GPU实例故障自诊断 GPU实例故障，如果已安装GPU监控的CES Agent，当GPU 服务器 出现异常时则会产生事件通知，可以及时发现问题避免造成用户损失。如果没有安装CES Agent，只能依赖用户对故障的监控情况，发现故障后及时联系技术支持处理。 GPU实例故障处理流程 GPU实例故障分类列表

查看更多 →

/nvidia-smi 若能正常返回GPU信息，说明设备可用，插件安装成功。 GPU驱动支持列表 当前GPU驱动支持列表仅针对1.2.28及以上版本的GPU插件。 如果您需要安装最新版本的GPU驱动，请将您的GPU插件升级到最新版本。 表1 GPU驱动支持列表 GPU型号 支持集群类型 机型规格

查看更多 →

安装nvidia-fabricmanager服务 A100/A800 GPU支持 NvLink & NvSwitch，若您使用多GPU卡的机型，需额外安装与驱动版本对应的nvidia-fabricmanager服务使GPU卡间能够互联，否则可能无法正常使用GPU实例。 本文以驱动版本470.103

查看更多 →

GPU插件检查异常处理 检查项内容 检查到本次升级涉及GPU插件，可能影响新建GPU节点时GPU驱动的安装。 解决方案 由于当前GPU插件的驱动配置由您自行配置，需要您验证两者的兼容性。建议您在测试环境验证安装升级目标版本的GPU插件，并配置当前GPU驱动后，测试创建节点是否正常使用。

查看更多 →

GPU虚拟化概述 CCE GPU虚拟化采用自研xGPU虚拟化技术，能够动态对GPU设备显存与算力进行划分，单个GPU卡最多虚拟化成20个GPU虚拟设备。相对于静态分配来说，虚拟化的方案更加灵活，最大程度保证业务稳定的前提下，可以完全由用户自己定义使用的GPU量，提高GPU利用率。

查看更多 →

如何选择在云上的哪个区域创建VPN网关？ 在云上创建VPN网关，您可用选择任一区域的VPC进行创建。 推荐您选择与IDC同城的区域创建VPN网关，这样可以更大程度降低因公网质量对VPN的影响。 同区域的多个VPC，只需创建一个VPN网关，其它VPC可以通过对等连接（免费）打通。

查看更多 →

如何选择在云上的哪个区域创建VPN网关？ 在云上创建VPN网关，您可用选择任一区域的VPC进行创建。 推荐您选择与IDC同城的区域创建VPN网关，这样可以更大程度降低因公网质量对VPN的影响。 同区域的多个VPC，可以通过VPN+DC的方式进行打通。 跨区域的多个VPC，可以通过VPN+CC的方式进行打通。

查看更多 →

提供统一的设备/应用监控、日志采集等运维能力，为企业提供完整的边缘计算解决方案。 应用运维管理（Application Operations Management，简称AOM ）是云上应用的一站式立体化运维管理平台，可以实时监控IoT边缘服务中的边缘节点的各项指标、日志及事件等数

查看更多 →

如何避免非GPU/NPU负载调度到GPU/NPU节点？ 问题现象 当集群中存在GPU/NPU节点和普通节点混合使用的场景时，普通工作负载也可以调度到GPU/NPU节点上，可能出现GPU/NPU资源未充分利用的情况。 问题原因 由于GPU/NPU节点同样提供CPU、内存资源，在一般

查看更多 →

环境变量。 数据存储（可选）：在容器内挂载本地存储或云存储，不同类型的存储使用场景及挂载方式不同，详情请参见存储。 负载实例数大于1时，不支持挂载云硬盘类型的存储。 容器日志（可选）：容器标准输出日志将默认上报至 AOM 服务，无需独立配置。您可以手动配置日志采集路径，详情请参见

查看更多 →

RocketMQ实例兼容开源RocketMQ哪个版本？ RocketMQ实例兼容开源RocketMQ 4.8.0和5.x，客户端推荐使用4.9.5及更新的版本。 父主题： 实例问题

查看更多 →

nvidia-smi: command not found 可能原因 云服务器 驱动异常、没有安装驱动或者驱动被卸载。 处理方法 如果未安装GPU驱动，请重新安装GPU驱动。 操作指导请参考：安装GPU驱动 如果已安装驱动，但是驱动被卸载。 执行history，查看是否执行过卸载操作。

查看更多 →

Turbo（在弹性文件服务控制台创建SFS Turbo）。 “云上挂载路径”：默认为/home/ma-user/work/。 “子目录挂载”：选择SFS Turbo的存储位置。 “挂载方式”：当用户配置了文件夹控制权限，则显示此参数。根据SFS Turbo存储位置的权限显示“读写”或“只读”。

查看更多 →

选择GPU节点驱动版本 使用GPU加速型云服务器时，需要安装正确的Nvidia基础设施软件，才可以使用GPU实现计算加速功能。在使用GPU前，您需要根据GPU型号，选择兼容配套软件包并安装。 本文将介绍如何选择GPU节点的驱动版本及配套的CUDA Toolkit。 如何选择GPU节点驱动版本

查看更多 →

华为云并行文件系统迁移教程 并行文件系统（Parallel File System）是对象存储提供的一种经过优化的高性能文件语义系统，提供毫秒级别访问时延，TB/s级别带宽和百万级别的IOPS。 作为对象存储的子产品，并行文件系统的迁移方法与 对象存储迁移 方法一致。 迁移任务 创建迁移任务可参见创建迁移任务。

查看更多 →

bash mirrors_source.sh 更多内容，请参见如何使用自动化工具配置华为云镜像源(x86_64和ARM)？ 执行以下命令，安装lspci工具。 CentOS系统： yum install pciutils Ubuntu系统： apt install pciutils

查看更多 →

'true' : 表示挂载OBS需要创建obssidecar容器。 挂载obs并行文件系统时，obssidecar容器需预留一定内存以保障业务可靠性，防止容器因资源不足异常退出。当业务容器挂载单个obs并行文件系统时，CPU和内存规格建议配置如下： "obssidecar-injector-webhook/cpu":

查看更多 →

GPU A系列裸金属服务器没有任务，GPU被占用问题 问题现象 服务器没有任务，但GPU显示被占用。 图1 显卡运行状态 处理方法 nvidia-smi -pm 1 父主题： FAQ

查看更多 →

管理模式限制：IES通过中心云控制台进行所有的管理操作，不提供本地管理界面或工具，也不支持离线环境下的管理操作。 硬件相关限制： IES不支持用户设备入柜。 当前IES使用x86类型服务器，暂不支持ARM，FPGA类型设备。 运维监控限制：IES的运维和监控操作由华为云运维团队统一执行，用

查看更多 →

由于底层硬件、系统运维等影响，实例在计划时间维修，任务已完成 等待运行状态恢复正常，确认业务是否恢复 业务恢复正常 系统运维失败 system_maintenance_failed 重要 由于底层硬件、系统运维等影响，实例在计划时间维修，任务失败 联系运维人员处理 业务中断 GPU存在通用Xid事件告警

查看更多 →

模型某一层的参数得到梯度后会马上进行通讯并进行梯度平均。 各GPU更新模型参数。 具体流程图如下： 图1 多机多卡数据并行训练 DistributedDataParallel进行多机多卡训练的优缺点 通信更快：相比于DP，通信速度更快 负载相对均衡：相比于DP，GPU负载相对更均衡 运行速度快：因为通信

查看更多 →