unit_stress — GPU 服务器单元压力测试框架

1. 概述

unit_stress 是一套面向 GPU 服务器（成都研发中心）的自动化单元压力测试与日志检查框架（版本 v1.00.00，2025/07/06）。

支持的测试类型

2. 下载路径

2.1 本地下载📁 本地下载

提示：点击按钮将打开网络文件夹，点击即可下载

3. 目录结构

unit_stress/
├── unit_stress-v1.00.00.sh          # ★ 主入口脚本
├── lib/                              # 库函数（被主脚本 source 加载）
│   ├── color_code.sh                # 终端颜色定义
│   ├── import.sh                    # 脚本导入辅助函数
│   ├── box_ping.sh                  # Box 间 ping 连通性检测
│   ├── basic_info.sh                # 系统基础信息采集
│   ├── comment_set.sh               # 配置解析、参数处理、目录生成
│   ├── get_sys_log.sh               # 系统日志收集
│   ├── chk_fun_def.sh               # 检查函数定义
│   ├── key_list_set.sh              # 日志黑白名单过滤检查
│   ├── key_list.txt                 # 黑白名单关键字列表（v2.7）
│   ├── gen_log_folders.sh           # 生成日志输出目录结构
│   ├── stress_test.sh               # 压力测试调度器
│   ├── pciesw_2W_1to1.sh           # PCIe Switch 检查 — 2W 1:1 拓扑
│   ├── pciesw_DPU_1to1.sh          # PCIe Switch 检查 — DPU 1:1 拓扑
│   ├── pciesw_DPU_1to2.sh          # PCIe Switch 检查 — DPU 1:2 拓扑
│   └── pciesw_JHS_1to2.sh          # PCIe Switch 检查 — JHS 1:2 拓扑
├── stress_app/                       # 压力测试应用脚本
│   ├── nvgpu_burn.sh / mprime.sh    # GPU/CPU 压力
│   ├── fio_nvme.sh / fio_sata.sh    # NVMe/SATA FIO 压力
│   ├── 12sata.conf / 24nvme.conf    # 批量 FIO 配置
│   ├── bf3_host.sh / bf3_mini_stress.sh  # BF3 RDMA
│   ├── jhs_stress/                  # JHS GPU 压力
│   ├── MCX623432AS-ADAB/            # MCX 网卡测试 (iperf/DDM/updown)
│   ├── tms_stress/                  # TMS 转码卡压力 (功耗/风扇)
│   └── yjs_stress/                  # 云尖 RDMA/DDM
└── tools/                            # 外部工具
    ├── g4Xdiagnostics.x86_64         # PCIe Switch 诊断工具
    ├── scrtnycli.x86_64             # 安全 CLI 工具
    └── internet_V1.1.sh             # 内网代理上网配置

4. 快速开始

4.1 前置依赖

依赖	用途	安装方式
NVIDIA Driver 575.64 + CUDA 12.9	GPU 驱动	参考 GPU_Install-Drive_操作说明.docx
gpu-burn-master	NVIDIA GPU 压力	下载编译安装，详见 7.1 节
mprime (Prime95)	CPU 压力	已内置在 stress_app/ 中
stressapptest	内存压力	编译安装到 stressapptest-master/src/
fio	磁盘 I/O 压力	apt-get install fio
iperf	网络带宽测试	apt-get install iperf
ipmitool	BMC/IPMI 通信	apt-get install ipmitool
mts_system / bdaatool	JHS/TMS 压测	厂商提供

4.2 基本用法

# 进入脚本目录
cd /root/GPU_操作指南/unit_stress

# 运行压力测试：参数1=运行小时数，参数2=采集间隔(分钟)
./unit_stress-v1.00.00.sh 1 3

# 仅做日志检查（不启动压测）
./unit_stress-v1.00.00.sh 1 1

4.3 输出

运行后在当前目录生成 SYS_log/ 目录，包含所有采集的系统信息和压力测试日志。

---

5. 主入口脚本: unit_stress-v1.00.00.sh

路径: unit_stress/unit_stress-v1.00.00.sh

功能说明

主控脚本，负责：

1. 加载所有 lib/ 库函数
2. 解析命令行参数（运行时长、采集间隔）
3. 根据硬件配置（SKU）启用对应测试项
4. 循环采集系统日志并执行黑白名单检查
5. 可选启动压力测试后台进程

