GPU服务器 · 驱动安装与压力测试流程

原创已于 2026-06-14 22:16:20 修改 · 244 阅读

5 ·

本内容遵循CC 4.0 BY-SA版权协议

GEO检测

于 2026-06-14 22:15:50 首次发布

该文章已生成可运行项目，

🖥️ GPU服务器 · 驱动安装与压力测试标准流程

适用系统： Ubuntu 24.04 LTS
适用显卡： RTX 3080/4070S/4090, A100, H100/H800

⚠️ 重要前提： 本流程适用于全新安装的Ubuntu 24.04系统。操作前请确保服务器已连接网络，并已通过SSH或物理终端登录。

1. 系统更新与基础工具

sudo apt update && sudo apt upgrade -y
sudo apt install build-essential gcc make pciutils -y
sudo reboot

🖥️ 终端输出示例：
正在读取软件包列表… 完成
下列软件包将被升级：…
继续执行吗？[Y/n] Y

💡 升级后务必重启，确保使用最新内核。

屏蔽开源驱动 nouveau

sudo bash -c "echo blacklist nouveau > /etc/modprobe.d/blacklist-nvidia-nouveau.conf"
sudo bash -c "echo options nouveau modeset=0 >> /etc/modprobe.d/blacklist-nvidia-nouveau.conf"
sudo update-initramfs -u
sudo reboot

🖼️ 执行命令后无特别输出即为成功。重启后可用 lsmod | grep nouveau 验证，若无输出则屏蔽生效。

确认显卡被系统识别

lspci | grep -i nvidia

🖥️ 输出示例 (H800)：
1a:00.0 3D controller: NVIDIA Corporation GH100 [H800] (rev a1)
…（共8行）

安装NVIDIA驱动
📋 驱动版本对照表

RTX 3080/4070S/4090 → nvidia-driver-550

A100 → nvidia-driver-535-server

H100/H800 → nvidia-driver-550-server

以H800为例

sudo apt install nvidia-driver-550-server -y
sudo reboot

🖥️ 安装过程会显示进度条，可能弹出“Pending kernel upgrade”提示，直接回车继续即可。

验证驱动

nvidia-smi

🖼️ 预期窗口截图：
表格显示 Driver Version: 550.x.x，下方列出8块H800显卡，每张卡显存、温度、功耗数据正常。

安装压力测试工具

安装NVIDIA官方诊断工具DCGM

sudo apt install datacenter-gpu-manager -y
sudo systemctl start nvidia-dcgm
sudo systemctl enable nvidia-dcgm

方式一：从 Gitee 镜像下载（国内推荐，稳定）

git clone https://gitee.com/mirrors/gpu-burn.git
cd gpu-burn
make

方式二：从 GitHub 下载（备用，需网络通畅）

git clone https://github.com/wilicc/gpu-burn.git
cd gpu-burn
make

📌 说明： gpu-burn 无需额外依赖，make 编译后即可使用。推荐优先使用 Gitee 镜像，连接更稳定。若两条命令均失败，检查服务器DNS设置或联系网络管理员。

执行压力测试
7.1 快速诊断 (约1分钟)

sudo nvidia-dcgmi diag -r 1

7.2 8卡同时满压力测试 (推荐，持续2小时)

gpu_burn 默认占用所有可见GPU，8张卡会同时满载

./gpu_burn 7200

💡 不加 CUDA_VISIBLE_DEVICES 时，gpu_burn 会自动检测并同时烧所有8张卡。

7.3 监控测试状态 (另开一个终端)

watch -n 1 nvidia-smi

🖼️ 监控截图：每张卡GPU利用率100%，温度稳定在70~80℃，功耗接近额定值，8张卡全部在线。

测试结果与报告

导出GPU指标

nvidia-smi --query-gpu=index,name,temperature.gpu,power.draw,clocks.sm,clocks.mem --format=csv > gpu_metrics.csv

导出DCGM诊断报告

sudo nvidia-dcgmi diag -r 3 -j > gpu_test_report.json

检查项：GPU数量，8张卡全部识别
功耗，接近TGP (H800≈700W, 4090≈450W)
温度， ≤85°C
Xid错误，dmesg无新增Xid

本文章已经生成可运行项目

标签

#gpu算力