NVLink / NVSwitch 高速互連
NVIDIA Xid 74 (NVLink 互連致命錯誤) 診斷
GPU 間或 GPU 與 NVSwitch 之間的高速 NVLink 鏈路發生不可恢復錯誤,常導致張量並行或跨卡同步直接中止。
典型日誌特徵
kernel: NVRM: Xid (PCI:0000:83:00): 74, pid=28412, name=pt_main_thread, NVLink: fatal error detected on link 7根本原因與連鎖症狀辨析
SXM 底板接觸問題、高速訊號 CRC 錯誤累積、或對端 GPU/NVSwitch 連接埠硬體異常均可能引爆 Xid 74。
重開機前務必先保存的取證指令
nvidia-smi nvlink -s
nvidia-smi nvlink -e
nvidia-smi topo -m
dmesg -T | grep -i -E "xid.*(74|149)|nvlink|nvswitch"安全排查與修復步驟
- 使用 `nvidia-smi nvlink -e` 比對各條通道的 CRC 與 Replay 計數哪一側最先爆增。
- 對照 `nvidia-smi topo -m` 與同期 `dmesg` 記錄,交叉確認兩端節點卡號。
- 匯出完整拓撲與通道計數送交機房或硬體廠商進一步檢修。
training_logs.txt
手邊沒有日誌?點此載入範例:
大型日誌檔會在您的瀏覽器本機端先濃縮擷取,執行診斷時僅送出關鍵證據片段。
每日 3 次免費雲端診斷額度
常見問題
可以靠停用 P2P 來長期迴避 Xid 74 嗎?
停用 P2P 僅適合短暫對照問題,實務上會大幅折損多卡頻寬,仍須修復硬體鏈路。
為何相鄰兩張 GPU 會同時印出 NVLink 錯誤?
單一條實體通道連接兩端裝置,因此任意一端失效都會使雙邊同時回報錯誤。
相關繁體中文 GPU 排錯指南
NVIDIA Xid 79 (GPU 脫離 PCIe 匯流排) 診斷步驟NVIDIA Xid 48 (不可修正雙位元 ECC 錯誤) 診斷NCCL Watchdog 逾時排查與根因節點隔離開啟免費 LLM 顯存計算機
英文完整知識庫條目:檢視完整英文參考 (English)
免費試用 Denpex 30 天。完全免費。
無需信用卡,無自動續訂。使用團隊已結案的故障日誌親自驗證診斷精準度。
開啟 30 天免費 Team 團隊評估
30 天內每日最多 50 次診斷。驗證企業工作信箱即可啟用試用,重現已解決的歷史故障並將根因證據與團隊確認結論比對。