vLLM ワーカー異常終了
vLLM EngineCore プロセス突然死 診断ガイド
フロントの API サーバーは 500/停止ログしか出しませんが、背後では `/dev/shm` 枯渇、ホスト OOM、または Worker GPU の CUDA/Xid 例外で EngineCore が強制終了しています。
代表的なログシグネチャ
RuntimeError: EngineCore in background process died unexpectedly / Worker_TP2 exited with exit code -7 (SIGBUS)根本原因と二次症状の見分け方
Docker や Kubernetes で `/dev/shm` がデフォルト 64MB のまま、あるいは `--ipc=host` 欠落、カーネル OOM-killer (`SIGKILL`)、または CUDA illegal memory access が典型原因です。
再起動・再試行前に収集すべき証拠コマンド
df -h /dev/shm
dmesg -T | grep -i -E "oom-kill|nvrm|xid|sigbus"
docker inspect <CONTAINER> --format '{{.HostConfig.IpcMode}} shm={{.HostConfig.ShmSize}}'安全な切り分けと復旧ステップ
- `df -h /dev/shm` とコンテナの `ShmSize` / `IpcMode` を確認し、マルチ GPU 時は拡張します。
- `dmesg -T` で `oom-kill`、`NVRM Xid`、`SIGBUS` の発生有無を確認します。
- API 側ではなく実際の worker stderr ログから最初の Python / CUDA スタックトレースを取得します。
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
exit code -7 (SIGBUS) が出る最も多い原因は何ですか?
コンテナの共有メモリ `/dev/shm` 不足です。Docker なら `--shm-size=16g` 相当または `--ipc=host`、K8s なら `emptyDir (medium: Memory)` を設定してください。
再起動すると数分後にまた落ちるのはなぜですか?
特定リクエスト長や並列バッチでのホストメモリ増大・CUDA Graph・量子化カーネル不整合が再現している可能性が高いです。
関連する日本語 GPU 障害ガイド
vLLM KV キャッシュ不足 (No available memory for the cache blocks)CUDA out of memory (PyTorch / vLLM VRAM 不足) 診断と対策NVIDIA Xid 79 (GPU has fallen off the bus) 原因切り分け無料 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。