代码流程

启动
 ├── 加载 color_code.sh → 终端颜色
 ├── 加载 import.sh → 导入辅助
 ├── 批量 source 所有 lib/*.sh
 ├── parse_arguments "$@" → 解析命令行参数
 ├── comment_set → 根据 SKU 设置测试开关
 ├── tool_chk → 检查依赖工具是否存在
 ├── usb_detect → USB 设备检测
 ├── [box1存在] → box_ping (Box 连通性)
 ├── key_list_set → 加载黑白名单
 ├── gen_log_folders → 创建日志目录
 ├── cal_setting_time → 计算运行时间
 ├── get_basic_info cfg cfg → 采集初始配置
 │
 └── 监控循环 (while runtime <= setting_time)
      ├── box_ping
      ├── gen_log_title
      ├── get_basic_info current txt
      ├── get_system_log → dmesg/messages/SEL/SDR
      ├── sys_date_default_chk → 检查系统日期
      ├── cfg_chk → 硬件配置一致性检查
      ├── test_chk → SEL/SDR 事件检查
      ├── print_sdr_screen → 终端输出 SDR
      └── cal_runnig_time → 更新时间计数

关键参数

脚本内部通过 comment_set 函数识别 SKU（如 "SG4621-3D42GA"），不同的 SKU 会激活不同的硬件检测逻辑和压测项目。

6. lib/ 库脚本详解

6.1 color_code.sh — 终端颜色定义

路径: lib/color_code.sh

定义 ANSI 终端颜色变量，供所有脚本统一使用：

变量	颜色	用途
C_RED / C_GREEN / C_YELLOW	红/绿/黄	正常色
C_LRED / C_LGREEN / C_LYELLOW	亮红/亮绿/亮黄	高亮色（加粗）
C_CYAN / C_LCYAN	青色/亮青	信息提示
C_RESET	重置	恢复默认颜色

C_RED='\033[0;31m'
C_LGREEN='\033[1;32m'
C_LCYAN='\033[1;36m'
C_RESET='\033[0m'

6.2 import.sh — 脚本导入

路径: lib/import.sh

提供 import() 函数，用于 source 外部脚本，并在导入前/后打印提示：

function import(){
    echo -e "importing: ${C_GREEN} $1 ${C_RESET} ..."
    . "$1"
    echo -e "importing: ${C_GREEN} $1 ${C_RESET} completed!"
}

主脚本批量导入 lib 脚本时使用此机制，清晰的日志输出便于定位导入失败的脚本。

6.3 box_ping.sh — Box 连通性检测

路径: lib/box_ping.sh

功能: 对多 Box 拓扑中的 Box1/Box2 进行 ping 连通性测试，确保网络通信正常。

逻辑:

• 通过 ipmitool 获取 Box1 BMC 的时间，验证 BMC 通信
• ping Box1 和 Box2 的管理 IP，记录丢包率
• 失败时写入 fail_log/ 目录

6.4 basic_info.sh — 系统基础信息采集

路径: lib/basic_info.sh

功能: 采集服务器的硬件和系统配置信息，分为两阶段：

第一阶段 (cfg): 启动时采集一次静态配置（CPU、内存、PCIe 设备、NVMe/SATA 磁盘、GPU 型号和数量、网卡信息、BIOS/BMC 版本）。

第二阶段 (current/txt): 每个监控周期采集一次运行时状态（CPU 使用率/频率、内存使用量、磁盘 SMART 信息、GPU 温度/功耗/使用率、SEL/SDR 日志）。

