1751310166
2025-06-30 18:20:00
今日の Linuxパッチシリーズ、AMDエンジニアSameul Zhangは、Linuxサーバーがシステムごとに多数のAMD本能アクセラレータのために冬眠できないという異常な問題を強調しました。コンテキストのために、 本能加速器 AI、高性能コンピューティング、科学的ワークロード、およびその他の要求の厳しいタスクを処理するデータセンター向けに特別に設計された強力なAMD GPUです。
これらのGPUを非常に強力にしているのは、大量の量が付いていることです vram、一部の人のように、ゲーマーにとっては巨大に聞こえるかもしれませんが、最新のデータセンターチップにとってはかなり標準的です。実際、このAMD AI Linux駆動のサーバーには、合計VRAMを約1.5TBにする合計8枚の本能カードが装備されています。ただし、より多くのVRAMは一般的に良いことですが、このような場合は予想外の問題につながる可能性があります。
しかし、VRAM容量が役割を果たしていますが、冬眠障害の根本的な原因は本能カードの数ではなく、どのように Linux 冬眠プロセス中にGPUメモリを処理します。システムが冬眠を開始すると、すべてのGPUメモリが最初にシステムRAMにオフロードされます。通常、グラフィック翻訳テーブル（GTT）または共有メモリ（SHMEM）を介して。そこから、カーネルはすべてのシステムメモリコンテンツをコピーすることにより、冬眠画像を作成します。これには、退化したVRAMも含むすべてのシステムメモリコンテンツが、ディスクに書き込む前に2番目のメモリ領域になります。
混乱しているように聞こえますか？簡単に言えば、サーバーが1.5TBの合計VRAMを持っている場合、この複製はメモリ使用量を最大3TBに押し上げることができます。流出により、最終的に冬眠プロセスが失敗します。
幸いなことに、Zhangはこの冬眠の問題に対処するために取り組んでおり、2つの主要な変更を提案しています。 1つ目は、冬眠中に必要なシステムメモリの量を減らすことを目的としています。これにより、プロセスが成功することができます。ただし、「解凍」段階（システムが冬眠から再開されるとき）が大量のメモリのために1時間近くかかる可能性があるため、新しい問題が導入されます。これを修正するために、融解段階でこれらのバッファオブジェクトを復元するためにスキップするために3番目のパッチが追加され、履歴書時間が大幅に短縮されました。
現在、ほとんどのハイエンドAIサーバーは継続的に実行されるため、なぜ誰もが冬眠する理由を尋ねるのは公平です。一般的な理由の1つは、ダウンタイム中の消費電力を削減し、電気グリッドを安定させることです。大規模なデータセンター以来 大量の電力を消費する、 これは、スペインで最近見たような停電のリスクを低下させるのに役立ちます。
#AMDの本能アクセラレーターの巨大なvRAMプールLinuxの冬眠プロセスをownれます #サーバーごとのメモリ1.5 #TBは頭痛を引き起こします