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
- `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。
- `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。
- 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
NVIDIA Xid 79 (GPU has fallen off the bus) 原因切り分けNVIDIA Xid 48 (訂正不能 Double Bit ECC エラー) 診断NCCL Watchdog タイムアウト原因特定ガイド無料 LLM VRAM 計算機で試算
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。