6.5 comment_set.sh — 配置与参数解析

路径: lib/comment_set.sh

功能: 最核心的配置脚本，包含 SKU 识别、命令行参数解析、测试开关控制：

cpu_stress='true'       # CPU 压力测试
mem_stress='true'       # 内存压力测试
nvgpu_stress='true'     # NVIDIA GPU 压力
jhs_stress='false'      # JHS GPU 压力
tms_stress='false'      # TMS 转码卡压力
nvme_stress='false'     # NVMe 压力
hdd_stress='false'      # SATA 压力
iperf_stress='false'    # 网络带宽压力
tianshu_stress='false'  # 天枢 GPU 压力
bf3_mini_stress='false' # BF3 mini RDMA 压力
bf3_dpu_host_stress='false' # BF3 DPU Host RDMA
bf3_dpu_soc_stress='false'  # BF3 DPU SoC RDMA

还包括目录创建、运行时间计算、日志标题生成、SDR 终端输出等功能。

6.6 get_sys_log.sh — 系统日志收集

路径: lib/get_sys_log.sh

功能: 每个监控周期收集系统日志：

日志源	命令	存储文件
dmesg	dmesg (ring buffer)	dmesg.log
messages	/var/log/messages 或 journalctl	messages.log
SEL	ipmitool sel list	host_sel.log
SDR	ipmitool sdr elist	host_sdr.log
Box1 SEL	ipmitool -H <box1_ip> sel list	box1_sel.log
Box1 SDR	ipmitool -H <box1_ip> sdr elist	box1_sdr.log
Box2 SEL/SDR	同上（若 box2 存在）	box2_sel/sdr.log

6.7 chk_fun_def.sh — 检查函数定义

路径: lib/chk_fun_def.sh

功能: 定义各类硬件和日志的检查函数：

• cfg_chk <item>: 检查硬件配置是否与初始基线一致（CPU 核心数、内存容量、GPU 数量、磁盘列表），防止硬件在运行中丢失
• test_chk date-default info: 检查系统日期与 BMC 日期是否一致
• test_chk hostsel elist / hostsdr elist: 检查 Host SEL/SDR
• test_chk box1sel elist / box2sel elist: 检查 Box BMC SEL
• test_chk box1sdr elist / box2sdr elist: 检查 Box BMC SDR
• sys_date_default_chk: 检查系统时间是否被重置为出厂默认值（防止 CMOS 电池故障）
• sw_err_chk: 检查 PCIe Switch 端口错误计数

6.8 key_list_set.sh — 日志黑白名单检查

路径: lib/key_list_set.sh

功能: 核心日志检查逻辑，实现黑白名单过滤机制。

流程:

1. 读取 key_list.txt 中的关键字列表
2. 对 messages.log / dmesg.log / SEL / SDR 日志逐一扫描
3. 黑名单匹配: 日志行包含黑名单关键字 → 标记为可疑
4. 白名单过滤: 若同时匹配白名单关键字 → 视为已知误报，忽略
5. 结果分类:
   • Critical（严重）: 黑名单命中且不在白名单 → 写入 fail_log/
   • Informational（信息性）: 黑名单命中但在白名单 → 仅记录
6. 输出检查摘要到终端

6.9 key_list.txt — 黑白名单关键字

路径: lib/key_list.txt
版本: v2.7 (Bytedance + Common)

包含 8 组关键字，使用 | 分隔的 POSIX 扩展正则表达式：

变量	类别	用途
ZJ_key1	字节跳动 messages 黑名单	throttle, error, panic, fail, timeout, OOM, NVRM: Xid...
ZJ_key2	字节跳动 messages 白名单	已知误报（如 "Error: Driver 'pcspkr' is already registered"）
ZJ_key3	字节跳动 dmesg 黑名单	同 messages 黑名单逻辑
ZJ_key4	字节跳动 dmesg 白名单	已知 dmesg 误报
ZJ_key5	字节跳动 stress SEL 黑名单	deassert, down, abort, fail, ECC, IERR, thermal trip...
ZJ_key6	字节跳动 cycle SEL 黑名单	同上（循环测试场景）
ZJ_key7	字节跳动 SEL 白名单	reset, shutdown, Transition to OK...
ZJ_key8	字节跳动 SDR 黑名单	0 degree, no reading, 0 Watts, absent...
CM_key1~8	通用(Common)黑白名单	更广泛的服务器通用关键字覆盖

