BMC sensor read errors on H100 PCIe nodes in YUL
Внеполосное управление — YUL
Хронология
-
Устранено
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.
-
Наблюдение
All 6 BMCs have been reset and report cleanly. Watching for recurrence.
-
Причина установлена
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.
-
Идёт расследование
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.
Время показано в вашем часовом поясе ().
Похожие страницы
- Статус сервисаТекущий статус компонентов и дата-центров gpuserver.io: проверка каждые 60 секунд из пяти городов, доступность за 90 дней и журнал инцидентов с 2022 года.
- История инцидентовКаждый инцидент и окно обслуживания на gpuserver.io с начала мониторинга в сентябре 2022 года, по месяцам, с хронологией и разбором инцидента.
- Соглашение об уровне обслуживанияОбязательство 99,9 %: что считается простоем, как это измеряется извне, пять минут срока за минуту потерь и полный список исключений.
- СетьБезлимитные порты до 25 Gbit/s, два оператора и IX на площадке, постоянная фильтрация DDoS, маршрутизируемый IPv6 — и четыре вещи, которые мы прямо не предлагаем.