排查流程图：

具体问题一览：

1、安装类问题
1.1 安装报错
1.2 安装后异常
1.3 技术支持
2、使用类问题

1 安装类问题

问题描述：安装直接失败，或者安装完成后lsmod | grep dcu没有回显等。

1.1 安装报错

确认环境及依赖：
主要确认gcc、cmake、内核版本、DCU类型、驱动版本是否对应

gcc --version

cmake --version

uname -r

gcc版本太低不能安装

版本不对应可能安装失败，比如

（rock-5.2.0-5.16.29-V01.13.run）以后版本，依赖cmake高于3.2

（rock-5.7.1-6.2.13-V1.0.1a.aio.run），不支持内核版本高于5.14的系统

查看install.log

每次异常一定要保存日志，之后解决不了路由给开发人员，或者将日志保存后提交至开发者社区交由研发人员处理。

使用bash -x * .run 逐行排查

可以逐行打印操作，查看有没有哪一步报错

1.2 安装后异常

查看dcu是否存在

lspci | grep "DCU类型"

确认重启方式

intel的CPU不能用reboot重启，要用ipmitool power cycle重启

手动重启服务——systemctl restart hymon

手动加载驱动——hy-smi --loaddriver

查看依赖包是否已安装

参考https://download.sourcefind.cn:65024/6/main/的readme.txt

详细步骤可以参考DTK安装环境部署手册：

https://download.sourcefind.cn:65024/directlink/1/DTK-24.04/Document/DTK%2024.04%20%E5%BC%80%E5%8F%91%E7%8E%AF%E5%A2%83%E5%AE%89%E8%A3%85%E9%83%A8%E7%BD%B2%E6%89%8B%E5%86%8C.pdf

缺少包安装的时候，尽量使用yum\apt安装，最后选择源码安装，yum、apt可能涉及换源等。

有时候需要使用reinstall重装

查看vbios

vbios地址，浸没卡（SM）使用hpc开头的，否则用PCIE开头的

1.3 技术支持

2 使用类问题

设备权限

是否加组；docker是否挂载；查看设备是否正常（比如k8s某版本无设备时会创建文件夹）；

hy-smi类问题

hy-smi --help

hyhal链接

驱动和dtk版本匹配

hymgr

/var/log/hymgr/hymgr*

cat gddr6_update*****dcu0.log

现象：报错：libtbb.so.12:cannot open shared object file: No such file or directory

运行程序时造成掉卡

km-ai soc未知掉卡

不是我们机器的话，应该是机器没有适配。如果使我们机器的话，更新最新bmc

可通过ipmitool fru查看。

lspci查看异构算力四个设备在，但使用smi指令少设备。
通过dmesg里有SMU fail的是没有解锁

超温导致丢卡
ipmitool sel elist |grep ”Thermal Trip“ 有输出是DCU超温导致丢卡，暂时过温问题无法解决，可使用ipmitool power cycle重启恢复