顯示卡凍機先出事、熱機先出事?溫度相關故障分辨指南

重點摘要
顯示卡凍機先出事、熱機正常,或者熱機先出事、凍機正常,溫度變化本身已經係線索,順住溫度對照症狀,先分到邊一層受影響。
本文講乜,唔講乜
本文只講一種現象:同一張顯示卡嘅故障表現會跟住溫度改變。凍機嗰陣出事,部機熱咗之後又正常;或者凍機嗰陣完全正常,部機熱咗、負載高咗之後先出事。關鍵字係溫度對照,同一個系統、同一張卡,喺唔同溫度狀態之下出現唔同結果。文章會教你點樣用溫度變化做變數,將問題一層一層分開。
要先劃清幾條鄰近題目嘅界線。第一,成日都出事、唔理溫度嘅持續性故障,屬於通用故障指南嘅範圍,本文只會用一行提及,唔會重講嗰套流程。第二,風扇噪音或者散熱器積塵本身嘅清潔題目,本文只會喺散熱層面提及,唔會將清潔當成主角。第三,驅動程式更新之後先出現嘅問題,屬於驅動層面題目,本文只會喺排除步驟提一次。第四,電源供應不足引起嘅負載下故障,雖然同熱機故障好相似,但係成因層面唔同,本文會用對照方法將兩者分開,唔會混埋一齊講。
分清楚界線好重要,因為溫度相關故障最容易誤判嘅地方,就係將溫度當成唯一原因。溫度可以係觸發條件,可以係放大器,亦都可以只係巧合:部機熱咗嘅同時,負載、風扇轉速、供電需求全部一齊改變。如果你唔將呢啲變數逐樣分開,你會以為係溫度問題,實際上係負載問題;或者以為係負載問題,實際上係某個零件喺某個溫度範圍先會失常。以下嘅診斷次序,全部圍繞住一個原則:每次只改變一個條件,並且將改變之前同之後嘅結果寫低。
溫度點解會改變故障表現
要理解溫度相關故障,先要理解顯示卡入面有邊幾樣嘢會受溫度影響。第一樣係金屬同電路板嘅熱脹冷縮。顯示卡上面有大量焊點,將晶片、記憶體同其他零件連接去電路板。金屬受熱會膨脹、冷卻會收縮,膨脹同收縮嘅幅度唔同零件唔同。如果某個焊點本身已經有微細裂縫或者接觸不良,喺某個溫度之下,膨脹可以令接觸暫時變好;喺另一個溫度之下,收縮可以令接觸暫時變差。呢種機制可以解釋點解有啲故障只喺凍機出現,熱咗之後反而消失,亦都可以解釋點解有啲故障只喺熱機出現。
第二樣係電子零件本身嘅溫度特性。電容、電阻同半導體零件嘅電氣特性會跟住溫度改變,喺正常設計範圍之內,呢啲改變唔會影響運作;但係當某個零件已經老化或者接近臨界狀態,溫度變化就可以將佢推過臨界點。舉例嚟講,一個喺室溫表現正常嘅零件,喺高溫之下可能出現數值漂移,令供電或者訊號時序出現偏差;反過嚟,一個喺高溫表現正常嘅零件,喺低溫之下可能因為特性偏移而未能正常啟動。呢啲都係零件層面嘅可能性,唔係單靠外觀可以判斷。
第三樣係散熱系統本身嘅狀態。風扇轉速、散熱器同晶片之間嘅導熱介面、機箱入面嘅空氣流動,全部都會影響實際溫度。散熱不良會令溫度升得比正常快、比正常高,令一個本來只會喺極端溫度先出現嘅問題,喺日常使用之下都出現。反過嚟,散熱系統喺凍機嗰陣未進入正常工作狀態,例如風扇喺低溫之下轉速策略唔同,亦都可以令凍機狀態出現短暫異常。散熱層面同零件層面嘅症狀可以好相似,所以一定要分開檢查。
