Linux下nvidia压力测试,一种服务器linux系统下GPU压力测试的监控方法与流程

本发明属于服务器测试技术领域，具体涉及一种服务器linux系统下GPU压力测试的监控方法。

背景技术：

随着社会的快速发展，人们对高网络性能、快速存储、大量内存、超高计算能力的GPU的需求越来越大，产品对gpu的需求也越来越大。作为服务器的重要组成部件，它的稳定定直接关乎着机器能否稳定工作。

在服务器的常规测试项目中，GPU的压力测试常作为重要程度最高、优先级最高的测试内容。常用的GPU压力测试程序很多，例如nbody、gpu-burn-master、nvqul_stress等等。

传统GPU压测方法只需关注压力是否正常运行、测试结束后程序原生log是否有异常、系统log是否有异常即可，对于测试期间出现的频率波动、温度及功耗异常、压力duty值等监控不到。此为现有技术的不足之处。

因此，针对现有技术中的上述缺陷，提供设计一种服务器linux系统下GPU压力测试的监控方法；以解决现有技术中的上述缺陷，是非常有必要的。

技术实现要素：

本发明的目的在于，针对上述现有技术存在的缺陷，提供设计一种服务器linux系统下GPU压力测试的监控方法，以解决上述技术问题。

为实现上述目的，本发明给出以下技术方案：

一种服务器linux系统下GPU压力测试的监控方法，其特征在于，包括以下步骤：

S1：测试前将日志信息清空或检查无误的情况下，启动压测程序；

S2：启动监控程序，关注下是否有报错信息弹出。

S3：测试结束后，需要检查监控信息结果，有问题(有监控信息报警)需要反查，定位下是否为服务器本身的问题。

作为优选，所述步骤S1具体包括以下步骤：

S11：设置时间、驱动版本参数，具体指令如下：

time＝`date+"％Y-％m-％d％H:％M:％S"`

driver＝`nvidia-smi|grep-i version`

DAC＝`nvidia-smi-q|grep-A1"Default App"|grep-i mhz|sort|uniq-c|awk'{print$4}'`

nu＝`lspci|grep-i nvi|wc-l`

stress_nu＝`nvidia-smi|grep"100％"|wc-l`。

作为优选，所述步骤S2具体包括以下步骤：

S21：测试log的检查环节，如存在此文件则会测试前删除，创建收集日志的文件夹；具体指令如下：

S22：驱动的检查环节，如未安装成功有报错提示；具体指令如下：

S23：每隔2秒一次循环检查，确认GPU全部加压成功

S24：收集每秒频率日志，包括GPU温度、GPU温度、内存和GPU的使用率、内存和GPU的频率；具体指令如下：

echo"TIMES:$time">>mhz_results/nvidia_dmon.log

echo"$driver">>mhz_results/nvidia_dmon.log

nvidia-smi dmon|tee-a mhz_results/nvidia_dmon.log

S25：加压过程中收集低于基准频率的“bus id”以及降频日志直到压力测试完成；具体指令如下：

作为优选，所述步骤S3包括以下步骤：

S31：关闭收集频率日志的进程，具体指令如下：

killall nvidia-smi

S32：检查日志并输出大的pass或fail图案，具体指令如下：

本发明的有益效果在于，配合压测程序使用，实现了GPU压测过程中对关键信息的监控，对于故障分析和服务器质量评估提供了参考，可使用在服务器的常规测试中。此外，本发明设计原理可靠，结构简单，具有非常广泛的应用前景。

由此可见，本发明与现有技术相比，具有突出的实质性特点和显著地进步，其实施的有益效果也是显而易见的。

具体实施方式

下面通过具体实施例对本发明进行详细阐述，以下实施例是对本发明的解释，而本发明并不局限于以下实施方式。

本实施例提供的一种服务器linux系统下GPU压力测试的监控方法，其特征在于，包括以下步骤：

S1：测试前将日志信息清空或检查无误的情况下，启动压测程序；

S2：启动监控程序，关注下是否有报错信息弹出。

S3：测试结束后，需要检查监控信息结果，有问题(有监控信息报警)需要反查，定位下是否为服务器本身的问题。

本实施例中，所述步骤S1具体包括以下步骤：

S11：设置时间、驱动版本参数，具体指令如下：

time＝`date+"％Y-％m-％d％H:％M:％S"`

driver＝`nvidia-smi|grep-i version`

DAC＝`nvidia-smi-q|grep-A1"Default App"|grep-i mhz|sort|uniq-c|awk'{print$4}'`

nu＝`lspci|grep-i nvi|wc-l`

stress_nu＝`nvidia-smi|grep"100％"|wc-l`。

本实施例中，所述步骤S2具体包括以下步骤：

S21：测试log的检查环节，如存在此文件则会测试前删除，创建收集日志的文件夹；具体指令如下：

S22：驱动的检查环节，如未安装成功有报错提示；具体指令如下：

S23：每隔2秒一次循环检查，确认GPU全部加压成功

S24：收集每秒频率日志，包括GPU温度、GPU温度、内存和GPU的使用率、内存和GPU的频率；具体指令如下：

echo"TIMES:$time">>mhz_results/nvidia_dmon.log

echo"$driver">>mhz_results/nvidia_dmon.log

nvidia-smi dmon|tee-a mhz_results/nvidia_dmon.log

S25：加压过程中收集低于基准频率的“bus id”以及降频日志直到压力测试完成；具体指令如下：

本实施例中，所述步骤S3包括以下步骤：

S31：关闭收集频率日志的进程，具体指令如下：

killall nvidia-smi

S32：检查日志并输出大的pass或fail图案，具体指令如下：

以上公开的仅为本发明的优选实施方式，但本发明并非局限于此，任何本领域的技术人员能思之的没有创造性的变化，以及在不脱离本发明原理前提下所作的若干改进和润饰，都应落在本发明的保护范围内。