数据结构

group dcgmStructs

未命名组

DCGM_HOME_DIR_VAR_NAME "DCGM_HOME_DIR": 用于运行 GPU 诊断的标志选项。

DCGM_RUN_FLAGS_VERBOSE 0x0001: 以详细模式输出；包括信息以及警告。

DCGM_RUN_FLAGS_STATSONFAIL 0x0002: 仅在失败时输出统计信息。

DCGM_RUN_FLAGS_TRAIN 0x0004: 未使用训练 DCGM 诊断并输出包含黄金值的配置文件。

DCGM_RUN_FLAGS_FORCE_TRAIN 0x0008: 未使用忽略针对训练诊断的警告并强制训练。

DCGM_RUN_FLAGS_FAIL_EARLY 0x0010: 为目标压力测试、目标功耗测试、SM 压力测试和诊断测试启用提前失败检查。

未命名组

DCGM_TOPO_HINT_F_NONE 0x00000000

用于 dcgmSelectGpusByTopology() 的拓扑提示

未指定任何提示

DCGM_TOPO_HINT_F_IGNOREHEALTH 0x00000001

在为作业执行选择 GPU 时，忽略 GPU 的健康状况。

默认情况下，仅考虑健康的 GPU。

定义

dcgmConnectV2Params_version1 MAKE_DCGM_VERSION(dcgmConnectV2Params_v1, 1): dcgmConnectV2Params_v1 的版本 1。

dcgmConnectV2Params_version2 MAKE_DCGM_VERSION(dcgmConnectV2Params_v2, 2): dcgmConnectV2Params_v2 的版本 2。

dcgmConnectV2Params_version dcgmConnectV2Params_version2 : dcgmConnectV2Params_t 的最新版本。

dcgmHostengineHealth_version1 MAKE_DCGM_VERSION(dcgmHostengineHealth_v1, 1)

dcgmHostengineHealth_version dcgmHostengineHealth_version1: dcgmHostengineHealth_t 的最新版本。

dcgmGroupInfo_version2 MAKE_DCGM_VERSION(dcgmGroupInfo_v2, 2): dcgmGroupInfo_v2 的版本 2。

dcgmGroupInfo_version3 MAKE_DCGM_VERSION(dcgmGroupInfo_v3, 3): dcgmGroupInfo_v3 的版本 3。

dcgmGroupInfo_version dcgmGroupInfo_version3 : dcgmGroupInfo_t 的最新版本。

DCGM_MAX_INSTANCES_PER_GPU 8

DCGM_MAX_COMPUTE_INSTANCES_PER_GPU DCGM_MAX_INSTANCES_PER_GPU

DCGM_MAX_TOTAL_INSTANCES_PER_GPU 14

DCGM_MAX_HIERARCHY_INFO DCGM_MAX_NUM_DEVICES *DCGM_MAX_TOTAL_INSTANCES_PER_GPU

DCGM_MAX_INSTANCES DCGM_MAX_NUM_DEVICES *DCGM_MAX_INSTANCES_PER_GPU

DCGM_MAX_COMPUTE_INSTANCES DCGM_MAX_INSTANCES

dcgmMigHierarchy_version2 MAKE_DCGM_VERSION(dcgmMigHierarchy_v2, 2)

dcgmMigHierarchy_version dcgmMigHierarchy_version2

DCGM_CPU_CORE_BITMASK_COUNT_V1 (DCGM_MAX_NUM_CPU_CORES / sizeof(uint64_t) / CHAR_BIT): 位掩码，指示此 CPU 拥有的内核。

dcgmCpuHierarchyOwnedCores_version1 MAKE_DCGM_VERSION(dcgmCpuHierarchyOwnedCores_v1, 1)

dcgmCpuHierarchy_version1 MAKE_DCGM_VERSION(dcgmCpuHierarchy_v1, 1): dcgmCpuHierarchy_t 的版本 1。

dcgmCpuHierarchy_version2 MAKE_DCGM_VERSION(dcgmCpuHierarchy_v2, 2): dcgmCpuHierarchy_t 的版本 2。

dcgmCpuHierarchy_version dcgmCpuHierarchy_version2 : dcgmCpuHierarchy_t 的最新版本。

DCGM_MAX_NUM_FIELD_GROUPS 64: 可以存在的字段组的最大数量。

DCGM_MAX_FIELD_IDS_PER_FIELD_GROUP 128: 单个字段组中可以包含的最大字段 ID 数量。

dcgmFieldGroupInfo_version1 MAKE_DCGM_VERSION(dcgmFieldGroupInfo_v1, 1): dcgmFieldGroupInfo_v1 的版本 1。

dcgmFieldGroupInfo_version dcgmFieldGroupInfo_version1 : dcgmFieldGroupInfo_t 的最新版本。

dcgmAllFieldGroup_version1 MAKE_DCGM_VERSION(dcgmAllFieldGroup_v1, 1): dcgmAllFieldGroup_v1 的版本 1。

dcgmAllFieldGroup_version dcgmAllFieldGroup_version1 : dcgmAllFieldGroup_t 的最新版本。

dcgmClockSet_version1 MAKE_DCGM_VERSION(dcgmClockSet_v1, 1): dcgmClockSet_v1 的版本 1。

dcgmClockSet_version dcgmClockSet_version1 : dcgmClockSet_t 的最新版本。

dcgmDeviceSupportedClockSets_version1 MAKE_DCGM_VERSION(dcgmDeviceSupportedClockSets_v1, 1): dcgmDeviceSupportedClockSets_v1 的版本 1。

dcgmDeviceSupportedClockSets_version dcgmDeviceSupportedClockSets_version1 : dcgmDeviceSupportedClockSets_t 的最新版本。

dcgmDevicePidAccountingStats_version1 MAKE_DCGM_VERSION(dcgmDevicePidAccountingStats_v1, 1): dcgmDevicePidAccountingStats_v1 的版本 1。

dcgmDevicePidAccountingStats_version dcgmDevicePidAccountingStats_version1 : dcgmDevicePidAccountingStats_t 的最新版本。

dcgmDeviceThermals_version1 MAKE_DCGM_VERSION(dcgmDeviceThermals_v1, 1): dcgmDeviceThermals_v1 的版本 1。

dcgmDeviceThermals_version dcgmDeviceThermals_version1 : dcgmDeviceThermals_t 的最新版本。

dcgmDevicePowerLimits_version1 MAKE_DCGM_VERSION(dcgmDevicePowerLimits_v1, 1): dcgmDevicePowerLimits_v1 的版本 1。

dcgmDevicePowerLimits_version dcgmDevicePowerLimits_version1 : dcgmDevicePowerLimits_t 的最新版本。

dcgmDeviceIdentifiers_version1 MAKE_DCGM_VERSION(dcgmDeviceIdentifiers_v1, 1): dcgmDeviceIdentifiers_v1 的版本 1。

dcgmDeviceIdentifiers_version dcgmDeviceIdentifiers_version1 : dcgmDeviceIdentifiers_t 的最新版本。

dcgmDeviceMemoryUsage_version1 MAKE_DCGM_VERSION(dcgmDeviceMemoryUsage_v1, 1): dcgmDeviceMemoryUsage_v1 的版本 1。

dcgmDeviceMemoryUsage_version dcgmDeviceMemoryUsage_version1 : dcgmDeviceMemoryUsage_t 的最新版本。

dcgmDeviceVgpuUtilInfo_version1 MAKE_DCGM_VERSION(dcgmDeviceVgpuUtilInfo_v1, 1): dcgmDeviceVgpuUtilInfo_v1 的版本 1。

dcgmDeviceVgpuUtilInfo_version dcgmDeviceVgpuUtilInfo_version1 : dcgmDeviceVgpuUtilInfo_t 的最新版本。

dcgmDeviceEncStats_version1 MAKE_DCGM_VERSION(dcgmDeviceEncStats_v1, 1): dcgmDeviceEncStats_v1 的版本 1。

dcgmDeviceEncStats_version dcgmDeviceEncStats_version1 : dcgmDeviceEncStats_t 的最新版本。

dcgmDeviceFbcStats_version1 MAKE_DCGM_VERSION(dcgmDeviceFbcStats_v1, 1): dcgmDeviceFbcStats_v1 的版本 1。

dcgmDeviceFbcStats_version dcgmDeviceFbcStats_version1 : dcgmDeviceEncStats_t 的最新版本。

dcgmDeviceFbcSessionInfo_version1 MAKE_DCGM_VERSION(dcgmDeviceFbcSessionInfo_v1, 1): dcgmDeviceFbcSessionInfo_v1 的版本 1。

dcgmDeviceFbcSessionInfo_version dcgmDeviceFbcSessionInfo_version1 : dcgmDeviceFbcSessionInfo_t 的最新版本。

dcgmDeviceFbcSessions_version1 MAKE_DCGM_VERSION(dcgmDeviceFbcSessions_v1, 1): dcgmDeviceFbcSessions_v1 的版本 1。

dcgmDeviceFbcSessions_version dcgmDeviceFbcSessions_version1 : dcgmDeviceFbcSessions_t 的最新版本。

dcgmDeviceVgpuEncSessions_version1 MAKE_DCGM_VERSION(dcgmDeviceVgpuEncSessions_v1, 1): dcgmDeviceVgpuEncSessions_v1 的版本 1。

dcgmDeviceVgpuEncSessions_version dcgmDeviceVgpuEncSessions_version1 : dcgmDeviceVgpuEncSessions_t 的最新版本。

dcgmDeviceVgpuProcessUtilInfo_version1 MAKE_DCGM_VERSION(dcgmDeviceVgpuProcessUtilInfo_v1, 1): dcgmDeviceVgpuProcessUtilInfo_v1 的版本 1。

dcgmDeviceVgpuProcessUtilInfo_version dcgmDeviceVgpuProcessUtilInfo_version1 : dcgmDeviceVgpuProcessUtilInfo_t 的最新版本。

dcgmDeviceVgpuTypeInfo_version1 MAKE_DCGM_VERSION(dcgmDeviceVgpuTypeInfo_v1, 1): dcgmDeviceVgpuTypeInfo_v1 的版本 1。

dcgmDeviceVgpuTypeInfo_version2 MAKE_DCGM_VERSION(dcgmDeviceVgpuTypeInfo_v2, 2): dcgmDeviceVgpuTypeInfo_v2 的版本 2。

dcgmDeviceVgpuTypeInfo_version dcgmDeviceVgpuTypeInfo_version2 : dcgmDeviceVgpuTypeInfo_t 的最新版本。

dcgmDeviceSupportedVgpuTypeInfo_version1 MAKE_DCGM_VERSION(dcgmDeviceSupportedVgpuTypeInfo_v1, 1): dcgmDeviceSupportedVgpuTypeInfo_v1 的版本 1。

dcgmDeviceSupportedVgpuTypeInfo_version dcgmDeviceSupportedVgpuTypeInfo_version1 : dcgmDeviceSupportedVgpuTypeInfo_t 的最新版本。

dcgmDeviceSettings_version2 MAKE_DCGM_VERSION(dcgmDeviceSettings_v2, 2)

dcgmDeviceSettings_version dcgmDeviceSettings_version2

dcgmDeviceAttributes_version3 MAKE_DCGM_VERSION(dcgmDeviceAttributes_v3, 3): dcgmDeviceAttributes_v3 的版本 3。

dcgmDeviceAttributes_version dcgmDeviceAttributes_version3 : dcgmDeviceAttributes_t 的最新版本。

dcgmDeviceMigAttributesInfo_version1 MAKE_DCGM_VERSION(dcgmDeviceMigAttributesInfo_v1, 1): dcgmDeviceMigAttributesInfo_v1 的版本 1。

dcgmDeviceMigAttributesInfo_version dcgmDeviceMigAttributesInfo_version1 : dcgmDeviceMigAttributesInfo_t 的最新版本。

dcgmDeviceMigAttributes_version1 MAKE_DCGM_VERSION(dcgmDeviceMigAttributes_v1, 1): dcgmDeviceMigAttributes_v1 的版本 1。

dcgmDeviceMigAttributes_version dcgmDeviceMigAttributes_version1 : dcgmDeviceMigAttributes_t 的最新版本。

dcgmGpuInstanceProfileInfo_version1 MAKE_DCGM_VERSION(dcgmGpuInstanceProfileInfo_v1, 1): dcgmGpuInstanceProfileInfo_v1 的版本 1。

dcgmGpuInstanceProfileInfo_version dcgmGpuInstanceProfileInfo_version1 : dcgmGpuInstanceProfileInfo_t 的最新版本。

dcgmGpuInstanceProfiles_version1 MAKE_DCGM_VERSION(dcgmGpuInstanceProfiles_v1, 1): dcgmGpuInstanceProfiles_v1 的版本 1。

dcgmGpuInstanceProfiles_version dcgmGpuInstanceProfiles_version1 : dcgmGpuInstanceProfiles_t 的最新版本。

dcgmComputeInstanceProfileInfo_version1 MAKE_DCGM_VERSION(dcgmComputeInstanceProfileInfo_v1, 1): dcgmComputeInstanceProfileInfo_v1 的版本 1。

dcgmComputeInstanceProfileInfo_version dcgmComputeInstanceProfileInfo_version1 : dcgmComputeInstanceProfileInfo_t 的最新版本。

dcgmComputeInstanceProfiles_version1 MAKE_DCGM_VERSION(dcgmComputeInstanceProfiles_v1, 1): dcgmComputeInstanceProfiles_v1 的版本 1。

dcgmComputeInstanceProfiles_version dcgmComputeInstanceProfiles_version1 : dcgmComputeInstanceProfiles_t 的最新版本。

DCGM_MAX_VGPU_TYPES_PER_PGPU 32: 每个物理 GPU 的最大 vGPU 类型数量。

DCGM_DEVICE_UUID_BUFFER_SIZE 80: 表示保存与 vGPU 实例特定属性相关的字符串的缓冲区大小。

DCGM_POWER_PROFILE_ARRAY_SIZE 8: 工作负载功耗配置文件信息。

DCGM_POWER_PROFILE_MASK_BITS_PER_ELEM 32

DCGM_POWER_PROFILE_MAX_NUM (255)

dcgmWorkloadPowerProfileInfo_version1 MAKE_DCGM_VERSION(dcgmWorkloadPowerProfileInfo_v1, 1)

dcgmWorkloadPowerProfileInfo_version dcgmWorkloadPowerProfileInfo_version1

dcgmWorkloadPowerProfileProfilesInfo_version1 MAKE_DCGM_VERSION(dcgmWorkloadPowerProfileProfilesInfo_v1, 1)

dcgmWorkloadPowerProfileProfilesInfo_version dcgmWorkloadPowerProfileProfilesInfo_version1

dcgmDeviceWorkloadPowerProfilesStatus_version1 MAKE_DCGM_VERSION(dcgmDeviceWorkloadPowerProfilesStatus_v1, 1)

dcgmDeviceWorkloadPowerProfilesStatus_version dcgmDeviceWorkloadPowerProfilesStatus_version1

dcgmConfig_version1 MAKE_DCGM_VERSION(dcgmConfig_v1, 1): dcgmConfig_v1 的版本 1。

dcgmConfig_version2 MAKE_DCGM_VERSION(dcgmConfig_v2, 2)

dcgmConfig_version dcgmConfig_version2: dcgmConfig_t 的最新版本。

dcgmPolicyViolation_version1 MAKE_DCGM_VERSION(dcgmPolicyViolation_v1, 1)

dcgmPolicyViolation_version dcgmPolicyViolation_version1

DCGM_POLICY_COND_IDX_MAX 7

DCGM_POLICY_COND_MAX DCGM_POLICY_COND_IDX_MAX

dcgmPolicy_version1 MAKE_DCGM_VERSION(dcgmPolicy_v1, 1): dcgmPolicy_v1 的版本 1。

dcgmPolicy_version dcgmPolicy_version1 : dcgmPolicy_t 的最新版本。

dcgmPolicyCallbackResponse_version2 MAKE_DCGM_VERSION(dcgmPolicyCallbackResponse_v2, 2): dcgmPolicyCallbackResponse_v2 的版本 2。

dcgmPolicyCallbackResponse_version dcgmPolicyCallbackResponse_version2 : dcgmPolicyCallbackResponse_t 的最新版本。

DCGM_MAX_BLOB_LENGTH 4096

设置最大 blob 条目之上的大小。

目前这是 dcgmDeviceVgpuTypeInfo_v1

dcgmFieldValue_version1 MAKE_DCGM_VERSION(dcgmFieldValue_v1, 1): dcgmFieldValue_v1 的版本 1。

dcgmFieldValue_version2 MAKE_DCGM_VERSION(dcgmFieldValue_v2, 2): dcgmFieldValue_v2 的版本 2。