6.10 gen_log_folders.sh — 日志目录生成

路径: lib/gen_log_folders.sh

功能: 在 SYS_log/ 下创建嵌套的日志目录结构：

SYS_log/
├── basic/              # 系统基础信息
├── system_log/          # dmesg, messages
├── host/                # Host SEL/SDR
├── cpu/ / mem/ / gpu/   # 各硬件配置与状态
├── hdd/ / nvme/         # 磁盘信息
├── tms/ / nic/          # TMS 转码卡 / 网卡
├── box1/                # Box1 SEL/SDR（含 sw0/sw1 fail_log）
├── box2/                # Box2 SEL/SDR
├── bf3_mini/ / bf3_dpu/ / bf3/  # BF3 各模式 RDMA 日志

6.11 stress_test.sh — 压力测试调度器

路径: lib/stress_test.sh

功能: 集中启动和停止所有压力测试。参数：$1=测试时长(分钟)，$2=日志输出路径，$3=应用路径。

结束机制: 运行 stoptime 后依次 killall fio iperf stressapptest mprime gpu_burn 等。

6.12 PCIe Switch 检查脚本

以下4个脚本功能相同但适配不同拓扑，使用 g4Xdiagnostics.x86_64 采集 PCIe Switch 计数器并逐项校验。

通用逻辑

1. 执行 g4Xdiagnostics.x86_64 -i <port_id> counters 采集计数器
2. 使用 awk 提取各列数据检查：

四类拓扑的 RecDiag 期望值

拓扑端口映射

7. stress_app/ 压力应用详解

7.1 GPU测试

路径: stress_app/nvgpu_burn.sh

下载与安装

gpu-burn 是 NVIDIA GPU 压力测试工具（开源项目 wilicc/gpu-burn），通过矩阵运算将 GPU 满载以检测稳定性和散热问题。

下载:

# 从 GitHub 下载源码（master 分支）
wget https://codeload.github.com/wilicc/gpu-burn/zip/master

解压:

unzip gpu-burn-master.zip

编译:

cd gpu-burn-master

# 安装编译依赖（gcc 编译器）
yum install gcc*

# 编译（确保 CUDA 环境已配置，nvcc -V 能正常输出）
make

注意: 编译前必须确保 NVIDIA CUDA Toolkit 已安装且环境变量配置正确。执行 nvcc -V 应能正常显示版本信息。若未安装 CUDA，请先参考 GPU_Install-Drive_操作说明.docx 安装驱动和 CUDA。

编译成功后，当前目录会生成 gpu_burn 可执行文件。

选择 GPU

通过环境变量 CUDA_VISIBLE_DEVICES 指定要测试的 GPU：

# 仅测试 GPU 0 和 GPU 1
export CUDA_VISIBLE_DEVICES=0,1

# 测试所有 GPU（不设置该变量或设为空）
unset CUDA_VISIBLE_DEVICES

使用方式

# 稳定性测试（默认运行约10分钟）
./gpu_burn

# 快速测试
./gpu_burn 500     # 运行 500 秒

# 短时间测试
./gpu_burn 100     # 运行 100 秒

# 长时间烤机（48 小时 = 48×60×60 秒）
./gpu_burn $((48*60*60))

# 指定 GPU 并将输出保存到文件
export CUDA_VISIBLE_DEVICES=0,1
./gpu_burn 100 >> file.txt

时间参数说明

gpu_burn 接受的唯一参数是运行秒数。使用 Shell 算术表达式可方便计算：

在 unit_stress 中的调用

nvgpu_burn.sh 脚本调用方式：

cd gpu-burn-master
./gpu_burn -m 100% -tc $testtime >> gpu_stress.log 2>&1 &

• -m 100%: 使用 100% GPU 显存（VRAM），确保显存也被压力覆盖
• -tc $testtime: 运行时长（秒），由主脚本计算并传入
• 后台运行，输出记录到 gpu_stress.log

