3. 命令介绍

mx-smi命令说明，可以通过在工作环境中执行 man mx-smi 获取。

3.1. 通用选项

-h, --help

打印使用帮助信息。

-v, --version

打印mx-smi的版本信息。

-j, --json

以JSON格式显示板卡信息。

3.2. 归纳选项

./mx-smi （直接回车）

mx-smi命令不添加任何选项和参数，默认归纳并按照Board显示GPU的主要信息，显示信息包括功耗，内存，温度，版本，使用率，GPU持久模式状态，sGPU模式状态及进程等。

若开启sGPU且已有新建的sGPU，则还会显示sGPU信息列表。

3.3. 查询选项

--show-temperature

显示板卡上温度传感器读取的温度，单位是摄氏度。

--show-version

显示BIOS，驱动和Firmware的版本信息。

--show-hbm-bandwidth

显示显存的动态带宽信息。

--show-pcie-bandwidth

显示PCIe动态带宽信息。

--show-usage

显示GPU、VPU的使用率。使用率反应过去一段采样周期内硬件资源的使用情况。C588支持使用 --die 进行分die显示。

--show-memory

显示存储资源的使用情况，包括板卡显存和板卡可以访问的系统内存。C588支持使用 --die 进行分die显示。

--show-board-power

显示板卡当前的电压，电流和功耗信息。

--show-pmbus-power

显示芯片内的电压，电流和功耗信息。C588支持使用 --die 进行分die显示。

--show-eeprom

显示EEPROM记录的信息，包括板卡版本，板卡序列号等。

--show-clocks all

显示板卡的时钟信息。C588支持使用 --die 进行分die显示。

--show-dpm cur

显示当前的performance level设置。C588支持使用 --die 进行分die显示。

--show-dpm all

显示支持的performance level及其对应的时钟和电压信息，为设置performance level做参考。

--show-dpm-max

显示支持的performance level的最高级别。

--show-pcie

显示PCIe当前及最大带宽和速率。

--show-sn

显示板卡序列号。

--show-process

显示当前运行的进程信息。C588支持使用 --die 进行分die显示。

--show-power-mode

显示板卡的电源模式，未用 -i 指定板卡时，默认显示所有板卡的电源模式信息。

--show-persistence-mode

显示板卡的持久模式，未用 -i 指定板卡时，默认为 Disable。

--show-event {aer_ue|aer_ce|synfld|dbe|mmio|all}

显示KMD关键事件信息，可指定显示相应pci错误类型或全部类型的关键事件信息，包括大小，次数，第一次发生时间，事件内容等。 未用 -i 指定板卡时，默认显示所有板卡的关键事件信息。详细信息参见表 3.1。

表 3.1 KMD关键事件信息

事件类型

说明

aer_ue

PCIe AER uncorrectable error，仅PF模式支持查询。

aer_ce

PCIe AER correctable error，仅PF模式支持查询。

synfld

PCIe syncflood error，仅PF模式支持查询，且曦云系列独有。

dbe

PCI device base error，仅PF模式支持查询。

mmio

PCI mmio invalid（disconnected），PF与VF模式均支持查询。

 
--show-clk-tr

显示板卡降频原因信息。 Active 表示对应项为降频原因；全为 Not Active 表示当前未降频。未用 -i 指定板卡时，默认显示所有板卡的降频原因信息。

--show-unavailable-reason

当使用 mx-smi -L 命令查看设备状态为 not available 时，可用以上命令查看具体不可用原因以及参考建议。

--show-hwinfo

显示设备硬件汇总信息，包括设备型号，厂商信息，板卡SN，板卡PN，芯片序列号，Memory类型及容量。

--count-ecc

显示设备ECC错误及坏页的计数信息。ECC错误包括SRAM及DRAM的可纠正和不可纠正的ECC计数，数值会在重启后清零。坏页计数信息重启不清零。

-i <GPU-ID>, --index <GPU-ID>

显示指定板卡的信息。如果没有指定，默认显示全部板卡的信息。 GPU-ID 是从0开始的自然数，可以通过 -L ， --list 获取板卡的ID信息。可指定一个或多个 GPU-ID ，多个 GPU-ID 用“,”分隔，如“0,1,5”，“0-2”，“0-4,6”，“all”等。

