[發明專利]一種檢測分析GPU速率狀態的方法、裝置及計算機可讀介質

有效

• 申請號: 202010890085.0
• 申請日: 2020-08-28
• 公開（公告）號: CN112069006B
• 公開（公告）日: 2022-12-27
• 發明（設計）人: 孔祥源
• 申請（專利權）人: 蘇州浪潮智能科技有限公司
• 主分類號: G06F11/22
• 分類號: G06F11/22
• 代理公司: 北京眾達德權知識產權代理有限公司 11570
• 代理人: 張曉冬

本發明公開了一種檢測分析GPU速率狀態的方法、裝置及計算機可讀介質,屬于檢測分析GPU速率狀態的技術領域。該方法包括：讀取GPU的GPUPCIE設備總線號，并建立GPU序列號與GPU PCIE設備總線號之間的映射關系；基于所述映射關系依次提取當前GPU進行速率切換測試；在GPU進行速率切換測試時，根據當前GPU速率狀態對其進行速率切換測試，并將每次速率切換測試的結果記錄在GPU最終結果文本文件和GPU速率切換文本文件；發生故障時，根據PCIE設備總線號查找并分析對應的GPU最終結果文本文件或GPU速率切換文本文件。

技術領域

本發明涉及檢測分析GPU速率狀態的技術領域，具體為一種檢測分析GPU速率狀態的方法、裝置及計算機可讀介質。

背景技術

人工智能是計算機學科的一個分支，近三十年來它獲得了迅速的發展，在很多學科領域都獲得了廣泛應用，并取得了豐碩的成果，人工智能已逐步成為一個獨立的分支，無論在理論和實踐上都已自成一個系統。而人工智能技術需要通過AI服務器作為載體來實現。 AI服務器主要指的是采用異構形式的服務器，目前廣泛使用的是CPU＋GPU的異構形式。隨著技術的發展，AI計算等對服務器的性能以及穩定性提出了更高的要求。如何設計穩定性及可靠性更高的服務器成為了一項技術挑戰。在AI服務器的研發與設計過程中，一般會使用多項測試來保證服務器的穩定性。其中對GPU進行速率切換測試成為一種有效的測試GPU穩定性的一種測試手段，該測試對GPU分別進行Gen1，Gen2，Gen3三種速率模式下的切換測試，檢測GPU是否能在長期的測試過程中的穩定性。然而在對GPU進行速率切換測試時，容易出現一些小概率性速率切換測試失敗的情況，此時需要研發人員實時的了解分析GPU運行狀態，對問題進行分析定位。

在現有分析方法中，在運行速率切換測試過程中，一般使用研發人員手動的獲取當前系統的中某個GPU的PCIE設備總線號（BUS NUMBER），然后通過lspci指令獲取某個GPU的某個特定時刻速率狀態。

一個系統中，可能包含若干個GPU，且每個整機系統中的GPU PCIE設備總線號可能存在差異。在這種情況下，研發測試人員需要對系統中的所有GPU的PCIE設備總線號逐個確定，然后進行逐個GPU速率狀態確定，測試效率比較低。

現有技術中，當GPU進行速率切換測試過程中，研發人員手動通過lspci指令，只能掌握在GPU在某一個時刻速率狀態信息，并不能實時的對整個測試過程中的GPU速率狀態信息進行抓取，也無法分析GPU速率切換的時間間隔，所以也無法在GPU速率切換出現異常失敗時，實時的獲取GPU速率切換測試的異常點。由于GPU速率切換測試是小概率的事件，這極大的增加了分析定位問題的困難。

發明內容

本發明的目的在于提供一種檢測分析GPU速率狀態的方法、裝置及計算機可讀介質，為研發人員進行問題定位提供了關鍵信息，提高了分析定位問題的效率的檢測分析GPU速率狀態的方法，以解決上述背景技術中提出的問題。

為實現上述目的，本發明提供如下技術方案：一種檢測分析GPU速率狀態的方法，包括：

讀取GPU的GPU PCIE設備總線號，并建立GPU序列號與GPU PCIE設備總線號之間的映射關系；

基于所述映射關系依次提取當前GPU進行速率切換測試；

在GPU進行速率切換測試時，根據當前GPU速率狀態對其進行速率切換測試，并將每次速率切換測試的結果記錄在GPU最終結果文本文件和GPU速率切換文本文件；

發生故障時，根據PCIE設備總線號查找并分析對應的GPU最終結果文本文件或GPU速率切換文本文件。

進一步的，在GPU進行速率切換測試時，根據當前GPU速率狀態對其進行速率切換測試，并將每次速率切換測試的結果記錄在GPU最終結果文本文件和GPU速率切換文本文件的步驟，包括：