DCGM_FV_FLAG_LIVE_DATA 0x00000001

字段值标志由 dcgmEntitiesGetLatestValues 使用。

从驱动程序而不是缓存数据中检索实时数据。警告：设置此标志将导致多次调用 NVIDIA 驱动程序，这将比检索缓存值慢得多。

DCGM_HEALTH_WATCH_COUNT_V1 10: 用于迭代 dcgmHealthSystems_v1 枚举

DCGM_HEALTH_WATCH_COUNT_V2 12: 用于迭代 dcgmHealthSystems_v2 枚举

DCGM_ERR_MSG_LENGTH 512

DCGM_DIAG_AUX_DATA_LEN 2048

dcgmDiagTestAuxData_version1 MAKE_DCGM_VERSION(dcgmDiagTestAuxData_v1, 1): dcgmDiagTestAuxData_v1 的版本 1。

dcgmDiagTestAuxData_version dcgmDiagTestAuxData_version1 

DCGM_DIAG_TEST_RUN_ERROR_INDICES_MAX 32: 可以报告的每个实体的最大错误数。

DCGM_DIAG_TEST_RUN_INFO_INDICES_MAX 16: 可以报告的每个实体的最大信息消息数。

DCGM_DIAG_TEST_RUN_RESULTS_MAX DCGM_GROUP_MAX_ENTITIES_V2: 可以报告的每个实体的最大结果数。

DCGM_DIAG_TEST_RUN_NAME_LEN 32: 用于名称的最大字符数（包括“\0”）。

DCGM_DEVICE_ID_LEN 5: SKU 设备 ID（字符串）

DCGM_VERSION_LEN 12: DCGM 版本（字符串）

DCGM_HEALTH_WATCH_MAX_INCIDENTS_V2 DCGM_GROUP_MAX_ENTITIES_V2

dcgmHealthResponse_version5 MAKE_DCGM_VERSION(dcgmHealthResponse_v5, 5): dcgmHealthResponse_v5 的版本 5。

dcgmHealthResponse_version dcgmHealthResponse_version5 : dcgmHealthResponse_t 的最新版本。

dcgmHealthSetParams_version2 MAKE_DCGM_VERSION(dcgmHealthSetParams_v2, 2): dcgmHealthSet_v2 的版本 2。

DCGM_MAX_PID_INFO_NUM 16

dcgmPidInfo_version2 MAKE_DCGM_VERSION(dcgmPidInfo_v2, 2): dcgmPidInfo_v2 的版本 2。

dcgmPidInfo_version dcgmPidInfo_version2 : dcgmPidInfo_t 的最新版本。

dcgmJobInfo_version3 MAKE_DCGM_VERSION(dcgmJobInfo_v3, 3): dcgmJobInfo_v3 的版本 3。

dcgmJobInfo_version dcgmJobInfo_version3 : dcgmJobInfo_t 的最新版本。

dcgmRunningProcess_version1 MAKE_DCGM_VERSION(dcgmRunningProcess_v1, 1): dcgmRunningProcess_v1 的版本 1。

dcgmRunningProcess_version dcgmRunningProcess_version1 : dcgmRunningProcess_t 的最新版本。

DCGM_MAX_ERRORS 5

DCGM_SM_PERF_INDEX DCGM_SM_STRESS_INDEX 

DCGM_TARGETED_PERF_INDEX DCGM_TARGETED_PERF_INDEX

DCGM_PER_GPU_TEST_COUNT_V8 13

DCGM_PER_GPU_TEST_COUNT_V7 9

DCGM_SWTEST_COUNT 11

LEVEL_ONE_MAX_RESULTS 16

DCGM_DIAG_RESPONSE_TESTS_MAX 20: 可以返回结果的插件的最大数量。

DCGM_DIAG_RESPONSE_SYSTEM_ERROR DCGM_INT8_BLANK : 用于将错误标记为系统错误。

DCGM_DIAG_RESPONSE_ERRORS_MAX DCGM_DIAG_TEST_RUN_ERROR_INDICES_MAX 

可以报告的最大错误数。

这必须与 DCGM_DIAG_PLUGINRUN_ERROR_INDICES_MAX 匹配。

DCGM_DIAG_RESPONSE_INFO_MAX DCGM_DIAG_TEST_RUN_INFO_INDICES_MAX 

可以报告的最大信息消息数。

这必须与 DCGM_DIAG_TEST_RUN_INFO_INDICES_MAX 匹配。

DCGM_DIAG_RESPONSE_ENTITIES_MAX DCGM_GROUP_MAX_ENTITIES_V2: 可以报告的最大实体数。

DCGM_DIAG_RESPONSE_RESULTS_MAX (DCGM_DIAG_RESPONSE_TESTS_MAX \ * DCGM_DIAG_RESPONSE_ENTITIES_MAX): 可以报告的最大结果数。

DCGM_DIAG_RESPONSE_CATEGORIES_MAX 5: 部署 | 硬件 | 集成 | 压力测试之一。

DCGM_DIAG_RESPONSE_CATEGORY_LEN 20: 每个类别的字节数（包括 ‘\0’）。

DCGM_DIAG_RESPONSE_V11_UNUSED_LEN 682880: diagResponse_v11 中未使用的字节，用于与 v10 及更早版本兼容。

dcgmDiagResponse_version11 MAKE_DCGM_VERSION(dcgmDiagResponse_v11, 11): dcgmDiagResponse_v11 的版本 11。

dcgmDiagResponse_version10 MAKE_DCGM_VERSION(dcgmDiagResponse_v10, 10): dcgmDiagResponse_v11 的版本 10。

dcgmDiagResponse_version9 MAKE_DCGM_VERSION(dcgmDiagResponse_v9, 9): dcgmDiagResponse_v9 的版本 9。

dcgmDiagResponse_version8 MAKE_DCGM_VERSION(dcgmDiagResponse_v8, 8): dcgmDiagResponse_v8 的版本 8。

dcgmDiagResponse_version7 MAKE_DCGM_VERSION(dcgmDiagResponse_v7, 7): dcgmDiagResponse_v7 的版本 7。

dcgmDiagResponse_version dcgmDiagResponse_version11 : dcgmDiagResponse_t 的最新版本。

dcgmDiagStatus_version1 MAKE_DCGM_VERSION(dcgmDiagStatus_v1, 1): dcgmDiagStatus_v1 的版本 1。

dcgmDiagStatus_version dcgmDiagStatus_version1 : dcgmDiagStatus_t 的最新版本。

DCGM_TOPOLOGY_PATH_PCI(x) (dcgmGpuTopologyLevel_t)((unsigned int)(x) & 0xFF)

DCGM_TOPOLOGY_PATH_NVLINK(x) (dcgmGpuTopologyLevel_t)((unsigned int)(x) & 0xFFFFFF00)

DCGM_AFFINITY_BITMASK_ARRAY_SIZE 8

dcgmDeviceTopology_version1 MAKE_DCGM_VERSION(dcgmDeviceTopology_v1, 1): dcgmDeviceTopology_v1 的版本 1。

dcgmDeviceTopology_version dcgmDeviceTopology_version1 : dcgmDeviceTopology_t 的最新版本。

dcgmGroupTopology_version1 MAKE_DCGM_VERSION(dcgmGroupTopology_v1, 1): dcgmGroupTopology_v1 的版本 1。

dcgmGroupTopology_version dcgmGroupTopology_version1 : dcgmGroupTopology_t 的最新版本。

dcgmIntrospectMemory_version1 MAKE_DCGM_VERSION(dcgmIntrospectMemory_v1, 1): dcgmIntrospectMemory_t 的版本 1。

dcgmIntrospectMemory_version dcgmIntrospectMemory_version1 : dcgmIntrospectMemory_t 的最新版本。

dcgmIntrospectCpuUtil_version1 MAKE_DCGM_VERSION(dcgmIntrospectCpuUtil_v1, 1): dcgmIntrospectCpuUtil_t 的版本 1。

dcgmIntrospectCpuUtil_version dcgmIntrospectCpuUtil_version1 : dcgmIntrospectCpuUtil_t 的最新版本。

DCGM_MAX_CONFIG_FILE_LEN 10000

DCGM_MAX_TEST_NAMES 20

DCGM_MAX_TEST_NAMES_LEN 50

DCGM_MAX_TEST_PARMS 100

DCGM_MAX_TEST_PARMS_LEN 100

DCGM_MAX_TEST_PARMS_LEN_V2 1050

DCGM_GPU_LIST_LEN 50

DCGM_ENTITY_ID_LIST_LEN 2048

DCGM_EXPECTED_ENTITIES_LEN 50

DCGM_FILE_LEN 30

DCGM_PATH_LEN 128

DCGM_CLOCKS_EVENT_MASK_LEN 50

DCGM_IGNORE_ERROR_MAX_LEN 512

DCGM_THROTTLE_MASK_LEN DCGM_CLOCKS_EVENT_MASK_LEN

dcgmRunDiag_version7 MAKE_DCGM_VERSION(dcgmRunDiag_v7, 7): dcgmRunDiag_t 的版本 7。

dcgmRunDiag_version8 MAKE_DCGM_VERSION(dcgmRunDiag_v8, 8): dcgmRunDiag_t 的版本 8。

dcgmRunDiag_version9 MAKE_DCGM_VERSION(dcgmRunDiag_v9, 9): dcgmRunDiag_t 的版本 9。

dcgmRunDiag_version10 MAKE_DCGM_VERSION(dcgmRunDiag_v10, 10): dcgmRunDiag_t 的版本 10。

DCGM_GEGE_FLAG_ONLY_SUPPORTED 0x00000001

dcgmGetEntityGroupEntities 的 flags 参数的标志。

仅返回 DCGM 支持的实体。这模仿 dcgmGetAllSupportedDevices() 的行为。

dcgmTopoSchedHint_version1 MAKE_DCGM_VERSION(dcgmTopoSchedHint_v1, 1)

dcgmNvLinkStatus_version4 MAKE_DCGM_VERSION(dcgmNvLinkStatus_v4, 4): dcgmNvLinkStatus 的版本 4。

DCGM_SUMMARY_MIN 0x00000001

DCGM_SUMMARY_MAX 0x00000002

DCGM_SUMMARY_AVG 0x00000004

DCGM_SUMMARY_SUM 0x00000008

DCGM_SUMMARY_COUNT 0x00000010

DCGM_SUMMARY_INTEGRAL 0x00000020

DCGM_SUMMARY_DIFF 0x00000040

DCGM_SUMMARY_SIZE 7

dcgmFieldSummaryRequest_version1 MAKE_DCGM_VERSION(dcgmFieldSummaryRequest_v1, 1)

DCGM_MODULE_STATUSES_CAPACITY 16

dcgmModuleGetStatuses_version1 MAKE_DCGM_VERSION(dcgmModuleGetStatuses_v1, 1): dcgmModuleGetStatuses 的版本 1。

dcgmModuleGetStatuses_version dcgmModuleGetStatuses_version1 

dcgmStartEmbeddedV2Params_version1 MAKE_DCGM_VERSION(dcgmStartEmbeddedV2Params_v1, 1): Version 1 for dcgmStartEmbeddedV2Params_v1.

dcgmStartEmbeddedV2Params_version2 MAKE_DCGM_VERSION(dcgmStartEmbeddedV2Params_v2, 2): Version 2 for dcgmStartEmbeddedV2Params.

DCGM_PROF_MAX_NUM_GROUPS_V2 10: Maximum number of metric ID groups that can exist in DCGM.

DCGM_PROF_MAX_FIELD_IDS_PER_GROUP_V2 64: Maximum number of field IDs that can be in a single DCGM profiling metric group.

dcgmProfGetMetricGroups_version3 MAKE_DCGM_VERSION(dcgmProfGetMetricGroups_v3, 3)

Version 3 of dcgmProfGetMetricGroups_t.

Older versions are unsupported

dcgmProfGetMetricGroups_version dcgmProfGetMetricGroups_version3 

dcgmSettingsSetLoggingSeverity_version1 MAKE_DCGM_VERSION(dcgmSettingsSetLoggingSeverity_v1, 1)

dcgmSettingsSetLoggingSeverity_version2 MAKE_DCGM_VERSION(dcgmSettingsSetLoggingSeverity_v2, 2)

dcgmSettingsSetLoggingSeverity_version dcgmSettingsSetLoggingSeverity_version2

dcgmVersionInfo_version2 MAKE_DCGM_VERSION(dcgmVersionInfo_v2, 2): Version 2 of the dcgmVersionInfo_v2.

dcgmVersionInfo_version dcgmVersionInfo_version2 

类型定义

typedef uintptr_t dcgmHandle_t: DCGM 句柄的标识符。

typedef uintptr_t dcgmGpuGrp_t: GPU 组的标识符。一个组可以包含一个或多个 GPU。

typedef uintptr_t dcgmFieldGrp_t: 字段组的标识符。

typedef uintptr_t dcgmStatus_t: 状态代码列表的标识符。

typedef struct dcgm_link_s dcgm_link_t

表示链接对象。

类型应为 DCGM_FE_GPU 或 DCGM_FE_SWITCH 之一；gpuId 或 switchID 是关联的 gpu 或交换机；index 是链接索引，从 0 开始，TX（偶数）在前，RX（奇数）在后。

typedef dcgmConnectV2Params_v2 dcgmConnectV2Params_t: dcgmConnectV2Params_v2 的类型定义。

typedef dcgmHostengineHealth_v1 dcgmHostengineHealth_t: dcgmHostengineHealth_t 的类型定义。

typedef dcgmGroupInfo_v3 dcgmGroupInfo_t: dcgmGroupInfo_v3 的类型定义。

typedef dcgmCpuHierarchyOwnedCores_v1 dcgmCpuHierarchyOwnedCores_t

typedef dcgmCpuHierarchy_v2 dcgmCpuHierarchy_t

typedef dcgmFieldGroupInfo_v1 dcgmFieldGroupInfo_t

typedef dcgmAllFieldGroup_v1 dcgmAllFieldGroup_t

typedef dcgmClockSet_v1 dcgmClockSet_t: dcgmClockSet_v1 的类型定义。

typedef dcgmDeviceSupportedClockSets_v1 dcgmDeviceSupportedClockSets_t: dcgmDeviceSupportedClockSets_v1 的类型定义。

typedef dcgmDevicePidAccountingStats_v1 dcgmDevicePidAccountingStats_t: dcgmDevicePidAccountingStats_v1 的类型定义。

typedef dcgmDeviceThermals_v1 dcgmDeviceThermals_t: dcgmDeviceThermals_v1 的类型定义。

typedef dcgmDevicePowerLimits_v1 dcgmDevicePowerLimits_t: dcgmDevicePowerLimits_v1 的类型定义。

typedef dcgmDeviceIdentifiers_v1 dcgmDeviceIdentifiers_t: dcgmDeviceIdentifiers_v1 的类型定义。

typedef dcgmDeviceMemoryUsage_v1 dcgmDeviceMemoryUsage_t: dcgmDeviceMemoryUsage_v1 的类型定义。

typedef dcgmDeviceVgpuUtilInfo_v1 dcgmDeviceVgpuUtilInfo_t: dcgmDeviceVgpuUtilInfo_v1 的类型定义。

typedef dcgmDeviceEncStats_v1 dcgmDeviceEncStats_t: dcgmDeviceEncStats_v1 的类型定义。

typedef dcgmDeviceFbcStats_v1 dcgmDeviceFbcStats_t: dcgmDeviceFbcStats_v1 的类型定义。

typedef enum dcgmFBCSessionType_enum dcgmFBCSessionType_t

typedef dcgmDeviceFbcSessionInfo_v1 dcgmDeviceFbcSessionInfo_t: dcgmDeviceFbcSessionInfo_v1 的类型定义。

typedef dcgmDeviceFbcSessions_v1 dcgmDeviceFbcSessions_t: dcgmDeviceFbcSessions_v1 的类型定义。

typedef enum dcgmEncoderQueryType_enum dcgmEncoderType_t

typedef dcgmDeviceVgpuEncSessions_v1 dcgmDeviceVgpuEncSessions_t: dcgmDeviceVgpuEncSessions_v1 的类型定义。

typedef dcgmDeviceVgpuProcessUtilInfo_v1 dcgmDeviceVgpuProcessUtilInfo_t: dcgmDeviceVgpuProcessUtilInfo_v1 的类型定义。

typedef dcgmDeviceVgpuTypeInfo_v2 dcgmDeviceVgpuTypeInfo_t: dcgmDeviceVgpuTypeInfo_v2 的类型定义。