-o, fileName, --output fileName

可以将命令输出写入csv格式的文件中，支持显示的命令有：

  • --show-temperature

  • --show-board-power

  • --show-version

  • --show-usage

  • --show-memory

  • --show-pcie

  • --show-dpm cur

  • --show-pmbus-power

  • --show-vpu

-l ms, --loop ms

以特定的间隔周期持续显示板卡信息，单位是毫秒。执行 Ctrl+C 可退出持续查询。

示例 ：

以500ms周期持续显示所有卡的温度，功耗，使用率信息：

mx-smi --show-temperature --show-board-power --show-usage -l 500

以1s周期将GPU0 - GPU3的温度，功耗，使用率信息写文件：

mx-smi --show-temperature --show-board-power --show-usage -i 0-3 -l 1000 -o sample.csv

3.4. 控制选项

-u, --vbios-upgrade <vbios_bin_file>

默认对所有板卡进行BIOS固件升级。需要root权限。当MMio地址空间不足时，会有相应提示，用户可选择继续升级（Y）或者不升级（n）。若继续升级有可能导致系统无法启动。在执行完固件升级命令后，需要对系统进行reboot或者warm reset以使新固件生效。

-r, --reset

对指定的卡执行warm reset。必须使用 -i <GPU-ID> , --index <GPU-ID> 选项以指定一个特定的板卡。 需要root权限。如果warm reset失败（设备无法恢复），需要重启服务器，对同一组使用MetaXLink连接的卡，只需做一次warm reset，详情参见《曦云® 系列通用GPU Warm Reset使用指南》。

备注

warm reset功能目前仅在H3C UniServer R5300 G6服务器型号中经过验证，在未经验证的机型中使用warm reset功能可能会导致功能失效等不可预期的结果。

--set-power-mode {0|1}

用 -i 指定板卡进行电源模式设置， 0 为 Normal， 1 为 High。C588支持使用 --die 进行分die设置。

--set-persistence-mode {0|1}

用 -i 指定板卡进行GPU持久模式设置， 0 为关闭， 1 为打开。默认为关闭，重启后恢复默认值（关闭）。

--set-dpm-max <IP,DpmLevel>

对指定的IP设置max performance level。必须使用 -i <GPU-ID>, --index <GPU-ID> 选项以指定一个特定的板卡。需要root权限。

