Skip to content
NVLink / NVSwitch インターコネクト

NVIDIA Xid 74 (NVLink Fatal Error) 診断と切り分け

GPU 間または GPU と NVSwitch 間の高速インターコネクトリンクで回復不能エラーが発生し、AllReduce や TP 通信が破綻しています。

代表的なログシグネチャ

kernel: NVRM: Xid (PCI:0000:83:00): 74, pid=28412, name=pt_main_thread, NVLink: fatal error detected on link 7

根本原因と二次症状の見分け方

NVLink ブリッジや SXM ベースボードの接触劣化、リンク CRC エラー蓄積、対向 GPU/NVSwitch ポートの異常が引き金になります。

再起動・再試行前に収集すべき証拠コマンド

nvidia-smi nvlink -s
nvidia-smi nvlink -e
nvidia-smi topo -m
dmesg -T | grep -i -E "xid.*(74|149)|nvlink|nvswitch"

安全な切り分けと復旧ステップ

  1. `nvidia-smi nvlink -e` でリンクごとの CRC / Replay / Recovery エラー偏りを確認します。
  2. `nvidia-smi topo -m` と Xid 74 の同時発症時刻を突き合わせ、単体 GPU 側か対向 Switch 側かを絞ります。
  3. データセンター側へ GPU シリアル・エラー出力・`dmesg` を提出します。
登録不要のライブ診断

お手元のログで最初の故障原因を無料チェック

生ログを貼り付けると、ブラウザ内で機密値を自動マスクして起点ノードや二次エラーを切り分けます。

アップロード前に クラウドでのデータ取り扱いと完全ローカル実行の選択肢 をご確認ください。

training_logs.txt
手元にログがない場合はサンプルでお試しください:

ログファイルを選択してください。大きなファイルはブラウザ内で整形され、抽出された証跡のみが診断に送信されます。

1日3回まで無料のクラウド診断

よくある質問

Xid 74 が起きたら P2P を無効化して回避できますか?

一時切り分けには使えても帯域が大きく低下するため、本番 H100/H200 環境ではリンク修復・ノード交換が原則です。

なぜ複数 GPU で同時にエラーが出るのですか?

片側ポートのリンク障害が接続先 GPU や集合通信に伝播するため、全リンクのエラーカウンター比較が有効です。

関連する日本語 GPU 障害ガイド

英語版の完全データベース詳細:English Technical Reference を開く

Denpex を 30 日間お試し。 無料。

クレジットカード不要。自動課金なし。すでに原因をご存じのインシデントで Denpex の精度を検証できます。

30日間の無料 Team 評価を開始

30日間、1日最大50件まで診断可能。法人メールアドレスを認証して利用を開始し、解決済みインシデントを再実行して根拠と次アクションをチームの確定原因と比較できます。

会社のメールアドレスをご入力ください (例: taro@yourcompany.co.jp)。

対象条件について

法人ドメインのメールアドレスで認証が完了すると、30日間の Team 評価版 (1日最大50件診断) が有効化されます。自動判定できないドメインは support@denpex.com で手動確認いたします。エディタ拡張機能でのローカル診断はアカウント不要です。

個人メール (Gmail・Outlook 等) や個人環境をお使いですか? $0 無料アカウントを作成 (個人メール可) すると 7 日間の履歴保存や AI フォールバックが使えます。また、障害ログを送って個別ウォークスルーを依頼することも可能です。