mirror of https://github.com/Alkatrazz24/Funk-lab.git synced 2026-07-08 21:24:41 +02:00

alkatrazz 5bcf95b82e docs: réorganisation complète de admin/ en 4 domaines thématiques

Structure avant : 20 fichiers à plat dans admin/ — difficile à naviguer.
Structure après : 4 sous-répertoires thématiques + index clair.

Réorganisation :
  admin/ops/    → cluster.md, ansible.md, systeme.md
  admin/infra/  → reseau.md, nfs.md, dnsmasq.md, ssh.md
  admin/k8s/    → talos.md, argocd.md, monitoring.md
  admin/ia/     → llama_server.md, rocm.md, litellm.md, hermes.md

Suppressions :
  - ask-agent.md : contenu fusionné dans ia/hermes.md (section ask-agent)
  - lm_studio.md : obsolète (LM Studio remplacé par llama-server)

Mises à jour contenu :
  - ia/hermes.md : fusion complète avec ask-agent.md (profils, skills,
    SOUL.md, ask-agent CLI, dépannage) — doc unifiée sans redondance
  - ops/cluster.md : section GitOps réduite à 2 lignes + lien argocd.md
  - incidents.md : tableau de résumé en tête + 4 nouveaux incidents
    (Grafana OOMKilled, AlertManager null receiver, llama-server 501,
    nftables règle après drop)
  - README.md : réécrit — navigation rapide + index par domaine

Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>

2026-05-14 00:47:58 +02:00

2.3 KiB

Raw Blame History

ROCm — GPU AMD RX 6700XT (gpu-01)

ROCm tourne directement sur l'hôte AlmaLinux (pas dans des conteneurs). La RX 6700XT (gfx1031) n'est pas officiellement supportée → HSA_OVERRIDE_GFX_VERSION=10.3.0 obligatoire.

Vérification de base

# Le GPU est-il détecté par le kernel ?
ssh g01 "lspci | grep -i amd | grep -i vga"

# Le module amdgpu est-il chargé ?
ssh g01 "lsmod | grep amdgpu"

# ROCm voit-il le GPU ? (doit lister la RX 6700XT)
ssh g01 "HSA_OVERRIDE_GFX_VERSION=10.3.0 rocminfo | grep -A5 'Agent 2'"

# Version ROCm installée
ssh g01 "rocminfo | grep 'ROCk'"

# GPU info complet
ssh g01 "HSA_OVERRIDE_GFX_VERSION=10.3.0 rocminfo"

Variable HSA_OVERRIDE

# Vérifier qu'elle est bien définie system-wide
ssh g01 "cat /etc/environment | grep HSA"

# Vérifier dans profile.d (sessions interactives)
ssh g01 "cat /etc/profile.d/rocm.sh"

# Tester manuellement (si la variable n'est pas dans l'env courant)
ssh g01 "HSA_OVERRIDE_GFX_VERSION=10.3.0 rocminfo | grep gfx"

Modules kernel

# Statut du module amdgpu
ssh g01 "lsmod | grep amdgpu"

# Recharger le module (si nécessaire)
ssh g01 "sudo modprobe -r amdgpu && sudo modprobe amdgpu"

# Logs kernel liés au GPU
ssh g01 "sudo dmesg | grep -i amdgpu | tail -20"
ssh g01 "sudo dmesg | grep -i 'drm\|gpu' | tail -20"

Repos AMD

# Vérifier les repos installés
ssh g01 "sudo dnf repolist | grep -i 'amd\|rocm'"

# Voir les packages ROCm installés
ssh g01 "sudo dnf list installed | grep -i rocm"
ssh g01 "sudo rpm -qa | grep rocm"

Groupes utilisateur (accès GPU)

# L'user doit être dans video et render
ssh g01 "groups ansible"

# Si absent — ajouter manuellement
ssh g01 "sudo usermod -aG video,render ansible"

Debug ROCm / llama-server

# Tester OpenCL
ssh g01 "HSA_OVERRIDE_GFX_VERSION=10.3.0 clinfo | head -30"

# Voir l'utilisation GPU en temps réel
ssh g01 "watch -n 1 'cat /sys/class/drm/card*/device/gpu_busy_percent'"

# Température GPU
ssh g01 "cat /sys/class/drm/card*/device/hwmon/hwmon*/temp1_input"
# (valeur en millidegrés → diviser par 1000)

# VRAM utilisée
ssh g01 "cat /sys/class/drm/card*/device/mem_info_vram_used"
ssh g01 "cat /sys/class/drm/card*/device/mem_info_vram_total"

2.3 KiB Raw Blame History