# Reparo automático de GPU para instâncias gerenciadas do Amazon ECS
O Amazon ECS monitora a integridade de GPU NVIDIA nas instâncias gerenciadas do Amazon ECS que usam hardware de GPU. Quando o Amazon ECS detecta uma falha no hardware de GPU, ele pode substituir automaticamente a instância danificada. O reparo automático de GPU é habilitado por padrão para instâncias gerenciadas do Amazon ECS
## Como funciona
O Amazon ECS usa o NVIDIA Data Center GPU Manager (DCGM) para monitorar a integridade da GPU NVIDIA em instâncias gerenciadas que tenham hardware de GPU. Quando o DCGM relata uma falha crítica de GPU, o Amazon ECS marca a instância como danificada.
Quando o reparo automático de GPU está habilitado, o Amazon ECS substitui a instância danificada usando um fluxo de trabalho de início antes da parada:
1. O Amazon ECS define a instância danificada como DRAINING. Novas tarefas não serão colocadas na instância.
1. O Amazon ECS provisiona uma instância substituta.
1. O Amazon ECS permite que as tarefas existentes sejam interrompidas normalmente. O Amazon ECS honra o tempo limite de parada de tarefas para tarefas na instância.
1. Após o término do período de drenagem, o Amazon ECS encerra a instância danificada.
O Amazon ECS limita as ações de reparo para evitar substituições em cascata. Não mais do que 20% das instâncias pertencentes ao provedor de capacidade podem ser drenadas por vez. Se houver menos de 9 instâncias no provedor de capacidade, no máximo uma instância será drenada por vez.
## Monitoramento de integridade de GPU
É possível usar a API `DescribeContainerInstances` para verificar a integridade de GPUs. Para obter mais informações, consulte [Monitoramento da integridade da instância de contêiner do Amazon ECS](container-instance-health.md). Também é possível monitorar as alterações de integridade de GPU por meio de [Eventos de alteração na integridade da instância de contêiner do Amazon ECS](ecs_container_instance_health_events.md).
## Códigos de erro de Xid NVIDIA
O Amazon ECS monitora os códigos de erro de Xid NVIDIA a seguir. Se o Amazon ECS detectar algum desses erros, ele marcará a instância como danificada e a substituirá.
| Xid | Descrição |
| --- | --- |
| 46 | Processamento interrompido pela GPU |
| 48 | Erro de ECC de dois bits |
| 54 | Conector de alimentação auxiliar não conectado |
| 62 | Interrupção de microcontrolador interno |
| 64 | Falha de remapeamento de memória de GPU |
| 74 | Erro de NVLink |
| 79 | A GPU saiu do barramento |
| 95 | Erro de memória não contido |
| 109 | Tempo limite de troca de contexto |
| 110 | A GPU desapareceu do barramento |
| 136 | Limite de retirada da página de memória de GPU excedido |
| 140 | Erro de ECC não recuperável |
| 142 | Página de memória de GPU retirada devido a um erro incorrigível |
| 143 | Página de memória de GPU retirada devido a limiar de erro corrigível |
| 151 | Erro de interconexão entre GPU e CPU |
| 155 | Erro de flit CRC de NVLink de GPU |
| 156 | Erro de faixa de NVLink de GPU |
| 158 | InfoROM de GPU corrompida |
Para obter mais informações sobre erros do XID, consulte [Xid Errors](https://docs.nvidia.com/deploy/xid-errors/index.html#topic_5_1) na *Documentação de implantação e gerenciamento da GPU NVIDIA*. Para obter mais informações sobre as mensagens individuais do XID, consulte [Understanding Xid Messages](https://docs.nvidia.com/deploy/gpu-debug-guidelines/index.html#understanding-xid-messages) na *Documentação de implantação e gerenciamento da GPU NVIDIA*.
## Desabilitação do reparo automático
O reparo automático de GPU é habilitado por padrão para instâncias gerenciadas do Amazon ECS Para desabilitar o reparo automático de GPU, defina `actionsStatus` como `DISABLED` em `autoRepairConfiguration` ao criar ou atualizar um provedor de capacidade. Você também pode desabilitar o reparo automático de GPU no console do Amazon ECS ao criar ou atualizar um provedor de capacidade.
Quando o reparo automático de GPU é desabilitado, o Amazon ECS continua monitorando a integridade da GPU, mas não substitui automaticamente as instâncias danificadas.
**nota**
A desabilitação do reparo automático de GPU também desabilita o reparo automático de daemons gerenciados do Amazon ECS. Para obter mais informações, consulte [Reparo automático de daemons gerenciados do Amazon ECS](https://docs.aws.amazon.com/AmazonECS/latest/developerguide/managed-daemons-auto-repair.html).
**Para desabilitar o reparo automático de GPU**
```
aws ecs update-capacity-provider \
--name {{my-gpu-capacity-provider}} \
--managed-instances-provider '{
"infrastructureRoleArn": "arn:aws:iam::{{111122223333}}:role/ecsInfrastructureRole",
"instanceLaunchTemplate": {
"ec2InstanceProfileArn": "arn:aws:iam::{{111122223333}}:instance-profile/ecsInstanceRole",
"networkConfiguration": {
"subnets": ["{{subnet-0123456789abcdef0}}"],
"securityGroups": ["{{sg-0123456789abcdef0}}"]
}
},
"autoRepairConfiguration": {
"actionsStatus": "DISABLED"
}
}'
```
**Para habilitar o reparo automático de GPU**
```
aws ecs update-capacity-provider \
--name {{my-gpu-capacity-provider}} \
--managed-instances-provider '{
"infrastructureRoleArn": "arn:aws:iam::{{111122223333}}:role/ecsInfrastructureRole",
"instanceLaunchTemplate": {
"ec2InstanceProfileArn": "arn:aws:iam::{{111122223333}}:instance-profile/ecsInstanceRole",
"networkConfiguration": {
"subnets": ["{{subnet-0123456789abcdef0}}"],
"securityGroups": ["{{sg-0123456789abcdef0}}"]
}
},
"autoRepairConfiguration": {
"actionsStatus": "ENABLED"
}
}'
```
**Para verificar a configuração**
```
aws ecs describe-capacity-providers \
--capacity-providers {{my-gpu-capacity-provider}}
```