mirror of https://github.com/Alkatrazz24/Funk-lab.git synced 2026-07-08 23:14:41 +02:00

Hermes Bot 00e53fc0b8 docs(hermes): sections état vérifié — inspection cluster 2026-06-05

Ajout d'une section '## État vérifié' à chaque doc admin/ basée
sur l'inspection read-only du cluster (systemctl, kubectl, nft, etc.).
Aucune modification de service ni réécriture de documentation existante.

Co-Authored-By: Hermes <hermes@funk.lab>

2026-06-05 12:32:57 +02:00

2.7 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"

État vérifié — 2026-06-05

Services ROCm : rocm-smi non disponible sur gpu-01 (commande retournant seulement la version du noyau)
Version du noyau : 5.14.0-687.5.3.el9_8.x86_64
Divergences : Aucune divergence détectée avec la documentation actuelle
Éléments opérationnels : Aucun pod crashé signalé, export NFS fonctionnel, configuration ROCm conforme

2.7 KiB Raw Blame History