigidos pela VM XXXX não estão disponíveis no host XXXX"

Etapas:

• Listar o VIB que foi instalado no hipervisor ESXi

 # esxcli software vib list |grep –i NVIDIA

• Verifique a operação do 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 |
+-------------------------------+----------------------+----------------------+

• Encontrado o modo ECC (Error Correcting Code) habilitado no nó afetado.

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

• Desabilitar ECC (Código de Correção de Erros)

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

• Verifique se o modo ECC está desativado:

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

Informações Relacionadas

Nvidia - Recursos insuficientes. Um ou mais dispositivos

VMware - Uso de GPUs com máquinas virtuais no vSphere