typedef dcgmDeviceSupportedVgpuTypeInfo_v1 dcgmDeviceSupportedVgpuTypeInfo_t: dcgmDeviceSupportedVgpuTypeInfo_v1 的类型定义。

typedef dcgmDeviceSettings_v2 dcgmDeviceSettings_t

typedef dcgmDeviceAttributes_v3 dcgmDeviceAttributes_t: dcgmDeviceAttributes_v3 的类型定义。

typedef dcgmDeviceMigAttributesInfo_v1 dcgmDeviceMigAttributesInfo_t: dcgmDeviceMigAttributesInfo_v1 的类型定义。

typedef dcgmDeviceMigAttributes_v1 dcgmDeviceMigAttributes_t: dcgmDeviceMigAttributes_v1 的类型定义。

typedef dcgmGpuInstanceProfileInfo_v1 dcgmGpuInstanceProfileInfo_t: dcgmGpuInstanceProfileInfo_v1 的类型定义。

typedef dcgmGpuInstanceProfiles_v1 dcgmGpuInstanceProfiles_t: dcgmGpuInstanceProfiles_v1 的类型定义。

typedef dcgmComputeInstanceProfileInfo_v1 dcgmComputeInstanceProfileInfo_t: dcgmComputeInstanceProfileInfo_v1 的类型定义。

typedef dcgmComputeInstanceProfiles_v1 dcgmComputeInstanceProfiles_t: dcgmComputeInstanceProfiles_v1 的类型定义。

typedef dcgmWorkloadPowerProfileInfo_v1 dcgmWorkloadPowerProfileInfo_t

typedef dcgmWorkloadPowerProfileProfilesInfo_v1 dcgmWorkloadPowerProfileProfilesInfo_t

typedef dcgmDeviceWorkloadPowerProfilesStatus_v1 dcgmDeviceWorkloadPowerProfilesStatus_t

typedef dcgmConfig_v2 dcgmConfig_t: dcgmConfig_v1 的类型定义。

typedef dcgmPolicyViolation_v1 dcgmPolicyViolation_t

typedef enum dcgmPolicyConditionIdx_enum dcgmPolicyConditionIdx_t

策略条件的枚举。

当作为 dcgmPolicy_t 的一部分使用时，这些条件具有相应的参数，允许启用/禁用或设置特定的违规阈值

typedef enum dcgmPolicyCondition_enum dcgmPolicyCondition_t

策略条件的位掩码枚举。

当作为 dcgmPolicy_t 的一部分使用时，这些条件具有相应的参数，允许启用/禁用或设置特定的违规阈值

typedef struct dcgmPolicyConditionParams_st dcgmPolicyConditionParams_t

策略条件参数的结构体。

此结构体包含一个标签，表示传递的值的类型，以及一个 “val”，它是可能值类型的联合。例如，要传递一个真布尔值：tag = BOOL，val.boolean = 1。

typedef enum dcgmPolicyMode_enum dcgmPolicyMode_t: 策略模式的枚举。

typedef enum dcgmPolicyIsolation_enum dcgmPolicyIsolation_t: 策略隔离模式的枚举。

typedef enum dcgmPolicyAction_enum dcgmPolicyAction_t: 策略动作的枚举。

typedef enum dcgmPolicyValidation_enum dcgmPolicyValidation_t: 策略验证动作的枚举。

typedef enum dcgmPolicyFailureResp_enum dcgmPolicyFailureResp_t: 策略失败响应的枚举。

typedef dcgmPolicy_v1 dcgmPolicy_t: dcgmPolicy_v1 的类型定义。

typedef dcgmPolicyCallbackResponse_v2 dcgmPolicyCallbackResponse_t: dcgmPolicyCallbackResponse_v2 的类型定义。

typedef int (*fpRecvUpdates)(dcgmPolicyCallbackResponse_t *response, uint64_t userData)

表示用于接收来自异步函数更新的回调函数。

当前唯一实现的回调函数是 dcgmPolicyRegister_v2。

typedef int (*dcgmFieldValueEnumeration_f)(unsigned int gpuId, dcgmFieldValue_v1 *values, int numValues, void *userData)

用于处理一个或多个字段更新的用户回调函数。

此回调函数将为每个字段调用一次或多次，直到枚举完所有预期的字段值。由被调用者检测字段 ID 何时更改

Param gpuId:: IN: 此字段值集所属的 GPU 的 GPU ID
Param values:: IN: 字段值。这些值必须被复制，因为它们将在本次调用返回后立即销毁。
Param numValues:: IN: values[] 中有效的条目数
Param userData:: IN: 传递给生成此回调的更新函数的用户数据指针
Return:: 如果 OK 返回 0，如果枚举应停止则返回 <0。这允许被调用者中止字段值枚举。

typedef int (*dcgmFieldValueEntityEnumeration_f)(dcgm_field_entity_group_t entityGroupId, dcgm_field_eid_t entityId,dcgmFieldValue_v1 *values, int numValues, void *userData)

用于处理一个或多个字段更新的用户回调函数。

此回调函数将为每个字段调用一次或多次，直到枚举完所有预期的字段值。由被调用者检测字段 ID 何时更改

Param entityGroupId:: IN: 此字段值集所属实体的 entityGroup
Param entityId:: IN: 此字段值集所属的实体
Param values:: IN: 字段值。这些值必须被复制，因为它们将在本次调用返回后立即销毁。
Param numValues:: IN: values[] 中有效的条目数
Param userData:: IN: 传递给生成此回调的更新函数的用户数据指针
Return:: 如果 OK 返回 0，如果枚举应停止则返回 <0。这允许被调用者中止字段值枚举。

typedef enum dcgmHealthSystems_enum dcgmHealthSystems_t: 用于启用或禁用健康监控系统的系统结构。

typedef enum dcgmHealthWatchResult_enum dcgmHealthWatchResults_t: 健康监控测试结果。

typedef enum dcgmDiagResult_enum dcgmDiagResult_t: 诊断测试结果。

typedef dcgmHealthResponse_v5 dcgmHealthResponse_t: dcgmHealthResponse_v5 的类型定义。

typedef dcgmPidInfo_v2 dcgmPidInfo_t: dcgmPidInfo_v2 的类型定义。

typedef dcgmJobInfo_v3 dcgmJobInfo_t: dcgmJobInfo_v3 的类型定义。

typedef dcgmRunningProcess_v1 dcgmRunningProcess_t: dcgmRunningProcess_v1 的类型定义。

typedef enum dcgmPerGpuTestIndices_enum dcgmPerGpuTestIndices_t: 每个 GPU 诊断测试 - dcgmDiagResponsePerGpu_t.results[] 的固定索引。

typedef enum dcgmSoftwareTest_enum dcgmSoftwareTest_t

typedef dcgmDiagResponse_v11 dcgmDiagResponse_t: dcgmDiagResponse_v11 的类型定义。

typedef dcgmDiagStatus_v1 dcgmDiagStatus_t

typedef enum dcgmGpuLevel_enum dcgmGpuTopologyLevel_t

表示系统中两个 GPU 之间的级别关系。枚举值之间留有间隔，以便将来扩展关系。

这些值与 nvml.h 中的定义匹配

typedef dcgmDeviceTopology_v1 dcgmDeviceTopology_t: dcgmDeviceTopology_v1 的类型定义。

typedef dcgmGroupTopology_v1 dcgmGroupTopology_t: dcgmGroupTopology_v1 的类型定义。

typedef dcgmIntrospectMemory_v1 dcgmIntrospectMemory_t: dcgmIntrospectMemory_t 的类型定义。

typedef dcgmIntrospectCpuUtil_v1 dcgmIntrospectCpuUtil_t: dcgmIntrospectCpuUtil_t 的类型定义。

typedef enum dcgmGpuNVLinkErrorType_enum dcgmGpuNVLinkErrorType_t: 标识 DCGM_FI_DEV_GPU_NVLINK_ERRORS 返回的 GPU NVLink 错误类型。

typedef dcgmTopoSchedHint_v1 dcgmTopoSchedHint_t

typedef enum dcgmNvLinkLinkState_enum dcgmNvLinkLinkState_t: NvLink 链路状态。

typedef dcgmNvLinkStatus_v4 dcgmNvLinkStatus_t

typedef dcgmFieldSummaryRequest_v1 dcgmFieldSummaryRequest_t

typedef dcgmModuleGetStatuses_v1 dcgmModuleGetStatuses_t

typedef dcgmProfGetMetricGroups_v3 dcgmProfGetMetricGroups_t

typedef dcgmSettingsSetLoggingSeverity_v2 dcgmSettingsSetLoggingSeverity_t

typedef dcgmVersionInfo_v2 dcgmVersionInfo_t

枚举

enum DcgmLoggingSeverity_t

DCGM 日志记录严重级别。

这些级别与 Severity.h 中定义的 plog 严重级别相匹配。每个级别都包括其上的所有级别。例如，级别 4 也包括 3、2 和 1

值

enumerator DcgmLoggingSeverityUnspecified: 不在意/从环境继承

enumerator DcgmLoggingSeverityNone: 不记录日志

enumerator DcgmLoggingSeverityFatal: 致命错误

enumerator DcgmLoggingSeverityError: 错误

enumerator DcgmLoggingSeverityWarning: 警告

enumerator DcgmLoggingSeverityInfo: 信息性

enumerator DcgmLoggingSeverityDebug: 调试信息（会生成大量日志）

enumerator DcgmLoggingSeverityVerbose: 详细调试信息

enum dcgmMigProfile_t

用于不同类型 MIG 配置文件的枚举。

值

enumerator DcgmMigProfileNone: 无配置文件（用于 GPU）

enumerator DcgmMigProfileGpuInstanceSlice1: GPU 实例切片 1

enumerator DcgmMigProfileGpuInstanceSlice2: GPU 实例切片 2

enumerator DcgmMigProfileGpuInstanceSlice3: GPU 实例切片 3

enumerator DcgmMigProfileGpuInstanceSlice4: GPU 实例切片 4

enumerator DcgmMigProfileGpuInstanceSlice7: GPU 实例切片 7

enumerator DcgmMigProfileGpuInstanceSlice8: GPU 实例切片 8

enumerator DcgmMigProfileGpuInstanceSlice6: GPU 实例切片 6

enumerator DcgmMigProfileGpuInstanceSlice1Rev1: GPU 实例切片 1 修订版 1

enumerator DcgmMigProfileGpuInstanceSlice2Rev1: GPU 实例切片 2 修订版 1

enumerator DcgmMigProfileGpuInstanceSlice1Rev2: GPU 实例切片 1 修订版 2

enumerator DcgmMigProfileGpuInstanceSlice1GFX: GPU 实例切片 1 GFX

enumerator DcgmMigProfileGpuInstanceSlice2GFX: GPU 实例切片 2 GFX

enumerator DcgmMigProfileGpuInstanceSlice4GFX: GPU 实例切片 4 GFX

enumerator DcgmMigProfileComputeInstanceSlice1: 计算实例切片 1

enumerator DcgmMigProfileComputeInstanceSlice2: 计算实例切片 2

enumerator DcgmMigProfileComputeInstanceSlice3: 计算实例切片 3

enumerator DcgmMigProfileComputeInstanceSlice4: 计算实例切片 4

enumerator DcgmMigProfileComputeInstanceSlice7: 计算实例切片 7

enumerator DcgmMigProfileComputeInstanceSlice8: 计算实例切片 8

enumerator DcgmMigProfileComputeInstanceSlice6: 计算实例切片 6

enumerator DcgmMigProfileComputeInstanceSlice1Rev1: 计算实例切片 1 修订版 1

enum dcgmFBCSessionType_enum

值

enumerator DCGM_FBC_SESSION_TYPE_UNKNOWN: 未知。

enumerator DCGM_FBC_SESSION_TYPE_TOSYS: 用于系统缓冲区的 FB 捕获。

enumerator DCGM_FBC_SESSION_TYPE_CUDA: 用于 CUDA 缓冲区的 FB 捕获。

enumerator DCGM_FBC_SESSION_TYPE_VID: 用于 Vid 缓冲区的 FB 捕获。

enumerator DCGM_FBC_SESSION_TYPE_HWENC: 用于 NVENC HW 缓冲区的 FB 捕获。

enum dcgmEncoderQueryType_enum

值

enumerator DCGM_ENCODER_QUERY_H264

enumerator DCGM_ENCODER_QUERY_HEVC

enum dcgmPowerProfileType_t

值

enumerator DCGM_POWER_PROFILE_MAX_P

enumerator DCGM_POWER_PROFILE_MAX_Q

enumerator DCGM_POWER_PROFILE_COMPUTE

enumerator DCGM_POWER_PROFILE_MEMORY_BOUND

enumerator DCGM_POWER_PROFILE_NETWORK

enumerator DCGM_POWER_PROFILE_BALANCED

enumerator DCGM_POWER_PROFILE_LLM_INFERENCE

enumerator DCGM_POWER_PROFILE_LLM_TRAINING

enumerator DCGM_POWER_PROFILE_RBM

enumerator DCGM_POWER_PROFILE_DCPCIE

enumerator DCGM_POWER_PROFILE_HMMA_SPARSE

enumerator DCGM_POWER_PROFILE_HMMA_DENSE

enumerator DCGM_POWER_PROFILE_SYNC_BALANCED

enumerator DCGM_POWER_PROFILE_HPC

enumerator DCGM_POWER_PROFILE_MIG

enumerator DCGM_POWER_PROFILE_MAX

enum dcgmPolicyConditionIdx_enum

策略条件的枚举。

当作为 dcgmPolicy_t 的一部分使用时，这些条件具有相应的参数，允许启用/禁用或设置特定的违规阈值

值

enumerator DCGM_POLICY_COND_IDX_DBE: 双位错误 — dcgmPolicyConditionParams_t 中的布尔值。

enumerator DCGM_POLICY_COND_IDX_PCI: PCI 事件/错误 — dcgmPolicyConditionParams_t 中的布尔值。

enumerator DCGM_POLICY_COND_IDX_MAX_PAGES_RETIRED: 最大退休页数 — dcgmPolicyConditionParams_t 中所需的数字。

enumerator DCGM_POLICY_COND_IDX_THERMAL: 热违规 — dcgmPolicyConditionParams_t 中所需的数字。

enumerator DCGM_POLICY_COND_IDX_POWER: 电源违规 — dcgmPolicyConditionParams_t 中所需的数字。

enumerator DCGM_POLICY_COND_IDX_NVLINK: NVLINK 错误 — dcgmPolicyConditionParams_t 中的布尔值。

enumerator DCGM_POLICY_COND_IDX_XID: XID 错误 — dcgmPolicyConditionParams_t 中所需的数字。

enum dcgmPolicyCondition_enum

策略条件的位掩码枚举。

当作为 dcgmPolicy_t 的一部分使用时，这些条件具有相应的参数，允许启用/禁用或设置特定的违规阈值

值

enumerator DCGM_POLICY_COND_DBE: 双位错误 — dcgmPolicyConditionParams_t 中的布尔值。

enumerator DCGM_POLICY_COND_PCI: PCI 事件/错误 — dcgmPolicyConditionParams_t 中的布尔值。

enumerator DCGM_POLICY_COND_MAX_PAGES_RETIRED: 最大退休页数 — dcgmPolicyConditionParams_t 中所需的数字。

enumerator DCGM_POLICY_COND_THERMAL: 热违规 — dcgmPolicyConditionParams_t 中所需的数字。

enumerator DCGM_POLICY_COND_POWER: 电源违规 — dcgmPolicyConditionParams_t 中所需的数字。

enumerator DCGM_POLICY_COND_NVLINK: NVLINK 错误 — dcgmPolicyConditionParams_t 中的布尔值。

