BMC sensor read errors on H100 PCIe nodes in YUL
Gestion hors bande — YUL
Chronologie
-
Résolu
Sensor data is complete for every node. Duration: 44 minutes. The fixed firmware is being rolled out during regular maintenance; no host reboot is required.
-
Sous surveillance
All 6 BMCs have been reset and report cleanly. Watching for recurrence.
-
Cause identifiée
A BMC firmware version on 6 nodes has a bug in its sensor polling that surfaces after a long uptime. Resetting the BMC clears it without touching the host; we are doing that node by node.
-
Investigation en cours
The BMCs on some H100 PCIe nodes in YUL are returning sensor read errors since 09:58 UTC. Power and temperature readings in the customer area are missing for those machines. The machines themselves are unaffected.
Les heures sont affichées dans votre fuseau horaire ().
Pages liées
- État du serviceÉtat en direct des composants et centres de données gpuserver.io, sondés toutes les 60 s depuis cinq villes : disponibilité sur 90 jours et incidents depuis 2022.
- Historique des incidentsChaque incident et fenêtre de maintenance sur gpuserver.io depuis septembre 2022, mois par mois, avec chronologie et revue post-incident.
- Accord de niveau de serviceL’engagement de 99,9 % : la définition d’une panne, la mesure externe, cinq minutes de durée d’engagement rendues par minute perdue, et les exclusions en détail.
- RéseauPorts sans compteur jusqu’à 25 Gbit/s, deux opérateurs et un IX par site, filtrage DDoS permanent, IPv6 routé — et quatre choses que nous n’offrons pas, en clair.