Týmový PC - Cimrman

[InHuMan]

Cimrman ani IQE nejede.
Pokusil jsem se je nahodit, ale nekomunikují po dobrém ani po zlém. Asi nějaký problém .

Viz
- ve 14:50 se přestaly hlásit stroje ve druhém patře (IQE a CI), zároveň se ve stejnou dobu restartovali stoje IQE 2, 3, 5, 6, 8 a MATFYZ1 (IQE3 bylo nutné nahodit ručně)
- IQEho a Cimrmana se nedaří nahodit. Požádají si sice o IP adresu ale odpověď k nim už pravděpodobně nedojde. (špatný switch?)

[vkliber]

Nepodařilo se mi nahodit Cimrmana. Nereaguje .

[InHuMan]

Nepodařilo se mi nahodit Cimrmana. Nereaguje .

Systém obnoven ze zálohy...

[nenym]

Počítá něco CI, nebo v poklidu užívá zaslouženého odpočinku?

[vkliber]

CI počítá Asteroids a Milky. V době výpadku Asteroid přešel na záložní Einstein. A před 4 dny byl asi půldení výpadek a systém byl obnoven ze zálohy.

[nenym]

CI počítá jenom na GPU?

[InHuMan]

CI počítá jenom na GPU?

V neděli jsem na něm obnovoval systém ze zálohy (A zřejmě žádný cpu projekt v ní nebyl povolen). Povolil jsem teď asteroidy.
Díky za upozornění.

[vkliber]

Cimrman nejede, nepodařilo se mi ho vzdáleně resetnou .
Je výpadek webu Asteroids, tak jsem tam nahodil yoyo a po pár hodinách si to kleklo (doufám že to bude tím Yoyo a nikoli nějaký jiný závažnější problém).

6. šuplík na IQE farmě také nejde.

[InHuMan]

Cimrman nejede, nepodařilo se mi ho vzdáleně resetnou .
Je výpadek webu Asteroids, tak jsem tam nahodil yoyo a po pár hodinách si to kleklo (doufám že to bude tím Yoyo a nikoli nějaký jiný závažnější problém).

6. šuplík na IQE farmě také nejde.

CI a IQE6 nahozeny, naběhly normálně. Horvi přeprnul CI z yoyo na Einsteina. (na yoyo nemá dost RAM a na MilkyWay padá)

[vkliber]

Dík.

[jiri kovar]

Copak se to (ne)děje s Járou?
Já vím, je moc teplo, ale přece jen...

[forest]

Myslím, že je CII na té nové reset destičce, tak snad se jej kolegům podaří oživit.

[nenym]

Prohoďfe CPU projekty na CI a CII, počítat POGS na i7 je škoda a Asteroidy na AMD blbost, pokud je k dispozici Intel .
Totéž i7 na farmě - z Einsteina na Asteroidy, případně PG LLR s maximálním bonusem (=SoB nebo cpuGFN, netvím přesně, co je na tomto CPU z PG nejvýnosnější).

[vkliber]

Na CI jsem ponechal MilkyWay, ale povolil pouze Milkyway Separation (Modified Fit), ktere jedou bez chyby.
Všechny MilkyWay@Home končí chybou.

[forest]

Jen doplním, že CI má aktuálně jen jednu grafiku 5790.

[vmv]

Na CI jsem ponechal MilkyWay, ale povolil pouze Milkyway Separation (Modified Fit), ktere jedou bez chyby.
Všechny MilkyWay@Home končí chybou.

Pravděpodobně problém s ovladači. Na ATI 5850 a 9650 mi Milka jede jen do verze 13.3. S novější verzí catystů se to chová přesně takto – jde jen modifet fit.

[Murphy.cz]

Je to ovšem k vzteku. Mi jela Milka půl roku bez jediného pohledu a pak najednou vrrrr samé chybné jednotky. Zřejmě někdo při generování nové várky něco změnil a šlo to do kytek. Ovšem to by nebylo poprvé, už jsem stejnou situaci u Milky zažil, takže se ničemu nedivím.

[vkliber]

Ad Cimrman : mám první výsledky - padá to i s jednou kartou (tou novou) při napájení z konkrétní větve. Z ostatních dvou větví to jede. Ještě otestuji stejné kombinace napájecích větví na ostatních kartách, ale zřejmě se potvrdí původní předpoklad o odcházejícím zdroji. V testech budu pokračovat po večerech přes týden, potom sepíšu report do patřičného vlákna.

Tak jsem u toho ještě zůstal, je to s největší pravděpodobností potvrzeno, stáhl jsem si datasheet toho zdroje ať vím jak je to zapojené uvnitř a jedna výkonová větev (ty 2 prostřední červené konektory) má problémy. Tak jsem provedl cable management, popsal grafiky a kablíky a přepojil. Nyní to půl hodiny běží na všechny 3.
Lehce nervózní jsem z toho, že za tu chvilku byly 3 chybné jednotky a 2 z nich prokazatelně na té nové grafice (v logu jednotky není vidět na kterém device běží, ale když spadly, koukal jsem zrovna do BM). Tak snad to bude náhoda.

Teď to vypnu a v noci (musím se po víkendu spravit pořádnou dospěláckou 12°) to zřejmě pustím (na noční proud, má to přes 800W). Pokud bude vše OK, tak v úterý by se mohl přestěhovat do klimatizované serverovny.

[forest]

Bylo by skvělé, kdyby se to podařilo rozběhnout bez investic, tedy jen tím přepojením napájecích větví. Pokud by ale i tak ten droj zlobil, museli by jsme hold zakoupit nový, to by se nedalo nic dělat.
Jen pro ostatní lehké vysvětlení. Problémy s pádem stroje se začaly projevovat až po přepravě do Brušperku. Dočasně se nám problém podařilo včera identifikovat (zdroj a jeho napájecí větev na PCI-E) a Cimrman jel cca 3 hodinky bez potíží. Po dnešním převozu do provozu se ale okamžitě problém s padáním stroje vyskytl znovu, tak si jej kluci vzali domů na další podrobnější testy.

[vkliber]

Tak se to zase komlikuje.
Včera v noci jsem k tomu sedl, pustil, naběhly výpočty, pozastavil jsem Asteroids, připojil PrimeGrid a zase modrá smrt. V neděli mi to celé jelo asi hodinu, pak jsem to vypnul, nesahal na to a včera zapnul a buch.
Nechal jsem to chvilku běžet pouze na CPU výpočtech a bez problému.
Bohužel nemám nikde další tak silný zdroj, abych to otestoval se třemi grafikami. Už v neděli jsem to testoval postupně s každou ze tří grafik samostatně na větvi ze zdroje kterou jsem jí přidělil a v pořádku. Takže testovat na jiném zdroji, co mám doma, postupně grafiky zřejmě nemá smysl.
Dneska tedy ještě vyzkouším provoz pouze na 2 GPU v různých kombinacích.

Ono to sice takto vypadá na zdroj, ale klidně to může být i deska.

Zkusím obvolat známé, ale dost silně pochybuji že se někomu doma jen tak válí přes 1kW zdroj.
Další možnost je zapnout to na testy na více zdrojů.