Neste documento, descrevemos problemas conhecidos que podem ocorrer ao executar instâncias ou clusters do Compute Engine otimizados para IA. Para outros recursos de solução de problemas, consulte os seguintes guias:
- Para problemas com instâncias de computação, consulte Problemas conhecidos do Compute Engine.
- Para erros de
ZONE_RESOURCE_POOL_EXHAUSTEDou de capacidade ao criar instâncias de computação ou clusters, consulte Resolver erros de disponibilidade de recursos. - Para erros ao tentar consumir reservas, consulte Resolver problemas de consumo de reserva.
Problemas
A seção a seguir lista problemas conhecidos e soluções alternativas para o Hipercomputador de IA.
Interrupções de carga de trabalho em VMs A4 devido a problemas de firmware para GPUs NVIDIA B200
A NVIDIA identificou dois problemas de firmware para GPUs B200, que são usadas por instâncias de máquina virtual (VM) A4. Esses problemas podem causar interrupções na carga de trabalho, como
o comando nvidia-smi não responder. Se você notar interrupções de carga de trabalho
em VMs A4, confirme se uma ou mais das seguintes condições são verdadeiras:
- O tempo de atividade da VM (
lastStartTimestamp) excede 65 dias. - Os registros mostram uma
mensagem de erro
Xid 149que menciona0x02a.
Se uma dessas condições for verdadeira, será necessário redefinir as GPUs anexadas às VMs A4. Para evitar interrupções futuras na carga de trabalho devido a problemas de firmware, recomendamos que você redefina as GPUs pelo menos uma vez a cada 60 dias. Para mais informações, consulte Redefinir GPUs.
O servidor de metadados pode exibir metadados physicalHost antigos
Depois de um
erro de host ou
de usar a
API de relatório de host com falha para
mover uma instância de computação para um novo host, ao
consultar o servidor de metadados,
ele pode exibir os metadados physicalHost do host anterior
da instância de computação.
Para contornar esse problema, siga uma destas etapas:
- Use o método
instances.getou o comandogcloud compute instances describepara recuperar as informações corretas dephysicalHost. - Interrompa e inicie a
instância. Esse processo atualiza as informações de
physicalHostno servidor de metadados. - Aguarde 24 horas para que as informações de
physicalHostda instância afetada sejam atualizadas.