如何检查 Tesla V100 是否存在 ECC 错误

Thu, 23 Apr 2026 11:50:21 +0800

如果你手上有一张 Tesla V100，想先做最基础的健康检查，ECC 状态是很值得优先看的项目。

最直接的方法就是用 nvidia-smi 查看显卡详细信息。

1
2
3

nvidia-smi -q
# 查询第 0 块 GPU
nvidia-smi -q -i 0

重点看 ECC Errors 这一段。

一张状态正常的卡，ECC Errors 下面常见的 4 段统计都应该是 0 或 N/A。如果这里已经出现非零值，就说明这张卡曾经出现过对应类型的 ECC 异常，需要继续判断是否适合继续使用。

参考输出如下：

nvidia-smi -q
    ECC Mode
        Current                          : Enabled
        Pending                          : Enabled
    ECC Errors
        Volatile
            Single Bit
                Device Memory            : 0
                Register File            : 0
                L1 Cache                 : 0
                L2 Cache                 : 0
                Texture Memory           : N/A
                Texture Shared           : N/A
                CBU                      : N/A
                Total                    : 0
            Double Bit
                Device Memory            : 0
                Register File            : 0
                L1 Cache                 : 0
                L2 Cache                 : 0
                Texture Memory           : N/A
                Texture Shared           : N/A
                CBU                      : 0
                Total                    : 0
        Aggregate
            Single Bit
                Device Memory            : 0
                Register File            : 0
                L1 Cache                 : 0
                L2 Cache                 : 0
                Texture Memory           : N/A
                Texture Shared           : N/A
                CBU                      : N/A
                Total                    : 0
            Double Bit
                Device Memory            : 0
                Register File            : 0
                L1 Cache                 : 0
                L2 Cache                 : 0
                Texture Memory           : N/A
                Texture Shared           : N/A
                CBU                      : 0
                Total                    : 0
    Retired Pages

可以简单这样理解：

Volatile 是本次上电周期内的错误统计
Aggregate 是累计错误统计
Single Bit 是可纠正错误
Double Bit 是不可纠正错误，风险更高

如果你只是想做快速筛查，先记住一个实用标准：

大部分项目应为 0
某些不适用项目显示 N/A 也正常
如果 Double Bit 或总数不是 0，就不要只看卖家口头描述，最好继续做更完整的压力测试和稳定性验证

这一步不能代替完整验卡，但足够作为 V100 到手后的第一轮排查。

Windows 任务管理器数据暂停不刷新，通常是更新速度被设为已暂停

Thu, 09 Apr 2026 18:15:53 +0800

有时候打开 Windows 任务管理器，会发现“进程”或“性能”页里的数据像是卡住了一样，CPU、内存、磁盘或网络数值长时间没有变化。乍一看很像系统异常，但实际运行中的程序、网络传输和资源占用都还在正常变化。

这种情况通常不是系统真的停住了，而是任务管理器的刷新频率被改成了“已暂停”。

现象

常见表现包括：

“进程”页的 CPU、内存等数据不再跳动
“性能”页的曲线长时间不更新
明明还有程序在运行，但任务管理器看起来像是静止状态

下面是问题出现时的界面示例：

原因

任务管理器支持调整“更新速度”，可以设置为高、正常、低，或者直接暂停。

如果这里被设成了“已暂停”，界面上的各项统计数据就不会继续刷新，因此看起来像是 CPU、内存或网络信息全部停住了。

如下图所示，这个选项通常可以在任务管理器顶部菜单里的“查看”中找到：

故障排查 on KnightLi的博客

如何检查 Tesla V100 是否存在 ECC 错误

Windows 任务管理器数据暂停不刷新，通常是更新速度被设为已暂停

现象

原因