例如，执行以下命令，将板卡1的 xcore 模块的max performance level有效配置设置成level 7：

mx-smi --set-dpm-max xcore,7 -i 1

3.5. RAS选项

mx-smi ras子命令用于显示与芯片可靠性，可用性，安全性相关的信息。

可显示IP的错误统计。例如，执行以下命令，显示板卡0相关的corrected error和uncorrected error统计数目：

ras --show-count -i 0

可显示IP的错误状态。例如，执行以下命令，显示板卡0相关的错误状态：

ras --show-status -i 0

3.6. MXLK选项

mx-smi mxlk子命令用于显示与MetaXLink相关的信息。

--show

显示曦云GPU设备之间MetaXLink带宽和速率。

--show-peer

显示通过MetaXLink与曦云GPU设备相连的设备信息。

--show-state

显示曦云GPU设备之间MetaXLink连接的状态（启用/禁用）和各端口的状态（ up/down ）。

--set-state {0|1}

启用/禁用MetaXLink连接，用于修复因训练失败等原因导致端口状态为 down 的情况。操作步骤为先禁用（ 0 ）再启用（ 1 ）。

--show-aer

显示MetaXLink的错误统计。

--show-traffic-stat

显示MetaXLink port的TX（发送数据）与RX（接收数据）字节总数。

3.7. 查询拓扑关系

mx-smi topo子命令用于查询主机上曦云GPU设备之间的拓扑关系。

-m, --matrix

显示曦云GPU设备之间的连接方式，以及CPU亲和性、NUMA node亲和性等信息。

-d, --distance

显示曦云GPU设备之间连接的相对距离信息。

-t, --tree

显示曦云GPU设备拓扑树。

-n, --nic

显示曦云GPU设备与网卡之间的连接方式。

备注

MetaXLink相关命令已移动到mxlk子命令中，请参见 3.6 MXLK选项。

3.8. VM虚拟化管理

mx-smi vm子命令用于GPU卡虚拟化管理。

备注

此命令仅支持在物理机中操作。

--enable-vf {1|2|4|8}

开启虚拟化，一张GPU卡可支持虚拟化的个数为1，2，4，8。

--disable-vf

关闭虚拟化功能。

--show-vf

显示虚拟化后的GPU信息。

3.9. 光模块信息（当前仅适用于C500X）

mx-smi om子命令用于显示光模块信息。

--show-status

显示光模块电压，温度，模块状态，通道状态及接收状态信息。

--show-info

显示光模块固件信息。

--show-rx-status

显示光模块接收的详细信息。

3.10. 轮询设备状态信息

mx-smi dmon子命令用于轮询显示设备状态信息，包括温度，功耗，VPUE，VPUD和GPU使用率，板卡显存及内存；时间间隔默认为1000ms。执行 Ctrl+C 可退出轮询。

例如，执行以下命令，可轮询100次板卡0的温度及功耗信息：

mx-smi dmon --show-temperature --show-board-power -i 0 -c 100

3.11. 强刷固件

仅当满足以下条件时可强刷固件：

  • 使用 mx-smi -L 命令查看设备状态为not available。

  • 无法通过《曦云® 系列通用GPU驱动安装指南》中“更新固件”章节方法来更新固件，即 mx-smi -u <vbios_bin_file> 及 mx-smi -U <vbios_bin_file> -i <GPU-ID> 均无法升级固件。

执行以下命令指定板卡强刷固件。

mx-smi --force-vbios-flash <vbios_bin_file> -i <GPU-ID>

备注

更新固件后需重启生效。

3.12. MISC

mx-smi misc子命令用于显示多种类的信息，如严重事件信息及日志级别等。

--show-board-type

显示板卡类型。

--show-critical-event

显示PCIe及MetaXLink严重错误信息。若有，会显示类型、连接状态、发生严重错误的原因和时间。

--show-mmio-state

显示PCI MMIO状态；当状态异常时显示第一次发生异常的时间。

--show-pcie-event <--detail>

显示PCIe日志事件打印，需使用root权限查看。如需显示详细信息，可加 --detail。（仅支持C500）

--clear-pcie-event <--detail>

清除PCIe日志事件打印，需指定 device id 使用root权限操作。（仅支持C500）

--show-fw-loglevel

显示Firmware（C500系列ip：smp0，smp1，ccx0，ccx1，ccx2，xcore；C600系列ip：smp0，smp1，xcore，eth）的日志级别。

--set-fw-loglevel <ip>,<loglevel_number>

设置Firmware（C500系列ip：smp0，smp1，ccx0，ccx1，ccx2，xcore；C600系列ip：smp0，smp1，xcore，eth）的日志级别（5:debug，4:info，3:warn，2:error，1:fatal，0:none）。

3.13. ETH（仅适用于C600系列）

mx-smi eth子命令用于显示ETH相关信息。

--show-bandwidth

显示ETH动态带宽信息。

--show-usage

显示ETH使用率。

--show-mac-addr

显示ETH Mac信息。

--show-ras-count

显示ETH IP的corrected error和uncorrected error统计数目。

--show-ras-status

显示ETH IP的错误状态。

--show-clock

显示ETH的时钟信息（需root权限）。

--show-status

显示ETH使能状态（需root权限）。

3.14. sGPU切分选项

为了资源粒度可以灵活配置，sGPU（sliced GPU）功能可实现将一个父设备（物理设备）切分为多个子设备（sGPU），每个父设备最多可创建16个子设备（若按照默认配置显存 4GB，算力为父设备的5%创建，则由于显存大小的限制，无法创建出第16个子设备）。