enumerator DCGM_POLICY_COND_XID: XID 错误 — dcgmPolicyConditionParams_t 中所需的数字。

enum dcgmPolicyMode_enum

策略模式的枚举。

值

enumerator DCGM_POLICY_MODE_AUTOMATED: 自动模式

enumerator DCGM_POLICY_MODE_MANUAL: 手动模式

enum dcgmPolicyIsolation_enum

策略隔离模式的枚举。

值

enumerator DCGM_POLICY_ISOLATION_NONE: 错误时不对 GPU 进行隔离

enum dcgmPolicyAction_enum

策略动作的枚举。

值

enumerator DCGM_POLICY_ACTION_NONE: 无操作

enumerator DCGM_POLICY_ACTION_GPURESET: 已弃用 - 违规时执行 GPU 重置。

enum dcgmPolicyValidation_enum

策略验证动作的枚举。

值

enumerator DCGM_POLICY_VALID_NONE: 执行操作后不进行验证

enumerator DCGM_POLICY_VALID_SV_SHORT: 失败后在系统上运行简短的系统验证

enumerator DCGM_POLICY_VALID_SV_MED: 失败后运行中等系统验证测试

enumerator DCGM_POLICY_VALID_SV_LONG: 失败后运行全面的系统验证测试

enumerator DCGM_POLICY_VALID_SV_XLONG: 失败后运行更全面的系统验证测试

enum dcgmPolicyFailureResp_enum

策略失败响应的枚举。

值

enumerator DCGM_POLICY_FAILURE_NONE: 验证失败时不执行任何操作

enum dcgmHealthSystems_enum

用于启用或禁用健康监控系统的系统结构。

值

enumerator DCGM_HEALTH_WATCH_PCIE: PCIe 系统监视（查询前必须有 1 分钟的数据）

enumerator DCGM_HEALTH_WATCH_NVLINK: NVLINK 系统监视。

enumerator DCGM_HEALTH_WATCH_PMU: 电源管理单元监视。

enumerator DCGM_HEALTH_WATCH_MCU: 微控制器单元监视。

enumerator DCGM_HEALTH_WATCH_MEM: 内存监视。

enumerator DCGM_HEALTH_WATCH_SM: 流式多处理器监视。

enumerator DCGM_HEALTH_WATCH_INFOROM: Inforom 监视。

enumerator DCGM_HEALTH_WATCH_THERMAL: 温度监视（查询前必须有 1 分钟的数据）

enumerator DCGM_HEALTH_WATCH_POWER: 功耗监视（查询前必须有 1 分钟的数据）

enumerator DCGM_HEALTH_WATCH_DRIVER: 驱动程序相关监视。

enumerator DCGM_HEALTH_WATCH_NVSWITCH_NONFATAL: NvSwitch 中的非致命错误。

enumerator DCGM_HEALTH_WATCH_NVSWITCH_FATAL: NvSwitch 中的致命错误。

enumerator DCGM_HEALTH_WATCH_ALL: 启用所有监视。

enum dcgmHealthWatchResult_enum

健康监控测试结果。

值

enumerator DCGM_HEALTH_RESULT_PASS: 此系统中的所有结果均报告正常。

enumerator DCGM_HEALTH_RESULT_WARN: 已发出警告，请参阅响应以获取更多信息。

enumerator DCGM_HEALTH_RESULT_FAIL: 已发出故障，请参阅响应以获取更多信息。

enum dcgmDiagResult_enum

诊断测试结果。

值

enumerator DCGM_DIAG_RESULT_PASS: 此测试作为诊断通过。

enumerator DCGM_DIAG_RESULT_SKIP: 此测试已跳过。

enumerator DCGM_DIAG_RESULT_WARN: 此测试通过，但有警告。

enumerator DCGM_DIAG_RESULT_FAIL: 此测试诊断失败。

enumerator DCGM_DIAG_RESULT_NOT_RUN: 此测试未执行。

enum dcgmDiagnosticLevel_t

诊断级别枚举。

值

enumerator DCGM_DIAG_LVL_INVALID: 未初始化。

enumerator DCGM_DIAG_LVL_SHORT: 在系统上运行非常基础的健康检查

enumerator DCGM_DIAG_LVL_MED: 运行中等时长的诊断（几分钟）

enumerator DCGM_DIAG_LVL_LONG: 运行全面的诊断（几分钟）

enumerator DCGM_DIAG_LVL_XLONG: 运行非常全面的诊断（多分钟）

enum dcgmPerGpuTestIndices_enum

每个 GPU 诊断测试 - dcgmDiagResponsePerGpu_t.results[] 的固定索引。

值

enumerator DCGM_MEMORY_INDEX: 内存测试索引。

enumerator DCGM_DIAGNOSTIC_INDEX: 诊断测试索引。

enumerator DCGM_PCI_INDEX: PCIe 测试索引。

enumerator DCGM_SM_STRESS_INDEX: SM 压力测试索引。

enumerator DCGM_TARGETED_STRESS_INDEX: 定向压力测试索引。

enumerator DCGM_TARGETED_POWER_INDEX: 定向功耗测试索引。

enumerator DCGM_MEMORY_BANDWIDTH_INDEX: 内存带宽测试索引。

enumerator DCGM_MEMTEST_INDEX: Memtest 测试索引。

enumerator DCGM_PULSE_TEST_INDEX: 脉冲测试索引。

enumerator DCGM_EUD_TEST_INDEX: EUD 测试索引。

enumerator DCGM_NVBANDWIDTH_INDEX: NVBandwidth 索引。

enumerator DCGM_UNUSED2_TEST_INDEX

enumerator DCGM_UNUSED3_TEST_INDEX

enumerator DCGM_UNUSED4_TEST_INDEX

enumerator DCGM_UNUSED5_TEST_INDEX

enumerator DCGM_SOFTWARE_INDEX: 软件测试索引。

enumerator DCGM_CONTEXT_CREATE_INDEX: 上下文创建测试索引。

enumerator DCGM_UNKNOWN_INDEX: 未知测试。

enum dcgmSoftwareTest_enum

值

enumerator DCGM_SWTEST_DENYLIST: 测试驱动程序是否在拒绝列表中（例如 nouveau）

enumerator DCGM_SWTEST_NVML_LIBRARY: 测试 NVML 库是否存在（以及版本）

enumerator DCGM_SWTEST_CUDA_MAIN_LIBRARY: 测试 CUDA 库是否存在（以及版本）

enumerator DCGM_SWTEST_CUDA_RUNTIME_LIBRARY: 测试 CUDA RT 库是否存在（以及版本）

enumerator DCGM_SWTEST_PERMISSIONS: 测试字符设备权限

enumerator DCGM_SWTEST_PERSISTENCE_MODE: 测试是否启用持久模式

enumerator DCGM_SWTEST_ENVIRONMENT: 测试可能减慢测试速度的 CUDA 环境变量

enumerator DCGM_SWTEST_PAGE_RETIREMENT: 测试是否有待处理的帧缓冲区页面停用

enumerator DCGM_SWTEST_GRAPHICS_PROCESSES: 测试图形进程是否正在运行

enumerator DCGM_SWTEST_INFOROM: 测试 inforom 是否损坏

enumerator DCGM_SWTEST_FABRIC_MANAGER: 测试 Fabric Manager 是否正在运行

enum dcgmGpuLevel_enum

表示系统中两个 GPU 之间的级别关系。枚举值之间留有间隔，以便将来扩展关系。

这些值与 nvml.h 中的定义匹配

值

enumerator DCGM_TOPOLOGY_UNINITIALIZED

enumerator DCGM_TOPOLOGY_BOARD: 多 GPU 板卡

enumerator DCGM_TOPOLOGY_SINGLE: 所有仅需遍历单个 PCIe 交换机的设备

enumerator DCGM_TOPOLOGY_MULTIPLE: 所有无需遍历主机桥的设备

enumerator DCGM_TOPOLOGY_HOSTBRIDGE: 所有连接到同一主机桥的设备

enumerator DCGM_TOPOLOGY_CPU: 所有连接到同一 CPU 但可能连接到多个主机桥的设备

enumerator DCGM_TOPOLOGY_SYSTEM: 系统中的所有设备

enumerator DCGM_TOPOLOGY_NVLINK1: 通过单个 NVLINK 链路连接的 GPU。

enumerator DCGM_TOPOLOGY_NVLINK2: 通过两个 NVLINK 链路连接的 GPU。

enumerator DCGM_TOPOLOGY_NVLINK3: 通过三个 NVLINK 链路连接的 GPU。

enumerator DCGM_TOPOLOGY_NVLINK4: 通过四个 NVLINK 链路连接的 GPU。

enumerator DCGM_TOPOLOGY_NVLINK5: 通过五个 NVLINK 链路连接的 GPU。

enumerator DCGM_TOPOLOGY_NVLINK6: 通过六个 NVLINK 链路连接的 GPU。

enumerator DCGM_TOPOLOGY_NVLINK7: 通过七个 NVLINK 链路连接的 GPU。

enumerator DCGM_TOPOLOGY_NVLINK8: 通过八个 NVLINK 链路连接的 GPU。

enumerator DCGM_TOPOLOGY_NVLINK9: 通过九个 NVLINK 链路连接的 GPU。

enumerator DCGM_TOPOLOGY_NVLINK10: 通过十个 NVLINK 链路连接的 GPU。

enumerator DCGM_TOPOLOGY_NVLINK11: 通过十一个 NVLINK 链路连接的 GPU。

enumerator DCGM_TOPOLOGY_NVLINK12: 通过十二个 NVLINK 链路连接的 GPU。

enumerator DCGM_TOPOLOGY_NVLINK13: 通过十二个 NVLINK 链路连接的 GPU。

enumerator DCGM_TOPOLOGY_NVLINK14: 通过十二个 NVLINK 链路连接的 GPU。

enumerator DCGM_TOPOLOGY_NVLINK15: 通过十二个 NVLINK 链路连接的 GPU。

enumerator DCGM_TOPOLOGY_NVLINK16: 通过十二个 NVLINK 链路连接的 GPU。

enumerator DCGM_TOPOLOGY_NVLINK17: 通过十二个 NVLINK 链路连接的 GPU。

enumerator DCGM_TOPOLOGY_NVLINK18: 通过十二个 NVLINK 链路连接的 GPU。

enum dcgmGpuNVLinkErrorType_enum

标识 DCGM_FI_DEV_GPU_NVLINK_ERRORS 返回的 GPU NVLink 错误类型。

值

enumerator DCGM_GPU_NVLINK_ERROR_RECOVERY_REQUIRED: 发生 NVLink 链路恢复错误。

enumerator DCGM_GPU_NVLINK_ERROR_FATAL: 发生 NVLink 链路致命错误。

enum dcgmNvLinkLinkState_enum

NvLink 链路状态。

值

enumerator DcgmNvLinkLinkStateNotSupported: 此 GPU 不支持 NvLink (GPU 的默认状态)

enumerator DcgmNvLinkLinkStateDisabled: 此链路支持 NvLink，但此链路已禁用 (NvSwitch 的默认状态)

enumerator DcgmNvLinkLinkStateDown: 此 NvLink 链路已关闭 (非活动)

enumerator DcgmNvLinkLinkStateUp: 此 NvLink 链路已开启 (活动)

enum dcgmModuleId_t

模块 ID。

值

enumerator DcgmModuleIdCore: 核心 DCGM - 始终加载。

enumerator DcgmModuleIdNvSwitch: NvSwitch 模块。

enumerator DcgmModuleIdVGPU: VGPU 模块。

enumerator DcgmModuleIdIntrospect: 自检模块。

enumerator DcgmModuleIdHealth: 健康模块。

enumerator DcgmModuleIdPolicy: 策略模块。

enumerator DcgmModuleIdConfig: 配置模块。

enumerator DcgmModuleIdDiag: GPU 诊断模块。

enumerator DcgmModuleIdProfiling: 性能分析模块。

enumerator DcgmModuleIdSysmon: 系统监控模块。

enumerator DcgmModuleIdCount: 始终是最后一个。比上面的最大值大 1。

enum dcgmModuleStatus_t

模块状态。

模块是延迟加载的，因此在被使用之前，它们将处于 DcgmModuleStatusNotLoaded 状态。一旦模块被使用，它们将移动到另一种状态。

值

enumerator DcgmModuleStatusNotLoaded: 模块尚未加载。

enumerator DcgmModuleStatusDenylisted: 模块在拒绝列表中；无法加载。

enumerator DcgmModuleStatusFailed: 加载模块失败。

enumerator DcgmModuleStatusLoaded: 模块已加载。

enumerator DcgmModuleStatusUnloaded: 模块已卸载，发生在关闭期间。

enumerator DcgmModuleStatusPaused: 模块已暂停。这是一种临时状态，一旦模块恢复，将变为 DcgmModuleStatusLoaded。此状态表示模块已加载。

enum dcgmFabricManagerStatus_t

值

enumerator DcgmFMStatusNotSupported: 此 GPU 不支持 Fabric Manager。

enumerator DcgmFMStatusNotStarted: 此 GPU 的 Fabric Manager 尚未启动。

enumerator DcgmFMStatusInProgress: Fabric Manager 仍在启动中。

enumerator DcgmFMStatusSuccess: Fabric Manager 已成功启动。

enumerator DcgmFMStatusFailure: Fabric Manager 完成训练，但失败。

enumerator DcgmFMStatusUnrecognized: NVML 为 fabric manager 返回了无法识别的状态。

enumerator DcgmFMStatusNvmlTooOld: 查询 fabric manager 状态时，NVML 返回了 NVML_ERROR_FUNCTION_NOT_FOUND。

enumerator DcgmFMStatusCount: 有效状态的计数，始终比最后一个状态多 1。

struct dcgm_link_s

#include <dcgm_structs.h>

表示链接对象。

类型应为 DCGM_FE_GPU 或 DCGM_FE_SWITCH 之一；gpuId 或 switchID 是关联的 gpu 或交换机；index 是链接索引，从 0 开始，TX（偶数）在前，RX（奇数）在后。

公共成员

dcgm_field_entity_group_t type: 实体组

uint32_t index: 链路索引，先 Tx 后 Rx

dcgm_field_eid_t gpuId: 物理 GPU ID

dcgm_field_eid_t switchId: 物理交换机 ID

struct dcgm_link_s::[anonymous]::[anonymous] parsed: 分解的链路标识符 GPU/SW:[GPU|SW]:Index

dcgm_field_eid_t raw: 原始链路 ID

struct dcgmConnectV2Params_v1

#include <dcgm_structs.h>

dcgmConnect_v2 的连接选项 (v1)

注意：此版本已弃用。请使用 dcgmConnectV2Params_v2

公共成员

unsigned int version: 版本号。使用 dcgmConnectV2Params_version

unsigned int persistAfterDisconnect: 连接终止后，是否持久化由此连接修改的 DCGM 状态。通常，一旦连接断开，由此连接创建的所有字段监视都会被删除。1 = 不在此连接后清理。0 = 在此连接后清理

struct dcgmConnectV2Params_v2

#include <dcgm_structs.h>

dcgmConnect_v2 的连接选项 (v2)

公共成员

unsigned int version: 版本号。使用 dcgmConnectV2Params_version

unsigned int persistAfterDisconnect: 连接终止后，是否持久化由此连接修改的 DCGM 状态。通常，一旦连接断开，由此连接创建的所有字段监视都会被删除。1 = 不在此连接后清理。0 = 在此连接后清理

unsigned int timeoutMs: 尝试连接到指定的主机引擎时，在放弃之前应等待多少毫秒

unsigned int addressIsUnixSocket: 传入的地址是 Unix 套接字文件名 (1) 还是 TCP/IP 地址 (0)

struct dcgmHostengineHealth_v1

#include <dcgm_structs.h>

dcgmHostengineHealth_v1 的类型定义。

公共成员

unsigned int version: 此请求的版本。

unsigned int overallHealth: 0 表示健康，或一个代码表示错误

struct dcgmGroupEntityPair_t

#include <dcgm_structs.h>

表示 entityGroupId + entityId 对，以唯一标识实体组内的给定 entityId。

在 DCGM 1.5.0 中添加

公共成员

dcgm_field_entity_group_t entityGroupId: 实体所属的实体组 ID。

dcgm_field_eid_t entityId: 实体的实体 ID。

struct dcgmGroupInfo_v2

#include <dcgm_structs.h>

用于存储 DCGM 组信息的结构体。

在 DCGM 1.5.0 中添加

公共成员

unsigned int version: 版本号 (使用 dcgmGroupInfo_version2)

unsigned int count: entityList 中返回的 entityId 的计数

char groupName[256]: 组名。

dcgmGroupEntityPair_t entityList[64]: 此组中实体的列表。

struct dcgmGroupInfo_v3

#include <dcgm_structs.h>

用于存储 DCGM 组信息的结构体。

在 DCGM 1.5.0 中添加

公共成员

unsigned int version: 版本号 (使用 dcgmGroupInfo_version3)

unsigned int count: entityList 中返回的 entityId 的计数

char groupName[256]: 组名。

dcgmGroupEntityPair_t entityList[1024]: 此组中实体的列表。

struct dcgmMigHierarchyInfo_t

#include <dcgm_structs.h>

表示实体配对，以唯一标识实体及其在层次结构中的位置。

公共成员

dcgmGroupEntityPair_t entity: 相关实体的实体 ID 和类型。

dcgmGroupEntityPair_t parent: 相关实体的父实体的实体 ID 和类型。

dcgmMigProfile_t sliceProfile: 实体 MIG 配置文件标识符。

struct dcgmMigEntityInfo_t

#include <dcgm_structs.h>

提供有关 MIG 实体位置的附加信息。

公共成员

char gpuUuid[128]: GPU UUID

unsigned int nvmlGpuIndex: 来自 NVML 的 GPU 索引

unsigned int nvmlInstanceId: GPU 内的 GPU 实例索引。 0 到 N。GPU 实体为 -1

unsigned int nvmlComputeInstanceId: GPU 实例内的 GPU 计算实例索引。 0 到 N。GPU 实例和 GPU 实体为 -1