参考来源: 以上安装方法整理自 CSDN 博主「仰望手帕」的原创文章：https://blog.csdn.net/sun7138245/article/details/108974536

7.2 CPU 压力测试

路径: stress_app/mprime.sh

mprime 是 Prime95 的 Linux 命令行版本（GIMPS 项目 mersenne.org），通过 Lucas-Lehmer 素性测试算法执行浮点密集型运算，其内置的 Torture Test 模式是业界公认的 CPU 稳定性验证标准，能有效检测 CPU 过热、内存控制器错误和超频不稳定等问题。

下载与安装

mprime 已内置于 stress_app/mprime/ 目录中，包含以下主要文件：

注意: 运行 mprime 前必须确保系统已安装 32 位 C 运行库（glibc.i686）。CentOS/RHEL 系统可使用 yum install glibc.i686 安装。

使用方式

mprime 通过 -t 参数启动 Torture Test（压力测试）模式：

# 进入 mprime 目录
cd mprime/

# 启动压力测试（纯 CPU 模式）
./mprime -t

# 启动 Blend 模式（CPU + 内存综合压力，推荐）
./mprime -t 3

测试类型说明

建议: 若机器做过超频或用于生产环境验证，建议运行 Torture Test 至少 24-48 小时。运行时间越长，越有可能发现因过热或内存过载导致的硬件错误。

在 unit_stress 中的调用

stress_test.sh 中 CPU 压力测试的调用方式：

cd mprime/
./mprime -t 3 | tee -a cpu_stress.log &

• -t 3: Blend 模式，CPU + 内存 + 内存控制器综合压力，使用所有核心
• 后台运行，输出记录到 cpu_stress.log

7.3 内存压力测试

路径: stress_app/mem/

stressapptest 是 Google 开发的内存接口压力测试工具（开源项目 stressapptest/stressapptest），通过最大化处理器和I/O对内存的随机流量来创建真实的高负载场景，用于检测内存信号完整性、内存控制器和总线接口问题。

下载与安装

方式一：包管理器安装:

# Ubuntu/Debian
sudo apt-get install stressapptest

# CentOS/RHEL
sudo yum install stressapptest

方式二：源码编译:

# 克隆源码
git clone https://github.com/stressapptest/stressapptest.git
cd stressapptest
./configure
make
sudo make install

使用方式

# 基本用法（测试 256MB，8 线程，运行 20 秒）
./stressapptest -s 20 -M 256 -m 8 -W

# 完整压力测试（自动检测内存大小，使用全部 CPU 核心）
./stressapptest -s 3600 -W

# 长时间烤机（24 小时）
./stressapptest -s $((24*60*60)) -W

参数说明

在 unit_stress 中的调用

stress_test.sh 中内存压力测试的调用方式：

stressapptest -s $testtime -W >> mem_stress.log 2>&1 &

• -s $testtime: 运行时长（秒），由主脚本计算并传入
• -W: 高压力模式，增加 CPU 负载以提高内存访问强度
• 后台运行，输出记录到 mem_stress.log

7.4 磁盘 I/O 压力测试

路径: stress_app/fio_nvme.sh, stress_app/fio_sata.sh

NVMe 测试参数

fio --name=seq_write --filename=/dev/nvmeXn1 \
    --ioengine=libaio --direct=1 --thread=1 \
    --numjobs=1 --iodepth=128 --rw=write \
    --bs=128k --runtime=$testtime --time_based=1 \
    --size=100% --norandommap=1 --randrepeat=0