备注

  • 虚拟化模式不支持此功能。

  • 仅C500支持此功能。

sgpu -h

查看sGPU使用帮助信息。

sgpu --enable -i <GPU-ID>

启用设备sGPU功能，须用 -i 指定设备（需root权限）。默认为禁用。

sgpu --show-mode

查看设备sGPU功能是否启用，可用 -i 指定设备。

sgpu --disable

禁用设备sGPU功能，须用 -i 指定设备（需root权限），当子设备正在被使用时，则无法禁用sGPU功能。

sgpu -i <GPU-ID> --create

新建指定父设备的子设备，须用 -i 指定父设备。默认创建一个显存为4 GB，算力为父设备 5%的子设备，不创建别名。 若需创建多个可用 -n 传入数量；可用 --vram xxx --compute xxx --alias xxx 指定创建的子设备的显存大小、算力占比、别名等。具体资源设置方法参见表 3.2。

表 3.2 创建子设备时资源设置项说明

可设置项

说明

--vram

分配给子设备的显存，粒度为1M。例如，可设置为128M、8G或5%

--compute

分配给子设备的父设备算力百分比，粒度为1%，单位为%，例如，可设置为22

--alias

分配给子设备的别名，最大长度为31字节，超出部分会被截断

 
sgpu -i <GPU-ID> --set <SGPU-ID> --vram <vram_size> --compute {0-100} --alias <name>

修改已建子设备的显存配额，算力配额及别名。

sgpu

可查看所有父设备下的子设备信息，包括父设备编号、时间片大小、调度策略、子设备 SGPU-ID 、 MinorID 、优先级、显存配额、算力配额、子设备调度策略以及别名等。可用 -i 指定父设备查看该父设备下所有子设备的信息。

sgpu --show-remain

查看父设备剩余可分配额度，可用 -i 指定父设备。

sgpu --show-usage

查看子设备使用率，可用 -i 仅指定父设备或用 -i 及 -s 指定父设备及子设备。

sgpu --show-memory

查看子设备显存使用情况，可用 -i 仅指定父设备或用 -i 及 -s 指定父设备及子设备。

sgpu --show-latency

查看子设备调度延时统计信息，可用 -i 指定父设备。

sgpu --show-timeslice

查看父设备时间片大小，可用 -i 指定父设备。默认为10ms。

sgpu --set-timeslice xx -i <GPU-ID>

设置父设备时间片大小，单位为ms，须用 -i 指定父设备。

sgpu --show-schedclass

查看调度策略，可用 -i 指定父设备。

表 3.3 子设备调度策略说明

调度类型

说明

0：（Best Effort）争抢模式

默认调度策略。各子设备不限算力，父设备上有剩余算力即可使用

1：（Fixed Share）固定配额

各子设备有固定的算力配额，无法超过固定配额使用

2：（Burst Share）保证配额加弹性

各子设备有固定的算力配额，父设备上还有空闲算力可被使用

 
sgpu --set-sched-class {0|1|2} -i <GPU-ID>

设置调度策略（需root权限），须用 -i 指定设备。

sgpu --remove <SGPU-ID> -i <GPU-ID>

移除指定父设备的指定子设备（需root权限），须用 -i 指定设备。当子设备正在被使用时，则无法关闭sGPU功能。

sgpu --set-queue-priority [0|1] -s <SGPU-ID> -i <GPU-ID>

设置sGPU队列优先级（需root权限），须用 -i 指定父设备， -s 指定子设备。 0 表示 Normal， 1 表示 High，修改后可用 mx-smi sgpu 查看 Priority 列。