Se o seu sistema DGX A100 ficar sem resposta durante o processo de atualização de firmware, siga estas etapas para solucionar problemas e potencialmente resolver o problema:
1. Ciclo de potência O sistema: se o sistema não responder e não puder ser acessado via interface SSH ou BMC, tente o ciclismo de energia. Isso envolve o desligamento do sistema através do BMC (controlador de gerenciamento de rodapé), se possível, ou desconectando fisicamente todas as fontes de alimentação e depois conectá -las.
2. Verifique os logs do BMC: use a interface BMC para verificar se há mensagens de erro ou logs que possam indicar o que deu errado durante a atualização. Isso pode fornecer pistas sobre qual componente falhou ou se houve algum erro específico encontrado durante o processo de atualização.
3. Verifique a conectividade da rede: verifique se o sistema possui conectividade estável de rede. Às vezes, os problemas de rede podem causar atualizações a falhar ou pendurar. Verifique se o sistema pode acessar os repositórios necessários ou atualizar servidores se a atualização estiver sendo executada na rede [2].
4. Reencame novamente a atualização do firmware: se o sistema se tornar responsivo após um ciclo de energia, tente re-executar o processo de atualização do firmware. Verifique se você está usando a versão mais recente do firmware disponível no Portal de Suporte da NVIDIA [3]. Se estiver usando a inicialização do PXE para atualizações, verifique se a configuração do PXE está correta e se a imagem de atualização do firmware é encenada corretamente no código de cabeça [3].
5. Entre em contato com o suporte da NVIDIA: Se o problema persistir depois de tentar as etapas acima, pode ser necessário entrar em contato com o suporte da NVIDIA para mais assistência. Eles podem fornecer orientações específicas com base nas mensagens de erro que você encontrou e podem ter etapas ou patches adicionais de solução de problemas disponíveis [3] [7].
6. Verifique se há problemas conhecidos: consulte a documentação da NVIDIA sobre questões conhecidas relacionadas a atualizações de firmware para o DGX A100. Algumas atualizações podem ter soluções ou requisitos alternativos específicos que precisam ser seguidos para evitar armadilhas comuns [5].
7. Inspecione os logs de eventos do sistema: use ferramentas como `ipMitool` para limpar o log de eventos do sistema (SEL) e inspecione -o para obter qualquer mensagem de erro relevante. Isso pode ajudar a identificar problemas de hardware ou firmware que podem estar contribuindo para o problema [4].
8. Intervenção manual: Em alguns casos, a intervenção manual pode ser necessária para atualizar componentes específicos. Isso pode envolver o uso de sinalizadores ou comandos específicos para direcionar componentes individuais para atualização, conforme descrito na documentação de atualização de firmware [1].
Seguindo estas etapas, você poderá diagnosticar e potencialmente resolver problemas relacionados a atualizações de firmware no sistema DGX A100.
Citações:
[1] https://github.com/nvidia/deepops/blob/master/docs/deepops/dgx-diagnostic-firmware.md
[2] https://docs.nvidia.com/dgx/dgxa100-user-guide/updating-restoring-sw.html
[3] https://kb.brightcomputing.com/knowledge-base/how-tograde-dgx-a100-firmware-from-theadnode/
[4] https://forums.developer.nvidia.com/t/dgx-a100-hangs-with-jffs2-errors/296729
[5] https://docs.nvidia.com/dgx/dgxA100-fw-container-release-notes/dgxa100-fw-known-issues.html
[6] https://github.com/nvidia/nvidia-container-runtime/issues/85
[7] https://forums.developer.nvidia.com/t/dgx-workstation-a100-firmware-update-brailed/317627
[8] https://cve.mitre.org/cgi-bin/cvekey.cgi