unsigned int nvmlMigProfileId

GPU 或计算实例的唯一配置文件 ID。GPU 实体为 -1

另请参阅

nvmlComputeInstanceProfileInfo_st

另请参阅

nvmlGpuInstanceProfileInfo_st

unsigned int nvmlProfileSlices: MIG 配置文件中的切片数

struct dcgmMigHierarchyInfo_v2

struct dcgmMigHierarchy_v2

struct dcgmCpuHierarchyOwnedCores_v1

struct dcgmCpuHierarchy_v1

#include <dcgm_structs.h>

CPU 及其内核的层次结构。

struct dcgmCpuHierarchyCpu_v1

struct dcgmCpuHierarchy_v2

struct dcgmCpuHierarchyCpu_v2

struct dcgmFieldGroupInfo_v1

#include <dcgm_structs.h>

表示字段组信息的结构体。

公共成员

unsigned int version: 版本号 (dcgmFieldGroupInfo_version)

unsigned int numFieldIds: fieldIds[] 中有效条目的数量。

dcgmFieldGrp_t fieldGroupId: 此字段组的 ID。

char fieldGroupName[256]: 字段组名称。

unsigned short fieldIds[128]: 属于此组的字段 ID。

struct dcgmAllFieldGroup_v1

公共成员

unsigned int version: 版本号 (dcgmAllFieldGroupInfo_version)

unsigned int numFieldGroups: fieldGroups[] 中已填充条目的数量。

dcgmFieldGroupInfo_t fieldGroups[64]: 有关每个字段组的信息。

struct dcgmErrorInfo_t

#include <dcgm_structs.h>

表示错误属性的结构体。

公共成员

unsigned int gpuId: 表示 GPU ID。

short fieldId: DCGM_FI_? 之一

int status: DCGM_ST_? 之一

struct dcgmClockSet_v1

#include <dcgm_structs.h>

表示设备的内存、SM 和视频时钟的集合。

这可以是基于上下文的当前值或目标值

公共成员

int version: 版本号 (dcgmClockSet_version)

unsigned int memClock: 内存时钟 (内存时钟值或 DCGM_INT32_BLANK 以忽略/使用与 smClk 兼容的值)

unsigned int smClock: SM 时钟 (SM 时钟值或 DCGM_INT32_BLANK 以忽略/使用与 memClk 兼容的值)

struct dcgmDeviceSupportedClockSets_v1

#include <dcgm_structs.h>

表示设备支持的时钟集列表。

公共成员

unsigned int version: 版本号 (dcgmDeviceSupportedClockSets_version)

unsigned int count: 支持的时钟数。

dcgmClockSet_t clockSet[256]: 设备的有效时钟集。最多填充 count 个条目。

struct dcgmDevicePidAccountingStats_v1

#include <dcgm_structs.h>

表示一个进程的统计数据。

公共成员

unsigned int version: 版本号。应与 dcgmDevicePidAccountingStats_version 匹配。

unsigned int pid: 此统计数据所属进程的进程 ID。

unsigned int gpuUtilization

进程生命周期内，一个或多个内核在 GPU 上执行的时间百分比。

如果不支持，则设置为 DCGM_INT32_NOT_SUPPORTED

unsigned int memoryUtilization

进程生命周期内，全局（设备）内存正在被读取或写入的时间百分比。

如果不支持，则设置为 DCGM_INT32_NOT_SUPPORTED

unsigned long long maxMemoryUsage

进程曾经分配的最大总内存（以字节为单位）。

如果不支持，则设置为 DCGM_INT64_NOT_SUPPORTED

unsigned long long startTimestamp: CPU 时间戳，以微秒为单位表示进程的开始时间。

unsigned long long activeTimeUsec

计算上下文处于活动状态的微秒数。

请注意，这并不意味着上下文正在被使用。 endTimestamp 可以计算为 startTimestamp + activeTime

struct dcgmDeviceThermals_v1

#include <dcgm_structs.h>

表示热信息。

公共成员

unsigned int version: 版本号。

unsigned int slowdownTemp: 降速温度。

unsigned int shutdownTemp: 关机温度。

struct dcgmDevicePowerLimits_v1

#include <dcgm_structs.h>

表示各种功率限制。

公共成员

unsigned int version: 版本号。

unsigned int curPowerLimit: 与此设备关联的功率管理限制（单位：W）

unsigned int defaultPowerLimit: 设备启动时生效的功率管理限制（单位：W）

unsigned int enforcedPowerLimit: 驱动程序在考虑所有限制器后强制执行的有效功率限制（单位：W）

unsigned int minPowerLimit: 最小功率管理限制（单位：瓦）

unsigned int maxPowerLimit: 最大功率管理限制（单位：瓦）

struct dcgmDeviceIdentifiers_v1

#include <dcgm_structs.h>

表示设备标识符。

公共成员

unsigned int version: 版本号 (dcgmDeviceIdentifiers_version)

char brandName[256]: 品牌名称。

char deviceName[256]: 设备名称。

char pciBusId[256]: PCI 总线 ID。

char serial[256]: 设备的序列号。

char uuid[256]: 设备的 UUID。

char vbios[256]: VBIOS 版本。

char inforomImageVersion[256]: Inforom 镜像版本。

unsigned int pciDeviceId: 组合的 16 位设备 ID 和 16 位供应商 ID。

unsigned int pciSubSystemId: 32 位子系统设备 ID。

char driverVersion[256]: 驱动程序版本。

unsigned int virtualizationMode: 虚拟化模式。

struct dcgmDeviceMemoryUsage_v1

#include <dcgm_structs.h>

表示设备内存和使用情况。

公共成员

unsigned int version: 版本号 (dcgmDeviceMemoryUsage_version)

unsigned int bar1Total: BAR1 总大小，单位为兆字节。

unsigned int fbTotal: 帧缓冲区总内存，单位为兆字节。

unsigned int fbUsed: 已用帧缓冲区内存，单位为兆字节。

unsigned int fbFree: 可用帧缓冲区内存，单位为兆字节。

struct dcgmDeviceVgpuUtilInfo_v1

#include <dcgm_structs.h>

表示设备上运行的 vGPU 的利用率值。

公共成员

unsigned int version: 版本号 (dcgmDeviceVgpuUtilInfo_version)

unsigned int vgpuId: vGPU 实例 ID

unsigned int smUtil: vGPU 的 GPU 利用率。

unsigned int memUtil: vGPU 的内存利用率。

unsigned int encUtil: vGPU 的编码器利用率。

unsigned int decUtil: vGPU 的解码器利用率。

struct dcgmDeviceEncStats_v1

#include <dcgm_structs.h>

表示给定设备/vGPU 实例的当前编码器统计信息。

公共成员

unsigned int version: 版本号 (dcgmDeviceEncStats_version)

unsigned int sessionCount: 活动编码器会话计数。

unsigned int averageFps: 所有活动会话的尾部平均 FPS。

unsigned int averageLatency: 编码延迟，单位为毫秒。

struct dcgmDeviceFbcStats_v1

#include <dcgm_structs.h>

表示给定设备/vGPU 实例的当前帧缓冲区捕获会话统计信息。

公共成员

unsigned int version: 版本号 (dcgmDeviceFbcStats_version)

unsigned int sessionCount: 活动 FBC 会话计数。

unsigned int averageFps: 每秒捕获的新帧的移动平均值。

unsigned int averageLatency: 捕获新帧的移动平均延迟，单位为微秒。

struct dcgmDeviceFbcSessionInfo_v1

#include <dcgm_structs.h>

表示给定设备/vGPU 实例上活动 FBC 会话的相关信息。

公共成员

unsigned int version: 版本号 (dcgmDeviceFbcSessionInfo_version)

unsigned int sessionId: 唯一会话 ID。

unsigned int pid: 所有者进程 ID。

unsigned int vgpuId: vGPU 实例 ID（仅在 vGPU 主机上有效，否则为零）

unsigned int displayOrdinal: 显示标识符。

dcgmFBCSessionType_t sessionType: 帧缓冲区捕获会话的类型。

unsigned int sessionFlags: 会话标志。

unsigned int hMaxResolution: 捕获会话支持的最大水平分辨率。

unsigned int vMaxResolution: 捕获会话支持的最大垂直分辨率。

unsigned int hResolution: 调用方在捕获调用中请求的水平分辨率。

unsigned int vResolution: 调用方在捕获调用中请求的垂直分辨率。

unsigned int averageFps: 每秒捕获的新帧的移动平均值。

unsigned int averageLatency: 捕获新帧的移动平均延迟，单位为微秒。

struct dcgmDeviceFbcSessions_v1

#include <dcgm_structs.h>

表示给定设备/vGPU 实例上的所有活动 FBC 会话。

公共成员

unsigned int version: 版本号 (dcgmDeviceFbcSessions_version)

unsigned int sessionCount: 活动 FBC 会话计数。

dcgmDeviceFbcSessionInfo_t sessionInfo[256]: 有关活动 FBC 会话的信息。

struct dcgmDeviceVgpuEncSessions_v1

#include <dcgm_structs.h>

表示给定 vGPU 实例上活动编码器会话的相关信息。

公共成员

unsigned int version: 版本号 (dcgmDeviceVgpuEncSessions_version)

unsigned int vgpuId: vGPU 实例 ID

unsigned int sessionId: 唯一会话 ID。

unsigned int pid: 进程 ID。

dcgmEncoderType_t codecType: 视频编码器类型。

unsigned int hResolution: 当前编码水平分辨率。

unsigned int vResolution: 当前编码垂直分辨率。

unsigned int averageFps: 编码帧的移动平均帧率。

unsigned int averageLatency: 编码延迟的移动平均值，单位为毫秒。

struct dcgmDeviceVgpuProcessUtilInfo_v1

#include <dcgm_structs.h>

表示使用该设备的 vGPU VM 中运行的进程的利用率值。

公共成员

unsigned int version: 版本号 (dcgmDeviceVgpuProcessUtilInfo_version)

unsigned int vgpuId: vGPU 实例 ID

unsigned int vgpuProcessSamplesCount: vGPU VM 中运行的进程计数，这些进程的利用率在本周期内报告。

unsigned int pid: vGPU VM 中运行的进程的进程 ID。

char processName[64]: vGPU VM 中运行的进程的名称。

unsigned int smUtil: vGPU VM 中运行的进程的 GPU 利用率。

unsigned int memUtil: vGPU VM 中运行的进程的显存利用率。

unsigned int encUtil: vGPU VM 中运行的进程的编码器利用率。

unsigned int decUtil: vGPU VM 中运行的进程的解码器利用率。

struct dcgmDeviceVgpuTypeInfo_v1

#include <dcgm_structs.h>

表示设备上支持的 vGPU 相关的静态信息。

公共成员

unsigned int version: 版本号 (dcgmDeviceVgpuTypeInfo_version)

union dcgmDeviceVgpuTypeInfo_v1::[anonymous] vgpuTypeInfo: vGPU 类型 ID 和支持的 vGPU 类型计数

char vgpuTypeName[64]: vGPU 类型名称

char vgpuTypeClass[64]: vGPU 类型的类别。

char vgpuTypeLicense[128]: vGPU 类型的许可证

int deviceId: vGPU 类型的设备 ID

int subsystemId: vGPU 类型的子系统 ID。

int numDisplayHeads: vGPU 支持的显示头数量。

int maxInstances: 给定 vGPU 类型在设备上可创建的最大 vGPU 实例数

int frameRateLimit: vGPU 类型的帧率限制值。

int maxResolutionX: vGPU 显示头的 X 维度最大支持分辨率

int maxResolutionY: vGPU 显示头的 Y 维度最大支持分辨率

int fbTotal: vGPU 总帧缓冲区大小，以兆字节为单位

struct dcgmDeviceVgpuTypeInfo_v2

公共成员

版本号 (dcgmDeviceVgpuTypeInfo_version2): unsigned int version

union dcgmDeviceVgpuTypeInfo_v2::[anonymous] vgpuTypeInfo: vGPU 类型 ID 和支持的 vGPU 类型计数

char vgpuTypeName[64]: vGPU 类型名称

char vgpuTypeClass[64]: vGPU 类型的类别。

char vgpuTypeLicense[128]: vGPU 类型的许可证

int deviceId: vGPU 类型的设备 ID

int subsystemId: vGPU 类型的子系统 ID。

int numDisplayHeads: vGPU 支持的显示头数量。

int maxInstances: 给定 vGPU 类型在设备上可创建的最大 vGPU 实例数

int frameRateLimit: vGPU 类型的帧率限制值。

int maxResolutionX: vGPU 显示头的 X 维度最大支持分辨率

int maxResolutionY: vGPU 显示头的 Y 维度最大支持分辨率

int fbTotal: vGPU 总帧缓冲区大小，以兆字节为单位

int gpuInstanceProfileId: 给定 vGPU 类型的 GPU 实例 Profile ID。

struct dcgmDeviceSupportedVgpuTypeInfo_v1

#include <dcgm_structs.h>

表示设备上支持的 vGPU 相关的信息。

公共成员

unsigned int version: 版本号 (dcgmDeviceSupportedVgpuTypeInfo_version)

unsigned long long deviceId: vGPU 类型的设备 ID

unsigned long long subsystemId: vGPU 类型的子系统 ID。

unsigned int numDisplayHeads: vGPU 支持的显示头数量。

unsigned int maxInstances: 给定 vGPU 类型在设备上可创建的最大 vGPU 实例数

unsigned int frameRateLimit: vGPU 类型的帧率限制值。

unsigned int maxResolutionX: vGPU 显示头的 X 维度最大支持分辨率

unsigned int maxResolutionY: vGPU 显示头的 Y 维度最大支持分辨率

unsigned long long fbTotal: vGPU 总帧缓冲区大小，以兆字节为单位

unsigned int gpuInstanceProfileId: 给定 vGPU 类型的 GPU 实例 Profile ID。

struct dcgmDeviceSettings_v2

struct dcgmDeviceAttributes_v3

公共成员

unsigned int version: 版本号 (dcgmDeviceAttributes_version)

dcgmDeviceSupportedClockSets_t clockSets: 设备支持的时钟。

dcgmDeviceThermals_t thermalSettings: 设备的散热设置。

dcgmDevicePowerLimits_t powerLimits: 设备的各种功率限制。

dcgmDeviceIdentifiers_t identifiers: 设备的标识符。

dcgmDeviceMemoryUsage_t memoryUsage: 设备的显存使用信息。

dcgmDeviceSettings_v2 settings: 基本设备设置。

struct dcgmDeviceMigAttributesInfo_v1

#include <dcgm_structs.h>

表示 MIG 设备的属性信息的结构体。

公共成员

unsigned int version: 版本号 (dcgmDeviceMigAttributesInfo_version)

unsigned int gpuInstanceId: GPU 实例 ID。

unsigned int computeInstanceId: 计算实例 ID。

unsigned int multiprocessorCount: 流式多处理器计数。

unsigned int sharedCopyEngineCount: 共享复制引擎计数。

unsigned int sharedDecoderCount: 共享解码器引擎计数。

unsigned int sharedEncoderCount: 共享编码器引擎计数。

unsigned int sharedJpegCount: 共享 JPEG 引擎计数。

unsigned int sharedOfaCount: 共享 OFA 引擎计数。

unsigned int gpuInstanceSliceCount: GPU 实例切片计数。

unsigned int computeInstanceSliceCount: 计算实例切片计数。

unsigned long long memorySizeMB: 设备内存大小 (单位：MiB)

struct dcgmDeviceMigAttributes_v1

#include <dcgm_structs.h>

用于表示 MIG 设备属性的结构体。

公共成员

unsigned int version: 版本号 (dcgmDeviceMigAttributes_version)

unsigned int migDevicesCount: MIG 设备计数。

dcgmDeviceMigAttributesInfo_v1 migAttributesInfo: MIG 属性信息。

struct dcgmGpuInstanceProfileInfo_v1

#include <dcgm_structs.h>

用于表示 GPU 实例配置文件信息的结构体。

公共成员

unsigned int version: 版本号 (dcgmGpuInstanceProfileInfo_version)