SATA 测试参数

fio --name=random_read --filename=/dev/sdX \
    --ioengine=libaio --direct=1 --thread=1 \
    --numjobs=1 --iodepth=32 --rw=randrw --rwmixread=100 \
    --bs=4k --runtime=$testtime --time_based=1 \
    --size=100% --norandommap=1 --randrepeat=0

FIO 配置文件: stress_app/12sata.conf, stress_app/24nvme.conf

针对特定盘数的批量 FIO 配置（48H 压力测试）：

• 12sata.conf: /dev/sdb~/dev/sdm 12 块 SATA 盘 4K 随机读
• 24nvme.conf: /dev/nvme0n1~/dev/nvme23n1 24 块 NVMe 盘 128K 顺序写

fio 12sata.conf    # 启动 12 盘 SATA 压测
fio 24nvme.conf    # 启动 24 盘 NVMe 压测

7.5 BF3 压力测试

bf3_mini_stress.sh — BF3 Mini 模块 RDMA

路径: stress_app/bf3_mini_stress.sh

适用于 QDH Box 中 2 块 BF3 Mini 模块，通过 mlx5_0 和 mlx5_5 设备执行 RDMA 双向带宽测试：

# Server端 (mlx5_0)
numactl -m 0 -N 0 ib_write_bw --report_gbits -d mlx5_0 -p 10000 --run_infinitely &

# Client端 (mlx5_5 → 192.168.11.12)
numactl -m 0 -N 0 ib_write_bw --report_gbits -d mlx5_5 \
    -F 192.168.11.12 -p 10000 --run_infinitely | tee mlx5_5.log &

bf3_host.sh — BF3 DPU Host RDMA

路径: stress_app/bf3_host.sh

适用于 2 端口 BF3 DPU 模块，通过 Linux network namespace (netns) 隔离双端口网络栈后执行 RDMA 自环测试：

ip netns add ns0 && ip netns add ns1
ip link set ens9f0np0 netns ns0
ip link set ens9f1np1 netns ns1
ip netns exec ns0 ib_write_bw -d mlx5_0 ... &
ip netns exec ns1 ib_write_bw -d mlx5_1 ... 192.168.20.1 &

7.6 jhs_stress/ — JHS GPU 压力测试

stress_test_jhs.sh

路径: stress_app/jhs_stress/stress_test_jhs.sh

对 16 张 JHS GPU 卡逐一启动 mts_system enable stressTest：

cpupower -c all frequency-set -g performance
for i in {0..15}; do
    mts_system enable stressTest all $testtime --model_id=1 --card=$i &
done

chk_res.sh — 结果检查

路径: stress_app/jhs_stress/chk_res.sh

检查 JHS stress 日志中是否有 fail/error 等关键字，若有则写入失败报告。

7.7 tms_stress/ — TMS 转码卡压力测试

stress_test_tms.sh — TMS Stress 启动

路径: stress_app/tms_stress/stress_test_tms.sh

自动发现 TMS 转码卡（lspci | grep "Device 1e93:1004"），逐一启动 H.264 1080p 转码压力测试：

BDF=`lspci -vvv | grep -i "Device 1e93:1004" | awk '{print $1}'`
for bdf in $BDF; do
    index_num=`bdaatool -l | grep $bdf | awk '{print $1}' | tr -d '[]'`
    nvidia mts video enable transPerf trans_h264_1080p all all $testtime --card=$index_num &
done

