05 GPU 故障诊断 Xid 报错定位实战¶

案例 1：Xid 31 MMU Page Fault 精确定位非法指针访问¶

1. 现场日志与错误剖析¶

NVRM: Xid (PCI:0000:01:00): 31, pid=14092, name=llama_infer, Channel: 0x0000001f, 
      GPU MMU Page Fault: VA 0x000000000000 at subid 0x2, GPC 0x3, TPC 0x1, SM 0x0

graph TD
    SM["SM 0 算术流水线"] -->|执行 LDG.E 指令| MMU["GPU MMU 单元"]
    MMU -->|检查 VA 0x0000_0000_0000| Check["页表项 Valid=0 (未映射地址)"]
    Check --> Fault["触发硬件 MMU Fault 中断"]
    Fault --> KMD["KMD 捕获异常，记录 Xid 31 并上报 dmesg"]

2. 精准定位与修复步骤¶

错误地址为 VA 0x000000000000，说明是经典的空指针解引用；
使用 compute-sanitizer --tool memcheck ./llama_infer 运行，精确打印出产生空指针读操作的行号（attention_kernel.cu:142），修复指针传递后故障消除。