unsigned int id: 设备内唯一的配置文件 ID。

unsigned int isP2pSupported: 点对点 (Peer-to-Peer) 支持。

unsigned int sliceCount: GPU 切片计数。

unsigned int instanceCount: GPU 实例计数。

unsigned int multiprocessorCount: 流式多处理器计数。

unsigned int copyEngineCount: 复制引擎计数。

unsigned int decoderCount: 解码器引擎计数。

unsigned int encoderCount: 编码器引擎计数。

unsigned int jpegCount: JPEG 引擎计数。

unsigned int ofaCount: OFA 引擎计数。

unsigned long long memorySizeMB: 内存大小，单位兆字节 (MB)。

struct dcgmGpuInstanceProfiles_v1

#include <dcgm_structs.h>

用于表示 GPU 实例配置文件的结构体。

公共成员

unsigned int version: 版本号 (dcgmGpuInstanceProfiles_version)

unsigned int profileCount: 配置文件计数。

dcgmGpuInstanceProfileInfo_v1 profileInfo: GPU 实例配置文件信息。

struct dcgmComputeInstanceProfileInfo_v1

#include <dcgm_structs.h>

用于表示计算实例配置文件信息的结构体。

公共成员

unsigned int version: 版本号 (dcgmComputeInstanceProfileInfo_version)

unsigned int gpuInstanceId: GPU 实例 ID。

unsigned int id: GPU 实例内唯一的配置文件 ID。

unsigned int sliceCount: GPU 切片计数。

unsigned int instanceCount: 计算实例计数。

unsigned int multiprocessorCount: 流式多处理器计数。

unsigned int sharedCopyEngineCount: 共享复制引擎计数。

unsigned int sharedDecoderCount: 共享解码器引擎计数。

unsigned int sharedEncoderCount: 共享编码器引擎计数。

unsigned int sharedJpegCount: 共享 JPEG 引擎计数。

unsigned int sharedOfaCount: 共享 OFA 引擎计数。

struct dcgmComputeInstanceProfiles_v1

#include <dcgm_structs.h>

用于表示计算实例配置文件的结构体。

公共成员

unsigned int version: 版本号 (dcgmComputeInstanceProfiles_version)

unsigned int profileCount: 配置文件计数。

dcgmComputeInstanceProfileInfo_v1 profileInfo: 计算实例配置文件信息。

struct dcgmWorkloadPowerProfileInfo_v1

公共成员

unsigned int version: API 版本号

struct dcgmWorkloadPowerProfileProfilesInfo_v1

公共成员

unsigned int version: API 版本号

dcgmWorkloadPowerProfileInfo_v1 workloadPowerProfile[(255)]: 工作负载功耗配置文件信息参数数组。

struct dcgmDeviceWorkloadPowerProfilesStatus_v1

#include <dcgm_structs.h>

设备工作负载配置文件信息。

公共成员

unsigned int version: API 版本号

unsigned int profileMask[8]: 有效工作负载功耗配置文件的位掩码。

struct dcgmConfigPerfStateSettings_t

#include <dcgm_structs.h>

用于表示性能状态设置。

公共成员

unsigned int syncBoost

同步加速模式 (0: 禁用, 1 : 启用, DCGM_INT32_BLANK : 忽略)。

请注意，使用此设置可能会导致时钟频率低于 targetClocks

dcgmClockSet_t targetClocks

目标时钟频率。

将 smClock 和 memClock 设置为 DCGM_INT32_BLANK 以忽略/使用兼容值。对于 Maxwell 或更高版本的 GPU，设置此项意味着 autoBoost=0

struct dcgmConfigPowerLimit_t

#include <dcgm_structs.h>

用于表示组中每个 GPU 的功率上限或表示整个组的功率预算。

公共成员

dcgmConfigPowerLimitType_t type: 标志，用于表示每个 GPU 的功率上限或 GPU 组的功率预算。

unsigned int val: 功率限制，单位瓦特 (设置一个值或 DCGM_INT32_BLANK 以忽略)

struct dcgmConfig_v1

#include <dcgm_structs.h>

用于表示设备的默认和目标配置的结构体。

公共成员

unsigned int version: 版本号 (dcgmConfig_version)

unsigned int gpuId: GPU ID。

unsigned int eccMode: ECC 模式 (0: 禁用, 1 : 启用, DCGM_INT32_BLANK : 忽略)

unsigned int computeMode: 计算模式 (DCGM_CONFIG_COMPUTEMODE_? 之一或 DCGM_INT32_BLANK 以忽略)

dcgmConfigPerfStateSettings_t perfState: 性能状态设置 (时钟频率 / 加速模式)

dcgmConfigPowerLimit_t powerLimit: 功耗限制。

struct dcgmConfig_v2

公共成员

unsigned int version: 版本号 (dcgmConfig_version)

unsigned int gpuId: GPU ID。

unsigned int eccMode: ECC 模式 (0: 禁用, 1 : 启用, DCGM_INT32_BLANK : 忽略)

unsigned int computeMode: 计算模式 (DCGM_CONFIG_COMPUTEMODE_? 之一或 DCGM_INT32_BLANK 以忽略)

dcgmConfigPerfStateSettings_t perfState: 性能状态设置 (时钟频率 / 加速模式)

dcgmConfigPowerLimit_t powerLimit: 功耗限制。

struct dcgmPolicyViolation_v1

公共成员

unsigned int version: 版本号 (dcgmPolicyViolation_version)

unsigned int notifyOnEccDbe: ECC 双位错误的 true/false 通知

unsigned int notifyOnPciEvent: PCI 事件的 true/false 通知

unsigned int notifyOnMaxRetiredPages: 发生多少个已退役页面后进行通知

struct dcgmPolicyConditionParams_st

#include <dcgm_structs.h>

策略条件参数的结构体。

此结构体包含一个标签，表示传递的值的类型，以及一个 “val”，它是可能值类型的联合。例如，要传递一个真布尔值：tag = BOOL，val.boolean = 1。

struct dcgmPolicyViolationNotify_t

#include <dcgm_structs.h>

当用户查询策略违规时填充的结构体。

公共成员

unsigned int gpuId: GPU ID

unsigned int violationOccurred: 基于 dcgmPolicyCondition_t 中位值的违规

struct dcgmPolicy_v1

#include <dcgm_structs.h>

定义指定 GPU 要强制执行的策略的结构体。

公共成员

unsigned int version: 版本号 (dcgmPolicy_version)

dcgmPolicyCondition_t condition: 访问 dcgmPolicyCondition_t 的条件。

dcgmPolicyMode_t mode: 操作模式 dcgmPolicyMode_t。

dcgmPolicyIsolation_t isolation: 策略违规后的隔离级别 dcgmPolicyIsolation_t。

dcgmPolicyAction_t action: 策略违规后要执行的动作 dcgmPolicyAction_t action。

dcgmPolicyValidation_t validation: 采取动作后要执行的验证 dcgmPolicyValidation_t。

dcgmPolicyFailureResp_t response: 验证失败响应 dcgmPolicyFailureResp_t。

dcgmPolicyConditionParams_t parms[7]: condition 字段的参数。

struct dcgmPolicyConditionDbe_t

#include <dcgm_structs.h>

定义 ECC DBE 返回结构体。

公共成员

long long timestamp: 错误的时间戳

enum dcgmPolicyConditionDbe_t::[anonymous] location: 错误的位置

unsigned int numerrors: 错误数量

struct dcgmPolicyConditionPci_t

#include <dcgm_structs.h>

定义 PCI 重放错误返回结构体。

公共成员

long long timestamp: 错误的时间戳

unsigned int counter: PCIe 重放计数器的值

struct dcgmPolicyConditionMpr_t

#include <dcgm_structs.h>

定义最大待处理的已退役页面限制返回结构体。

公共成员

long long timestamp: 错误的时间戳

unsigned int sbepages: 由于 SBE 导致的待处理页面数

unsigned int dbepages: 由于 DBE 导致的待处理页面数

struct dcgmPolicyConditionThermal_t

#include <dcgm_structs.h>

定义热策略违规返回结构体。

公共成员

long long timestamp: 错误的时间戳

unsigned int thermalViolation: 达到的违反策略的温度。

struct dcgmPolicyConditionPower_t

#include <dcgm_structs.h>

定义功耗策略违规返回结构体。

公共成员

long long timestamp: 错误的时间戳

unsigned int powerViolation: 达到的违反策略的功耗值。

struct dcgmPolicyConditionNvlink_t

#include <dcgm_structs.h>

定义 nvlink 策略违规返回结构体。

公共成员

long long timestamp: 错误的时间戳

unsigned short fieldId: 违反策略的 Nvlink 计数器字段 ID。

unsigned int counter: 违反策略的 Nvlink 计数值。

struct dcgmPolicyConditionXID_t

#include <dcgm_structs.h>

定义 xid 策略违规返回结构体。

公共成员

long long timestamp: 错误的时间戳。

unsigned int errnum: XID 错误号。

struct dcgmPolicyCallbackResponse_v2

#include <dcgm_structs.h>

定义提供给回调函数的结构体。

公共成员

unsigned int version: 版本号 (dcgmPolicyCallbackResponse_version)

dcgmPolicyCondition_t condition: 被违反的条件。

dcgmPolicyConditionDbe_t dbe: ECC DBE 返回结构体。

dcgmPolicyConditionPci_t pci: PCI 重放错误返回结构体。

dcgmPolicyConditionMpr_t mpr: 最大已退役页面限制返回结构体。

dcgmPolicyConditionThermal_t thermal: 热策略违规返回结构体。

dcgmPolicyConditionPower_t power: 功耗策略违规返回结构体。

dcgmPolicyConditionNvlink_t nvlink: Nvlink 策略违规返回结构体。

dcgmPolicyConditionXID_t xid: XID 策略违规返回结构体。

unsigned int gpuId: 违反策略的 GPU 的 GPU ID。

struct dcgmFieldValue_v1

#include <dcgm_structs.h>

此结构体用于表示要查询的字段的值。

公共成员

unsigned int version: 版本号 (dcgmFieldValue_version1)

unsigned short fieldId: DCGM_FI_? 之一

unsigned short fieldType: DCGM_FT_? 之一

int status: 查询字段的状态。DCGM_ST_OK 或 DCGM_ST_? 之一

int64_t ts: 自 1970 年以来的微秒时间戳。

int64_t i64: Int64 值。

double dbl: Double 值。

char str[256]: NULL 结尾的字符串。

char blob[4096]: 二进制数据块。

union dcgmFieldValue_v1::[anonymous] value: 值。

struct dcgmFieldValue_v2

#include <dcgm_structs.h>

此结构体用于表示要查询的字段的值。

公共成员

unsigned int version: 版本号 (dcgmFieldValue_version2)

dcgm_field_entity_group_t entityGroupId: 此字段值的实体所属的实体组。

dcgm_field_eid_t entityId: 此字段值所属的实体。

unsigned short fieldId: DCGM_FI_? 之一

unsigned short fieldType: DCGM_FT_? 之一

int status: 查询字段的状态。DCGM_ST_OK 或 DCGM_ST_? 之一

unsigned int unused: 目前未使用，用于将 ts 对齐到 8 字节边界。

int64_t ts: 自 1970 年以来的微秒时间戳。

int64_t i64: Int64 值。

double dbl: Double 值。

char str[256]: NULL 结尾的字符串。

char blob[4096]: 二进制数据块。

union dcgmFieldValue_v2::[anonymous] value: 值。

struct dcgmStatSummaryInt64_t

#include <dcgm_structs.h>

int64 格式的时间序列数据摘要。

每个值将被设置或为空白值。使用 DCGM_INT64_IS_BLANK() 宏检查空白。

另请参阅

有关空白值的实际值，请参阅 dcgmvalue.h

公共成员

long long minValue: 所查看样本的最小值。

long long maxValue: 所查看样本的最大值。

long long average: 所查看样本的简单平均值。此计算忽略空白值。

struct dcgmStatSummaryInt32_t

#include <dcgm_structs.h>

与 dcgmStatSummaryInt64_t 相同，但使用 32 位整数值。

公共成员

int minValue: 所查看样本的最小值。

int maxValue: 所查看样本的最大值。

int average: 所查看样本的简单平均值。此计算忽略空白值。

struct dcgmStatSummaryFp64_t

#include <dcgm_structs.h>

双精度格式的时间序列数据摘要。

每个值将被设置或为空白值。使用 DCGM_FP64_IS_BLANK() 宏检查空白。

另请参阅

有关空白值的实际值，请参阅 dcgmvalue.h

公共成员

double minValue: 所查看样本的最小值。

double maxValue: 所查看样本的最大值。

double average: 所查看样本的简单平均值。此计算忽略空白值。

struct dcgmDiagErrorDetail_t

struct dcgmDiagErrorDetail_v2

#include <dcgm_structs.h>

错误详情。

自 DCGM 3.3 起

公共成员

unsigned int category: 请参阅 dcgmErrorCategory_t。

unsigned int severity: 请参阅 dcgmErrorSeverity_t。

struct dcgmDiagInfo_v1

#include <dcgm_structs.h>

诊断插件的每个实体信息结果 v1。

自 DCGM 4.0 起

公共成员

dcgmGroupEntityPair_t entity: 与信息关联的实体。对于全局范围，请使用组 DCGM_FE_NONE。

char msg[512]: 与插件报告的错误相关的任何消息。

unsigned int testId: 报告错误的测试的索引。

struct dcgmDiagError_v1

#include <dcgm_structs.h>

诊断插件的每个实体错误结果 v1。

自 DCGM 4.0 起

公共成员

dcgmGroupEntityPair_t entity: 与错误关联的实体。对于全局范围，请使用组 DCGM_FE_NONE。

unsigned int code: 正在报告的错误代码。

unsigned int category: 报告的错误类别。请参阅 dcgm_errors.h 中的 dcgmErrorCategory_t。

unsigned int severity: 报告的错误的严重性。请参阅 dcgm_errors.h 中的 dcgmErrorSeverity_t。

char msg[512]: 与插件报告的错误相关的任何消息。

unsigned int testId: 报告错误的测试的索引。

struct dcgmDiagEntityResult_v1

#include <dcgm_structs.h>

诊断插件的每个实体错误结果 v1。

自 DCGM 4.0 起。另请参阅 PluginInterface.h: dcgmDiagEntityResults_v1。

公共成员

dcgmGroupEntityPair_t entity: 与结果关联的实体。对于全局范围，请使用组 DCGM_FE_NONE。

dcgmDiagResult_t result: 此实体的结果。

unsigned int testId: 报告错误的测试的索引。

struct dcgmDiagTestAuxData_v1

#include <dcgm_structs.h>

每个测试的辅助数据结构 v1。

自 DCGM 4.0 起

公共成员

unsigned int version: 版本号 (dcgmDiagTestAuxData_version1)

struct dcgmDiagTestRun_v1

#include <dcgm_structs.h>

有关每次测试运行的信息。

自 DCGM 4.0 起

公共成员

char name[32]: 测试的名称。

char pluginName[32]: 此测试所属的插件名称。

dcgmDiagResult_t result: 插件的总体结果（PASS、FAIL、SKIP、WARN、NOT_RUN）。

unsigned char numErrors: 错误数，在 PASS 时始终为 0。

unsigned char numInfo: 信息消息数。

unsigned char categoryIndex: DiagResponse.categories 的索引。

unsigned char _unused: 填充字节

unsigned short numResults: 实体结果数。

unsigned char errorIndices[32]: 此运行的每个实体的错误索引。

unsigned char infoIndices[16]: 此运行的每个实体的信息索引。

unsigned short resultIndices[1024]: 此运行的每个实体的结果索引。

struct dcgmDiagEntity_v1

#include <dcgm_structs.h>

以实体为中心的诊断运行的附加实体详细信息。

自 DCGM 4.0 起。

公共成员

dcgmGroupEntityPair_t entity: 实体组和实体 ID。

char serialNum[256]: 序列号（字符串；仅 GPU？）。

char skuDeviceId[5]: PCI 设备 ID（字符串；仅 GPU？）。

struct dcgmIncidentInfo_t

公共成员

dcgmHealthSystems_t system: 此信息所属的系统

dcgmHealthWatchResults_t health: 此事件的健康状况诊断

dcgmDiagErrorDetail_t error: 有关错误及其错误代码的信息。

dcgmGroupEntityPair_t entityInfo: 标识哪个实体有此错误

struct dcgmHealthResponse_v5

#include <dcgm_structs.h>

健康响应结构版本 4 - 简单地列出事件，而不是按实体报告。

自 DCGM 2.0 起

公共成员

unsigned int version: 此结构体的版本号。

dcgmHealthWatchResults_t overallHealth: 此主机的总体健康状况。

unsigned int incidentCount: 此结构体中报告的健康事件数量。

dcgmIncidentInfo_t incidents[1024]: 检测到的错误报告。

struct dcgmHealthSetParams_v2

#include <dcgm_structs.h>

用于通过 dcgmHealthSet_v2 API 设置健康监视的结构体。

公共成员

unsigned int version: 此结构体的版本。应为 dcgmHealthSet_version2

dcgmGpuGrp_t groupId: 组 ID，表示一个或多个实体的集合。查看 dcgmGroupCreate 以获取有关创建组的详细信息。或者，传入组 ID 作为 DCGM_GROUP_ALL_GPUS 以对所有 GPU 执行操作，或 DCGM_GROUP_ALL_NVSWITCHES 以对所有 NvSwitch 执行操作。

