Az NVIDIA nyílt forrású eszközzel ellenőrizné a GPUDirect Storage környezeteket

A GDS-környezetek ellenőrzésére készült

Az NVIDIA GPUDirect Storage, röviden GDS, közvetlen adatútvonalat biztosít az NVIDIA GPU-k és a tárolási célpontok között. Az NVIDIA szerint ez a megközelítés növelheti a sávszélességet, csökkentheti a késleltetést, valamint a processzor és a memória kihasználtságát helyszíni és felhős környezetekben.

A GPUDirect Storage beállítása azonban platformtól, tárolási megoldástól és munkaterheléstől függ. A vállalat fejlesztői blogján, 2026. október 30-án bemutatott gds-diag célja, hogy egyetlen eszközzel felmérje a környezetet, azonosítsa a problémákat, és fejlesztési javaslatokat adjon a GDS-telepítésekhez.

A program az NVIDIA Magnum IO GitHub-tárházának részeként érhető el, nyílt forrású licenc alatt. Futtatásához Linux rendszer és Python 3.8 vagy újabb szükséges. Maga a gds-diag nem igényel további függőségek telepítését. A GPUDirect Storage használatához ugyanakkor NVIDIA adatközponti kategóriájú GPU és NVIDIA CUDA Toolkit 12.2 vagy újabb kell, ezek viszont nem a diagnosztikai eszköz közvetlen függőségei.

Parancssorból többféle vizsgálat indítható

A gds-diag egyetlen Python-szkriptként működik, amely több alparancsot kínál. Az all teljes diagnosztikai sorozatot futtat a megadott útvonalon, és bare-metal, virtuális gépes, valamint konténeres környezetben is használható.

A telepítés előtti ellenőrzéshez a pre-install a GPU-támogatást és a CUDA Toolkit telepítését vizsgálja, a support-matrix pedig a támogatott tárolási célpontok és platformkombinációk áttekintését segíti. A telepítés után a post-install a GDS helyes telepítését ellenőrzi, a config-audit pedig a konfigurációs fájlokat és a működést befolyásoló környezeti változókat vizsgálja.

A mélyebb hibakeresést a container-check és a mount-check végzi. Előbbi többek között containerd, Docker, Enroot és Kubernetes környezetek GDS-támogatását méri fel, utóbbi egy konkrét csatolási pont vagy könyvtár vizsgálatára használható. A jelentések JSON formátumban is kiadhatók a --json kapcsolóval.

A találatok státuszjelzéseket kapnak. A FAIL közvetlen akadályt, a WARN lehetséges problémát, az INFO fontos információt, a PASS pedig megfelelő állapotot jelez. A PASS eredmények csak a --verbose használatakor jelennek meg. Minden találathoz magyarázat és javítási terv tartozik, az eszköz azonban ezeket nem hajtja végre, és önállóan nem módosítja a rendszert.

Természetes nyelvű diagnosztikát is kínál

A gds-diaghoz opcionális ügynökképesség is tartozik. Ez egy kódolási asszisztensben, például Claude vagy Codex használatával aktiválható, amikor a felhasználó megnyitja a gds-diag könyvtárát. Az NVIDIA szerint a képességet mindkét eszközzel validálták, és más megoldásokkal is működhet.

Az ügynök természetes nyelven értelmezi a felhasználó szándékát, kiválasztja és meghívja a megfelelő alparancsokat, valamint több lépésből álló diagnosztikai folyamatokat koordinál. A parancssori eszköz determinisztikus ellenőrzéseire támaszkodva képes értelmezni az eredményeket, figyelembe venni a rendszer kontextusát, és javítási lehetőségeket javasolni. A funkció az NVIDIA leírása szerint akkor is megőrzi az alapul szolgáló parancssori eszköz megbízható működését.

Az NVIDIA javasolt használati útvonala a Magnum IO tárház klónozásával kezdődik. A parancssoros módszernél a gds-diag könyvtárban a gds-diag.py --help paranccsal jeleníthetők meg az útmutatások, az ügynöki módszernél pedig a könyvtárat kell megnyitni a választott kódolási asszisztensben. A vállalat az ügynöki módot ajánlja, ha az adott környezetben elérhető.

Mit jelent ez a GDS-felhasználóknak?

A gds-diag a GDS bevezetésének több szakaszát támogatja, a hardver- és CUDA-ellenőrzéstől a telepítés utáni validáción át a konténeres és csatolási pontokra vonatkozó hibakeresésig. A support-matrix segítségével a felhasználók a támogatott tárolási kombinációkat is áttekinthetik, a konfiguráció-ellenőrzés pedig például elgépeléseket is feltárhat.

Az eszköz így a GPUDirect Storage dokumentációjának használatát egészíti ki. A diagnosztikai eredményeket és a hozzájuk tartozó mérséklési terveket a rendszergazdák saját folyamatukban értékelhetik, szükség esetén pedig a JSON-kimenetet más eszközökbe továbbíthatják vagy archiválhatják.