英特尔工程师近日向Linux内核提交了冷重置恢复补丁，专门针对Xe显卡驱动的硬件错误处理，该补丁已历经近十二个版本迭代。此前遇到电源管理单元（PUNIT）错误时，显卡在热重置或驱动重新加载后仍无法恢复，用户只能重启整台电脑。补丁在DRM核心代码中引入了一种新的恢复方法：DRM_WEDGE_RECOVERY_COLD_RESET。当显卡因不可恢复错误被标记为失效时，驱动将请求冷重置而非系统重启。这意味着显卡可以从硬件层面彻底断电再通电，无需牵连整台电脑。DRM核心会通过uevent向用户空间发出冷重置通知。随后，udev等系统服务可根据配置自动执行相应操作。整个过程无需用户手动干预，系统在显卡发生严重错误时能完成自我修复，大大降低了运维复杂度。该功能对数据中心和服务器场景意义重大。在大规模部署英特尔Xe显卡的AI推理和云游戏环境中，GPU错误导致的整机重启会严重影响服务可用性。冷重置恢复机制可将停机时间从分钟级缩短至秒级。目前补丁已发布在dri-devel邮件列表上供社区审查。未来英特尔GPU在Linux上遇到特定PUNIT硬件错误时，系统可自动执行设备级冷重置，无需重启整机。

（作者：）

本文为文剑在天下白萱原创作品，未经授权禁止转载！

本文所用图片，除特别注明外均来自网络搜索，如有侵权烦请联系作者删除，谢谢！