功耗监控

风扇控制

结果检查

• chk_res.sh: 检查 TMS 转码结果是否有错误
• tms_stress/chk_res.sh: 检查 TMS 功耗压力结果

7.8 MCX 网卡测试

updown_BF3.sh — 端口 Link Up/Down

路径: stress_app/MCX623432AS-ADAB/updown_BF3.sh

对 MCX623432AS-ADAB 网卡端口执行循环 up/down 操作，验证链路稳定性：

ip link set $interface down
sleep 5
ip link set $interface up
# 检查链路是否恢复、是否有错误

iperf/ — 网络带宽测试

iperf -c <server_ip> -P 15 -t 600 -i 5 -f g
# -P 15: 15 个并行流  -t 600: 运行 600 秒
# -i 5: 每 5 秒输出  -f g: 以 Gbits 显示

down-up_mcx.sh — MCX 端口 Down/Up

路径: stress_app/MCX623432AS-ADAB/down-up/down-up_mcx.sh

与 updown_BF3.sh 类似，针对 MCX 端口执行 link down/up 循环测试。

DDM_ethtool/ — 光模块 DDM 监控

7.9 yjs_stress/ — 云尖(YJS) Stress 测试

rdma_yjs/ — RDMA 带宽测试

路径: stress_app/yjs_stress/rdma_yjs/

包含云尖交换机多端口 RDMA 带宽测试脚本（ib_write_bw 自环 + 8 端口交叉）：

1to1/ — 一对一 RDMA 拓扑:

RDMA 关键参数：

ib_write_bw -d bfa_0 -x 0 -p 10000 -n 10000 --report_gbits \
    -Q 1 -r 1 -q 8 -t 1024 -a -b -F --recv_post_list 8 --run_infinitely

single/ — 单端口 RDMA:

ddm_yjs/DDM_yjs.sh — 光模块 DDM 监控

路径: stress_app/yjs_stress/ddm_yjs/DDM_yjs.sh

对 YJS 交换机的光模块执行 DDM（Digital Diagnostics Monitoring）监控，检查光模块的温度、电压、偏置电流和收发功率是否正常。

8. tools/ 工具目录

8.1 internet_V1.1.sh — 内网代理上网

路径: tools/internet_V1.1.sh
功能: 允许内网服务器通过代理访问外网（用于安装依赖包）。

source internet_V1.1.sh -a    # 允许上网（添加代理）
source internet_V1.1.sh -d    # 禁止上网（移除代理）

实现: 向 /etc/bashrc 或 /etc/bash.bashrc 写入/删除 http_proxy=http://172.27.0.249:80，兼容 CentOS/RHEL/Debian/Ubuntu。

8.2 g4Xdiagnostics.x86_64

PCIe Switch 诊断工具（二进制），由 PCIe Switch 厂商提供，用于读取 Switch 端口计数器、检查端口错误。在 pciesw_*.sh 脚本中通过不同 -i <port_id> 参数调用。

8.3 scrtnycli.x86_64

安全 CLI 工具（二进制），用于与安全芯片/TPM 交互。

---

9. 使用示例

9.1 标准压力测试（1小时，每3分钟采集）

cd /root/GPU_操作指南/unit_stress
./unit_stress-v1.00.00.sh 1 3

9.2 仅做日志检查（不做压力测试）

在 comment_set.sh 中将所有 _stress='true' 设置为 'false'，然后运行：

./unit_stress-v1.00.00.sh 1 1

9.3 启用/禁用特定测试

编辑 lib/stress_test.sh 中的 comment_set 函数：

cpu_stress='false'         # 禁用 CPU 压力
nvgpu_stress='true'        # 启用 GPU 压力
nvme_stress='true'         # 启用 NVMe 压力

9.4 自定义黑白名单

编辑 lib/key_list.txt，按格式追加或修改关键字。例如：

ZJ_key1="原有关键字|新增关键字|另一个关键字"

9.5 解读日志输出

运行后检查 SYS_log/ 目录：

• fail_log/ → 需要处理的异常
• basic/ → 系统配置基线
• cpu/mem/gpu/nvme/ → 各硬件测试日志
• host/box1/box2/ → BMC SEL/SDR 日志

---

10. 相关文档

11. 版本历史

维护者: Charles Qin
适用范围: Debian / CentOS / RHEL / Ubuntu
测试覆盖: NVIDIA GPU / JHS GPU / TMS 转码卡 / BF3 DPU / NVMe / SATA / RDMA / PCIe Switch