Nvidia geforce rtx 5090 и RTX 6000 Pro страдают от ошибки сброса виртуализации

Лучший потребительский GPU NVIDIA, GeForce RTX 5090, и Top-Line Proviz Sku, RTX 6000 Pro, были страдают от новой ошибки виртуализации. По словам разработчиков в CloudRift, которые создают облако графического процессора для разработчиков ИИ, они столкнулись с конкретной ошибкой, которая делает RTX 5090 и RTX Pro 6000 полностью не отвечает. Через несколько дней или недель постоянного использования виртуальная машина GPU может полностью заморозить без признаков отзывчивости. Это происходит в случайное время, без четкого указания на то, почему. Команда проверила несколько графических процессоров, включая модели H100, B200 и более старые модели RTX 4090, и все они не показали проблем. Даже не самый высокопроизводительный графический процессор B200 сервера B200 из семейства “Blackwell” испытывает эти проблемы, но это делают потребитель и Proviz Skus.

За кулисами более технический подход объясняет процесс блокировки графического процессора. Когда графический процессор передается на виртуальную машину через KVM и VFIO, хост выполняет сброс функционального уровня PCIe (FLR) как часть обычного процесса очистки, когда виртуальная машина останавливается или устройство перемещается. Вместо того, чтобы вернуться в Интернет после этого сброса, карта становится без реагирования. Ядро время выходит и сообщает об отказе с сообщением «Не готов 65535 мс после FLR; сдавшись». Следовательно, единственной точкой отказа является сам GPU, и CloudRift даже выпустил награду за ошибку в 1000 долларов для любого, кто может решить эту проблему.

Кроме того, это не изолированный инцидент. На форумах Level1Tech мы видим больше пользователей, сообщающих об ошибках. Nvidia, как сообщается, подтвердила ошибку и заявила, что текущее исправление включает в себя применение APT установочной установки Proxmox-Kernel-6.14.8-2-BPO12-PVE/стабильная команда, которая является смягчением, а не полным решением. Поскольку слои виртуальной машины по -прежнему уязвимо для ошибки, мы должны подождать, пока официальный патч будет выпущен с помощью драйвера или обновления ядра Linux, возможно, даже оба для решения проблемы.