dcgmHealthSystems_t systems: 一个枚举，表示应启用哪些系统进行健康检查，并进行逻辑 OR 运算。有关详细信息，请参阅 dcgmHealthSystems_t。

long long updateInterval: 从 NVIDIA 驱动程序查询底层健康信息的频率，单位为微秒。这应与您调用 dcgmHealthCheck 的频率相同

double maxKeepAge: 为此字段缓存数据的时间长度，单位为秒。这应至少是您调用 dcgmHealthCheck 的最大时间间隔

struct dcgmProcessUtilInfo_t: #include <dcgm_structs.h>

每个进程的利用率

struct dcgmProcessUtilSample_t: #include <dcgm_structs.h>

用于获取 PID 和相应利用率的内部结构体。

struct dcgmPidSingleInfo_t

#include <dcgm_structs.h>

对应于单个 PID 的信息。

公共成员

unsigned int gpuId: 此信息所属的 GPU 的 ID。 GPU_ID_INVALID = 多个 GPU 的摘要信息。

long long energyConsumed: GPU 消耗的能量，单位为毫瓦/秒。

dcgmStatSummaryInt64_t pcieRxBandwidth: 从 GPU 读取的 PCI-E 字节数。

dcgmStatSummaryInt64_t pcieTxBandwidth: 写入 GPU 的 PCI-E 字节数。

long long pcieReplays: 发生的 PCI-E 重放计数。

long long startTime: 进程启动时间，自 1970 年以来的微秒数。

long long endTime: 进程结束时间，自 1970 年以来的微秒数；如果进程未完成，则报告为 0。

dcgmProcessUtilInfo_t processUtilization: 进程 SM 和内存利用率（百分比）

dcgmStatSummaryInt32_t smUtilization: GPU SM 利用率，以百分比表示。

dcgmStatSummaryInt32_t memoryUtilization: GPU 内存利用率，以百分比表示。

unsigned int eccSingleBit: 已弃用 - 发生的 ECC 单位错误计数。

unsigned int eccDoubleBit: 发生的 ECC 双位错误计数。

dcgmStatSummaryInt32_t memoryClock: 内存时钟频率，单位为 MHz。

dcgmStatSummaryInt32_t smClock: SM 时钟频率，单位为 MHz。

int numXidCriticalErrors: xidCriticalErrorsTs 中有效条目的数量。

long long xidCriticalErrorsTs[10]: 发生的严重 XID 错误的时间戳。

int numOtherComputePids: 有效 otherComputePids 条目的计数。

unsigned int otherComputePids[16]: 运行的其他计算进程。 0=无进程。

int numOtherGraphicsPids: 有效 otherGraphicsPids 条目的计数。

unsigned int otherGraphicsPids[16]: 运行的其他图形进程。 0=无进程。

long long maxGpuMemoryUsed: 已使用的最大 GPU 内存量，单位为字节。

long long powerViolationTime: 由于功率违规而降低时钟频率的微秒数。

long long thermalViolationTime: 由于热违规而降低时钟频率的微秒数。

long long reliabilityViolationTime: 由于可靠性限制而降低时钟频率的微秒数。

long long boardLimitViolationTime: 由于达到板卡最大电压而降低时钟频率的微秒数。

long long lowUtilizationTime: 由于低利用率而降低时钟频率的微秒数。

long long syncBoostTime: 由于同步加速而降低时钟频率的微秒数。

dcgmHealthWatchResults_t overallHealth: 系统的总体健康状况。 dcgmHealthWatchResults_t。

dcgmHealthSystems_t system: 此信息所属的系统

dcgmHealthWatchResults_t health: 此 GPU 上指定系统的健康状况

struct dcgmPidInfo_v2

#include <dcgm_structs.h>

用于存储进程统计信息。

公共成员

unsigned int version: 此消息的版本 (dcgmPidInfo_version)

unsigned int pid: 进程的 PID。

int numGpus: GPUs 中有效的 GPU 数量。

dcgmPidSingleInfo_t summary: gpus[] 中列出的所有 GPU 的摘要信息。

dcgmPidSingleInfo_t gpus[32]: 此 PID 的每个 GPU 信息。

struct dcgmGpuUsageInfo_t

#include <dcgm_structs.h>

与 GPU 上的作业相对应的信息。

公共成员

unsigned int gpuId: 此信息所属的 GPU 的 ID。 GPU_ID_INVALID = 多个 GPU 的摘要信息。

long long energyConsumed: 以毫瓦/秒为单位消耗的能量。

dcgmStatSummaryFp64_t powerUsage: 功率使用量，最小值/最大值/平均值，单位为瓦特。

dcgmStatSummaryInt64_t pcieRxBandwidth: 从 GPU 读取的 PCI-E 字节数。

dcgmStatSummaryInt64_t pcieTxBandwidth: 写入 GPU 的 PCI-E 字节数。

long long pcieReplays: 发生的 PCI-E 重放计数。

long long startTime: 用户提供的作业开始时间，自 1970 年以来的微秒数。

long long endTime: 用户提供的作业结束时间，自 1970 年以来的微秒数。

dcgmStatSummaryInt32_t smUtilization: GPU SM 利用率，以百分比表示。

dcgmStatSummaryInt32_t memoryUtilization: GPU 内存利用率，以百分比表示。

unsigned int eccSingleBit: 已弃用 - 发生的 ECC 单位错误计数。

unsigned int eccDoubleBit: 发生的 ECC 双位错误计数。

dcgmStatSummaryInt32_t memoryClock: 内存时钟频率，单位为 MHz。

dcgmStatSummaryInt32_t smClock: SM 时钟频率，单位为 MHz。

int numXidCriticalErrors: xidCriticalErrorsTs 中有效条目的数量。

long long xidCriticalErrorsTs[10]: 发生的严重 XID 错误的时间戳。

有效 computePids 条目的计数。: int numComputePids

dcgmProcessUtilInfo_t computePidInfo[16]

在作业期间运行的计算进程列表。

0=无进程

int numGraphicsPids: 有效 graphicsPids 条目的计数。

dcgmProcessUtilInfo_t graphicsPidInfo[16]

在作业期间运行的计算进程列表。

0=无进程

long long maxGpuMemoryUsed: 已使用的最大 GPU 内存量，单位为字节。

long long powerViolationTime: 由于功率违规而降低时钟频率的微秒数。

long long thermalViolationTime: 由于热违规而降低时钟频率的微秒数。

long long reliabilityViolationTime: 由于可靠性限制而降低时钟频率的微秒数。

long long boardLimitViolationTime: 由于达到板卡最大电压而降低时钟频率的微秒数。

long long lowUtilizationTime: 由于低利用率而降低时钟频率的微秒数。

long long syncBoostTime: 由于同步加速而降低时钟频率的微秒数。

dcgmHealthWatchResults_t overallHealth: 系统的总体健康状况。 dcgmHealthWatchResults_t。

dcgmHealthSystems_t system: 此信息所属的系统

dcgmHealthWatchResults_t health: 此 GPU 上指定系统的健康状况

struct dcgmJobInfo_v3

#include <dcgm_structs.h>

用于存储作业统计信息以下字段不适用于摘要信息

pcieRxBandwidth（最小值/最大值）
pcieTxBandwidth（最小值/最大值）
smUtilization（最小值/最大值）
memoryUtilization（最小值/最大值）
memoryClock（最小值/最大值）
smClock（最小值/最大值）
processSamples

上述字段的平均值（在摘要中）是所有 GPU 中相应字段平均值的平均值

公共成员

unsigned int version: 此消息的版本 (dcgmPidInfo_version)

int numGpus: gpus[] 中有效的 GPU 数量。

dcgmGpuUsageInfo_t summary: gpus[] 中列出的所有 GPU 的摘要信息。

dcgmGpuUsageInfo_t gpus[32]: 此 PID 的每个 GPU 信息。

struct dcgmRunningProcess_v1

#include <dcgm_structs.h>

用于计算或图形进程的运行进程信息。

公共成员

unsigned int version: 此消息的版本 (dcgmRunningProcess_version)

unsigned int pid: 进程的 PID。

unsigned long long memoryUsed: 此进程使用的 GPU 内存，单位为字节。

struct dcgmDiagTestResult_v2

公共成员

dcgmDiagResult_t status: 测试结果。

dcgmDiagErrorDetail_t error: 错误消息和错误代码（如果有）。

char info[1024]: 从测试返回的信息详情（如果有）。

struct dcgmDiagTestResult_v3

公共成员

dcgmDiagResult_t status: 测试结果。

dcgmDiagErrorDetail_v2 error[5]: 错误消息和错误代码（如果有）。

char info[512]: 从测试返回的信息详情（如果有）。

struct dcgmDiagResponsePerGpu_v4

#include <dcgm_structs.h>

每 GPU 诊断结果结构体。

公共成员

unsigned int gpuId: 此信息所属 GPU 的 ID。

unsigned int hwDiagnosticReturn: 每 GPU 硬件诊断测试返回值。

dcgmDiagTestResult_v2 results[13]: 包含每个每 GPU 测试结果的数组。

struct dcgmDiagResponsePerGpu_v5

公共成员

unsigned int gpuId: 此信息所属 GPU 的 ID。

unsigned int hwDiagnosticReturn: 每 GPU 硬件诊断测试返回值。

dcgmDiagTestResult_v3 results[13]: 包含每个每 GPU 测试结果的数组。

struct dcgmDiagResponsePerGpu_v3

#include <dcgm_structs.h>

每 GPU 响应结构体 v3。

自 DCGM 2.4 起

公共成员

unsigned int gpuId: 此信息所属 GPU 的 ID。

unsigned int hwDiagnosticReturn: 每 GPU 硬件诊断测试返回值。

dcgmDiagTestResult_v2 results[9]: 包含每个每 GPU 测试结果的数组。

struct dcgmDiagResponse_v11

#include <dcgm_structs.h>

全局诊断结果结构体 v11。

自 DCGM 4.0 起

公共成员

unsigned int version: 版本号 (dcgmDiagResponse_v11)

unsigned char numTests: 此响应中包含的测试数量。

unsigned char numErrors: 此响应中包含的错误数量。

unsigned char numInfo: 此响应中包含的信息消息数量。

unsigned char numCategories: 此响应中包含的类别数量。

unsigned short numEntities: 此响应中包含的实体数量。

unsigned short numResults: 此响应中包含的结果数量。

dcgmDiagTestRun_v1 tests[20]: 每个相关测试的测试运行信息。

dcgmDiagEntity_v1 entities[1024]: 每实体详情。

dcgmDiagError_v1 errors[32]: 每实体错误。

dcgmDiagInfo_v1 info[16]: 每实体信息消息。

dcgmDiagEntityResult_v1 results[(20 * 1024)]: 每实体结果。

char categories[5][20]: 插件类别列表。

char dcgmVersion[12]: 表示 DCGM 版本的字符串。

char driverVersion[256]: 表示驱动程序版本的字符串。

char _unused[682880]: 为了与 v10 及更早版本保持二进制兼容性而需要。

struct dcgmDiagResponse_v10

#include <dcgm_structs.h>

全局诊断结果结构体 v10。

自 DCGM 3.3.7 起

公共成员

unsigned int version: 版本号 (dcgmDiagResponse_v10)

unsigned int gpuCount: 有效的每 GPU 结果的数量

unsigned int levelOneTestCount: 有效的一级结果的数量

dcgmDiagTestResult_v3 levelOneResults[16]: 基本的、系统范围的测试结果。

dcgmDiagResponsePerGpu_v5 perGpuResponses[32]: 每个 GPU 的测试结果

dcgmDiagErrorDetail_v2 systemError: NVVS 报告的系统级错误。

char devIds[32][5]: 每个 GPU 的 SKU 设备 ID。

char devSerials[32][256]: 设备的序列号。

char dcgmVersion[12]: 表示 DCGM 版本的字符串。

char driverVersion[256]: 表示驱动程序版本的字符串。

dcgmDiagTestAuxData_v1 auxDataPerTest[13]: 每个测试返回的辅助数据。

struct dcgmDiagResponse_v9

#include <dcgm_structs.h>

全局诊断结果结构 v9。

自 DCGM 3.3 起

公共成员

unsigned int version: 版本号 (dcgmDiagResult_version)

unsigned int gpuCount: 有效的每 GPU 结果的数量

unsigned int levelOneTestCount: 有效的一级结果的数量

dcgmDiagTestResult_v3 levelOneResults[16]: 基本的、系统范围的测试结果。

dcgmDiagResponsePerGpu_v5 perGpuResponses[32]: 每个 GPU 的测试结果

dcgmDiagErrorDetail_v2 systemError: NVVS 报告的系统级错误。

char devIds[32][5]: 每个 GPU 的 SKU 设备 ID。

char devSerials[32][256]: 设备的序列号。

char dcgmVersion[12]: 表示 DCGM 版本的字符串。

char driverVersion[256]: 表示驱动程序版本的字符串。

char _unused[596]: 不再使用。

struct dcgmDiagResponse_v8

#include <dcgm_structs.h>

全局诊断结果结构 v8。

自 DCGM 3.0 起

公共成员

unsigned int version: 版本号 (dcgmDiagResult_version)

unsigned int gpuCount: 有效的每 GPU 结果的数量

unsigned int levelOneTestCount: 有效的一级结果的数量

dcgmDiagTestResult_v2 levelOneResults[16]: 基本的、系统范围的测试结果。

dcgmDiagResponsePerGpu_v4 perGpuResponses[32]: 每个 GPU 的测试结果

dcgmDiagErrorDetail_t systemError: NVVS 报告的系统级错误。

char devIds[32][5]: 每个 GPU 的 SKU 设备 ID。

char dcgmVersion[12]: 表示 DCGM 版本的字符串。

char driverVersion[256]: 表示驱动程序版本的字符串。

char _unused[596]: 不再使用。

struct dcgmDiagResponse_v7

#include <dcgm_structs.h>

全局诊断结果结构 v7。

自 DCGM 2.4 起

公共成员

unsigned int version: 版本号 (dcgmDiagResult_version)

unsigned int gpuCount: 有效的每 GPU 结果的数量

unsigned int levelOneTestCount: 有效的一级结果的数量

dcgmDiagTestResult_v2 levelOneResults[16]: 基本的、系统范围的测试结果。

dcgmDiagResponsePerGpu_v3 perGpuResponses[32]: 每个 GPU 的测试结果

dcgmDiagErrorDetail_t systemError: NVVS 报告的系统级错误。

char _unused[1024]: 不再使用。

struct dcgmDiagStatus_v1

#include <dcgm_structs.h>

诊断实时状态结构 v1。

自 DCGM 4.0 起

公共成员

unsigned int version: 此结构的版本。

unsigned int totalTests: 将要执行的测试数量。

unsigned int completedTests: 已完成的测试数量。

char testName[128]: 最后完成的测试名称。

unsigned int errorCode: 最后完成的测试的第一个错误代码 - 成功时为 DCGM_FR_OK，否则为 DCGM_FR_*。

struct dcgmDeviceTopology_v1

#include <dcgm_structs.h>

设备拓扑信息。

公共成员

unsigned int version: 版本号 (dcgmDeviceTopology_version)

unsigned long cpuAffinityMask[8]

指定 GPU 的亲缘性掩码

1 代表与该位位置的 CPU 亲缘性，最多支持 256 个核心

unsigned int numGpus: gpuPaths 中有效条目的数量

unsigned int gpuId: 路径代表的 gpuId

dcgmGpuTopologyLevel_t path

从该 GPU 到 gpuId 的路径。

请注意，这是一个 DCGM_TOPOLOGY_* 值的位掩码，可以同时包含 PCIe 拓扑和 NvLink 拓扑（如果适用）。例如：0x210 = DCGM_TOPOLOGY_CPU | DCGM_TOPOLOGY_NVLINK2 使用宏 DCGM_TOPOLOGY_PATH_NVLINK 和 DCGM_TOPOLOGY_PATH_PCI 分别屏蔽 NvLink 和 PCI 路径。

unsigned int localNvLinkIds

表示连接到 gpuId 的本地链路的位，例如

如果此字段 == 3，则链路 0 和 1 已连接，仅当 GPU 之间实际存在 NVLINK 时，该字段才有效

struct dcgmGroupTopology_v1

#include <dcgm_structs.h>

组拓扑信息。

公共成员

unsigned int version: 版本号 (dcgmGroupTopology_version)

unsigned long groupCpuAffinityMask[8]

