BMC sensor read errors on H100 PCIe nodes in YUL
Gerenciamento fora de banda — YUL
Linha do tempo
-
Resolvido
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.
-
Em observação
All 6 BMCs have been reset and report cleanly. Watching for recurrence.
-
Causa identificada
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.
-
Investigando
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.
Os horários são mostrados no seu fuso horário ().
Páginas relacionadas
- Status do serviçoStatus de cada componente e centro de dados do gpuserver.io, sondados a cada 60s em cinco cidades, com disponibilidade de 90 dias e log de incidentes desde 2022.
- Histórico de incidentesTodos os incidentes e janelas de manutenção em gpuserver.io desde setembro de 2022, mês a mês, com linha do tempo e revisão pós-incidente.
- Acordo de nível de serviçoO compromisso de 99,9%: o que conta como indisponibilidade, como é medido de fora, cinco minutos de prazo devolvidos por minuto perdido, e as exclusões por completo.
- RedePortas sem contador até 25 Gbit/s, duas operadoras e um IX por site, filtragem DDoS sempre ativa, IPv6 roteado — e as quatro coisas que não oferecemos, já ditas.