组中所有 GPU 的 CPU 亲缘性掩码

1 代表与该位位置的 CPU 亲缘性，最多支持 256 个核心

unsigned int numaOptimalFlag: 零值表示组中一个或多个 GPU 具有不同的 CPU 亲缘性，因此对于某些算法可能不是最佳的

dcgmGpuTopologyLevel_t slowestPath: 组中 GPU 之间最慢的路径

struct dcgmIntrospectMemory_v1

#include <dcgm_structs.h>

DCGM 内存使用情况信息。

公共成员

unsigned int version: 版本号 (dcgmIntrospectMemory_version)

long long bytesUsed: 字节数

struct dcgmIntrospectCpuUtil_v1

#include <dcgm_structs.h>

DCGM CPU 利用率信息。

将值乘以 100 即可得到百分比。

公共成员

unsigned int version: 版本号 (dcgmMetadataCpuUtil_version)

double total: 设备 CPU 资源的使用比例

double kernel: 设备 CPU 资源在内核模式下的使用比例

double user: 设备 CPU 资源在用户模式下的使用比例

struct dcgmRunDiag_v7

公共成员

unsigned int version: 此消息的版本

unsigned int flags: 指定运行诊断程序的二进制选项的标志。请参阅 DCGM_RUN_FLAGS_*

unsigned int debugLevel: 0-5，表示 GPU 诊断程序用于日志记录的调试级别。

dcgmGpuGrp_t groupId: 要验证的 GPU 组。不能与 gpuList 同时指定。

dcgmPolicyValidation_t validate: 0-3，表示要运行的测试。可选。

char testNames[20][50]: 指定的测试名称列表。可选。

char testParms[100][100]

为指定测试设置的参数。

格式为：testName.parameterName=parameterValue。可选。

char fakeGpuList[50]: 逗号分隔的 GPU 列表。不能与 groupId 同时指定。

char gpuList[50]: 逗号分隔的 GPU 列表。不能与 groupId 同时指定。

char debugLogFile[128]: 要使用的调试日志文件的备用名称。

char statsPath[128]: 插件的统计文件应写入的路径。

char configFileContents[10000]: nvvs 配置文件的内容（可能是 yaml 格式）

char clocksEventMask[50]

要忽略的时钟事件原因，可以是整数掩码。

或逗号分隔值 (CSV) 格式的原因列表

char pluginPath[128]: 诊断插件的自定义路径 - 自 2.2.9 版本起不再支持。

unsigned int currentIteration: 将要执行的当前迭代。

unsigned int totalIterations: 将要执行的总迭代次数。

unsigned int timeoutSeconds: 诊断程序的超时时间，以秒为单位。

char _unusedBuf[128]: 不再使用。

unsigned int failCheckInterval: 启用时，提前失败检查应发生的频率。

struct dcgmRunDiag_v8

公共成员

unsigned int version: 此消息的版本

unsigned int flags: 指定运行诊断程序的二进制选项的标志。请参阅 DCGM_RUN_FLAGS_*

unsigned int debugLevel: 0-5，表示 GPU 诊断程序用于日志记录的调试级别。

dcgmGpuGrp_t groupId: 要验证的 GPU 组。不能与 gpuList 同时指定。

dcgmPolicyValidation_t validate: 0-3，表示要运行的测试。可选。

char testNames[20][50]: 指定的测试名称列表。可选。

char testParms[100][1050]

为指定测试设置的参数。

格式为：testName.parameterName=parameterValue。可选。

char fakeGpuList[50]: 逗号分隔的 GPU 列表。不能与 groupId 同时指定。

char gpuList[50]: 逗号分隔的 GPU 列表。不能与 groupId 同时指定。

char debugLogFile[128]: 要使用的调试日志文件的备用名称。

char statsPath[128]: 插件的统计文件应写入的路径。

char configFileContents[10000]: nvvs 配置文件的内容（可能是 yaml 格式）

char clocksEventMask[50]

要忽略的时钟事件原因，可以是整数掩码。

或逗号分隔值 (CSV) 格式的原因列表

char pluginPath[128]: 诊断插件的自定义路径 - 自 2.2.9 版本起不再支持。

unsigned int currentIteration: 将要执行的当前迭代。

unsigned int totalIterations: 将要执行的总迭代次数。

unsigned int timeoutSeconds: 诊断程序的超时时间，以秒为单位。

char _unusedBuf[128]: 不再使用。

unsigned int failCheckInterval: 启用时，提前失败检查应发生的频率。

char expectedNumEntities[50]: 诊断程序将要运行的预期实体数量。

struct dcgmRunDiag_v9

公共成员

unsigned int version: 此消息的版本

unsigned int flags: 指定运行诊断程序的二进制选项的标志。请参阅 DCGM_RUN_FLAGS_*

unsigned int debugLevel: 0-5，表示 GPU 诊断程序用于日志记录的调试级别。

dcgmGpuGrp_t groupId

要验证的 GPU 组。

不能与 entityIds 同时指定。当指定 entityIds 时，此值应设置为 DCGM_GROUP_NULL。

dcgmPolicyValidation_t validate: 0-3，表示要运行的测试。可选。

char testNames[20][50]: 指定的测试名称列表。可选。

char testParms[100][1050]

为指定测试设置的参数。

格式为：testName.parameterName=parameterValue。可选。

char fakeGpuList[50]

逗号分隔的 GPU 列表。

不能与 groupId 或 entityIds 同时指定。

char debugLogFile[128]: 要使用的调试日志文件的备用名称。

char statsPath[128]: 插件的统计文件应写入的路径。

char configFileContents[10000]: nvvs 配置文件的内容（可能是 yaml 格式）

char clocksEventMask[50]

要忽略的时钟事件原因，可以是整数掩码或。

逗号分隔值 (CSV) 格式的原因列表

char pluginPath[128]: 诊断插件的自定义路径 - 自 2.2.9 版本起不再支持。

unsigned int currentIteration: 将要执行的当前迭代。

unsigned int totalIterations: 将要执行的总迭代次数。

unsigned int timeoutSeconds: 诊断程序的超时时间，以秒为单位。

char _unusedBuf[128]: 不再使用。

unsigned int failCheckInterval: 启用时，提前失败检查应发生的频率。

char expectedNumEntities[50]: 诊断程序将要运行的预期实体数量。

char entityIds[2048]

逗号分隔的实体 ID 列表。

不能与 groupId 同时指定。

unsigned int watchFrequency: 正在监视的字段的监视频率。

struct dcgmRunDiag_v10

公共成员

unsigned int version: 此消息的版本

unsigned int flags: 指定运行诊断程序的二进制选项的标志。请参阅 DCGM_RUN_FLAGS_*

unsigned int debugLevel: 0-5，表示 GPU 诊断程序用于日志记录的调试级别。

dcgmGpuGrp_t groupId

要验证的 GPU 组。

不能与 entityIds 同时指定。当指定 entityIds 时，此值应设置为 DCGM_GROUP_NULL。

dcgmPolicyValidation_t validate: 0-3，表示要运行的测试。可选。

char testNames[20][50]: 指定的测试名称列表。可选。

char testParms[100][1050]

为指定测试设置的参数。

格式为：testName.parameterName=parameterValue。可选。

char fakeGpuList[50]

逗号分隔的 GPU 列表。

不能与 groupId 或 entityIds 同时指定。

char debugLogFile[128]: 要使用的调试日志文件的备用名称。

char statsPath[128]: 插件的统计文件应写入的路径。

char configFileContents[10000]: nvvs 配置文件的内容（可能是 yaml 格式）

char clocksEventMask[50]

要忽略的时钟事件原因，可以是整数掩码或。

逗号分隔值 (CSV) 格式的原因列表

char pluginPath[128]: 诊断插件的自定义路径 - 自 2.2.9 版本起不再支持。

unsigned int currentIteration: 将要执行的当前迭代。

unsigned int totalIterations: 将要执行的总迭代次数。

unsigned int timeoutSeconds: 诊断程序的超时时间，以秒为单位。

char _unusedBuf[128]: 不再使用。

unsigned int failCheckInterval: 启用时，提前失败检查应发生的频率。

char expectedNumEntities[50]: 诊断程序将要运行的预期实体数量。

char entityIds[2048]

逗号分隔的实体 ID 列表。

不能与 groupId 同时指定。

unsigned int watchFrequency: 正在监视的字段的监视频率。

char ignoreErrorCodes[512]: 不同实体上要忽略的错误代码字符串。

struct dcgmTopoSchedHint_v1

公共成员

unsigned int version: 此消息的版本

uint64_t inputGpuIds: 要从中选择的 GPU ID 的位掩码

uint32_t numGpus: DCGM 应选择的 GPU 数量

uint64_t hintFlags: 用于忽略调度提示的某些因素的提示。

struct dcgmNvLinkGpuLinkStatus_v1

#include <dcgm_structs.h>

GPU 的 NvLink 链路状态。

公共成员

dcgm_field_eid_t entityId: GPU 的实体 ID (gpuId)

dcgmNvLinkLinkState_t linkState[6]: 每个 GPU 的链路状态。

struct dcgmNvLinkGpuLinkStatus_v2

公共成员

dcgm_field_eid_t entityId: GPU 的实体 ID (gpuId)

dcgmNvLinkLinkState_t linkState[12]: 每个 GPU 的链路状态。

struct dcgmNvLinkGpuLinkStatus_v3

公共成员

dcgm_field_eid_t entityId: GPU 的实体 ID (gpuId)

dcgmNvLinkLinkState_t linkState[18]: 每个 GPU 的链路状态。

struct dcgmNvLinkNvSwitchLinkStatus_t

#include <dcgm_structs.h>

NvSwitch 的 NvLink 链路状态。

公共成员

dcgm_field_eid_t entityId: NvSwitch 的实体 ID (physicalId)

dcgmNvLinkLinkState_t linkState[256]: 每个 NvSwitch 的链路状态。

struct dcgmNvLinkStatus_v4

#include <dcgm_structs.h>

给定系统中所有 NvLink 的状态。

公共成员

unsigned int version: 此请求的版本。应为 dcgmNvLinkStatus_version1。

unsigned int numGpus: gpus[] 中已填充条目的数量。

dcgmNvLinkGpuLinkStatus_v3 gpus[32]: 每个 GPU 的 NvLink 链路状态。

unsigned int numNvSwitches: nvSwitches[] 中已填充条目的数量。

dcgmNvLinkNvSwitchLinkStatus_t nvSwitches[12]: 每个 NvSwitch 的链路状态。

struct dcgmSummaryResponse_t

公共成员

unsigned int fieldType: 已汇总的字段类型 (int64 或 fp64)

unsigned int summaryCount: values 中已填充的摘要数量

union dcgmSummaryResponse_t::[anonymous] values[7]

用于存储每个摘要值的数组。

摘要按顺序存储。例如，如果请求了 MIN 和 MAX，则 0 将为 MIN，1 将为 MAX。如果请求了 AVG 和 DIFF，则 AVG 将为 0，1 将为 DIFF

struct dcgmFieldSummaryRequest_v1

公共成员

unsigned int version: 此消息的版本 - dcgmFieldSummaryRequest_v1

unsigned short fieldId: 要汇总的字段 ID

dcgm_field_entity_group_t entityGroupId: 我们正在获取其字段的实体的类型

dcgm_field_eid_t entityId: 此实体的序号 ID

uint32_t summaryTypeMask: DCGM_SUMMARY_* 的位掩码，请求的摘要

uint64_t startTime

要汇总的时间间隔的开始时间。

0 表示使用之前的任何数据。

uint64_t endTime

要汇总的时间间隔的结束时间。

0 表示使用之后的任何数据。

dcgmSummaryResponse_t response: 此请求的响应数据

struct dcgmModuleGetStatusesModule_t

#include <dcgm_structs.h>

主机引擎的所有模块的状态。

公共成员

dcgmModuleId_t id: 此模块的 ID。

dcgmModuleStatus_t status: 此模块的状态。

struct dcgmModuleGetStatuses_v1

公共成员

unsigned int version: 此请求的版本。应为 dcgmModuleGetStatuses_version1。

unsigned int numStatuses: statuses[] 中已填充条目的数量。

dcgmModuleGetStatusesModule_t statuses[16]: 每个模块的状态信息。

struct dcgmStartEmbeddedV2Params_v1

#include <dcgm_structs.h>

dcgmStartEmbedded_v2 的选项。

在 DCGM 2.0.0 中添加

公共成员

unsigned int version: 版本号。使用 dcgmStartEmbeddedV2Params_version1

dcgmOperationMode_t opMode: IN: 当用户请求时自动或手动收集数据。

dcgmHandle_t dcgmHandle: OUT: 用于 API 调用的 DCGM 句柄

const char *logFile: IN: DCGM 应记录到的文件。 NULL = 不记录。“-” = stdout

DcgmLoggingSeverity_t severity: IN: DCGM 应记录到 logFile 的严重级别

unsigned int denyListCount: IN: denyList[] 中的模块数

struct dcgmStartEmbeddedV2Params_v2

#include <dcgm_structs.h>

dcgmStartEmbeddedV2Params_v2 的选项。

在 DCGM 2.4.0 中添加，在 3.0.0 中重命名成员

公共成员

unsigned int version: 版本号。使用 dcgmStartEmbeddedV2Params_version2

dcgmOperationMode_t opMode: IN: 当用户请求时自动或手动收集数据。

dcgmHandle_t dcgmHandle: OUT: 用于 API 调用的 DCGM 句柄

const char *logFile: IN: DCGM 应记录到的文件。 NULL = 不记录。“-” = stdout

DcgmLoggingSeverity_t severity: IN: DCGM 应记录到 logFile 的严重级别

unsigned int denyListCount: IN: 要添加到 denyList[] 拒绝列表中的模块数量

const char *serviceAccount: IN: 用于非特权进程的服务帐户

unsigned int denyList[DcgmModuleIdCount]: IN: 要添加到拒绝列表的模块 ID

struct dcgmProfMetricGroupInfo_v2

#include <dcgm_structs.h>

用于返回给定 groupId 可用的所有性能分析指标组的结构体。

公共成员

unsigned short majorId

此指标组的主 ID。

具有相同 majorId 的指标组不能与具有相同 majorId 的其他指标组同时被监视

unsigned short minorId

此指标组的次 ID。

这区分了同一主要指标组内的不同指标组

unsigned int numFieldIds: 在 fieldIds[] 中填充的字段 ID 数量。

unsigned short fieldIds[64]

属于此性能分析的 DCGM 字段 ID。

组。有关详细信息，请参阅 dcgm_fields.h 中的 DCGM_FI_PROF_* 定义。

struct dcgmProfGetMetricGroups_v3

输入参数

unsigned int version: 此请求的版本。应为 dcgmProfGetMetricGroups_version。

unsigned int unused: 目前未使用。设置为 0。

unsigned int gpuId: 我们应该获取指标组的 GPU ID。

输出

unsigned int numMetricGroups: metricGroups[] 中已填充条目的数量。

dcgmProfMetricGroupInfo_v2 metricGroups[10]: 每个指标组的信息。

struct dcgmSettingsSetLoggingSeverity_v1: #include <dcgm_structs.h>

dcgmSettingsSetLoggingSeverity_t 的版本 1。

struct dcgmSettingsSetLoggingSeverity_v2: #include <dcgm_structs.h>

dcgmSettingsSetLoggingSeverity_t 的版本 2。

struct dcgmVersionInfo_v2

#include <dcgm_structs.h>

用于描述 DCGM 构建环境版本 2.0 的结构体。

公共成员

char rawBuildInfoString[256 * 2]

DCGM 构建信息的原始形式。

可能有多个键值对，用分号 (;) 分隔。

每对键值对用冒号 (:) 分隔。只有第一个冒号被视为分隔符。

值可以包含冒号字符。值和键不能包含分号字符。

通常定义的键是

version : DCGM 版本。arch : 目标 DCGM 架构。buildid : 构建 ID。通常是一个序列号。commit : 提交 ID（通常是 git 提交哈希值）。author : 上述提交的作者。branch : 分支（通常是用于构建的 git 分支）。buildtype : 构建类型。builddate : 构建日期。buildplatform : 构建平台。

任何或所有键都可能不存在。

这些值仅供参考，不应参与任何复杂的逻辑。