第四樣係負載同溫度嘅綑綁關係。部機熱,通常因為負載高;負載高,同時意味住供電需求大、記憶體存取頻繁、時脈提升。呢幾個因素一齊改變嗰陣,你見到嘅故障可能係由負載引起,而唔係由溫度本身引起。診斷嗰陣,必須將負載同溫度分開:例如喺低負載之下用外在方法令溫度慢慢升高,或者喺高負載之下改善散熱令溫度保持較低,睇下故障跟住邊一個變數走。跟住溫度走,先至係溫度相關;跟住負載走,就要轉去負載層面嘅題目。
症狀要先分類:凍機型、熱機型、同溫度無關型
第一類係凍機型:開機頭幾分鐘出事,部機熱咗之後就正常,而且每次凍機都會重現。常見表現包括開機無畫面、開機嗰陣花畫面、開機之後短時間內當機,之後成日都正常。呢類症狀最有診斷價值嘅地方係,佢有一個清晰嘅時間窗口:由凍機到熱機之間,症狀會逐漸消失。你要記低嘅係,症狀大約喺開機之後幾耐消失、消失之前有冇逐步改善,定係突然之間好返。逐步改善指向溫度逐漸改變緊嘅過程;突然好返可能涉及風扇轉速策略改變或者某個臨界點被跨過。
第二類係熱機型:凍機嗰陣完全正常,用咗一輪、溫度升咗之後先出事。常見表現包括用耐咗之後花畫面、當機、黑畫面、自動重啟,或者效能突然大幅下降。呢類症狀嘅關鍵對照係,症狀出現嗰陣嘅溫度同負載狀態,以及症狀出現之後,如果降低負載或者改善散熱,症狀會唔會減輕或者消失。如果降低負載之後症狀即刻消失,負載層面嘅可能性較高;如果降低負載之後症狀仍然持續一段時間,直至溫度明顯回落先消失,溫度層面嘅可能性較高。
第三類係看似溫度相關,但係實際上同溫度無關。常見情況包括:故障出現嘅時間剛好同部機熱咗嘅時間重疊,但係真正原因係某個排程任務、某個程式喺開機一段時間之後先啟動,或者某個驅動程式喺特定操作之下先出問題。呢類情況嘅特徵係,故障出現嘅時間點固定,但係同實際溫度無關:例如無論室溫高低、無論散熱好壞,故障都係喺開機之後同一個時間點出現。分辨方法係改變溫度條件,睇下故障時間點會唔會跟住移動。如果改變溫度條件之後,故障時間點完全唔變,溫度就唔係主因。
分類之後,你要記低四樣嘢:故障出現嗰陣部機處於凍機定熱機狀態、故障出現之前部機用咗幾耐、當時嘅負載大概係點、故障消失之前有冇逐步改善。呢四樣嘢就係之後所有對照測試嘅基準。
診斷核心:點樣用溫度做變數
診斷溫度相關故障嘅精神好簡單:固定其他條件,只改變溫度相關嘅一個因素,睇下故障跟唔跟住走。以下係四個對照測試,次序由最安全、最容易做到開始。
測試一:凍機重現測試。部機完全冷卻之後,例如隔夜未開機,開機並且即刻進行同平時一樣嘅輕量操作,記低故障有冇出現、出現嗰陣係開機之後幾耐、之後有冇自行消失。跟住,部機保持開住,等佢完全熱咗之後,再做一次同樣操作,對照結果。如果故障只喺凍機出現,熱機完全唔出現,凍機型嘅證據就成立;如果凍機同熱機都會出現,就要轉去持續性故障嘅流程。
測試二:熱機負載對照測試。部機熱咗之後,逐步增加負載,記低故障出現嗰陣嘅負載程度同大約溫度。跟住降低負載,睇下故障會唔會減輕。呢個測試嘅目的唔係要將部機推到極限,而係要搵出故障出現嘅邊界:邊個負載程度開始出事、邊個負載程度之下完全正常。邊界清晰,先可以判斷問題係咪有一個明確嘅觸發條件;邊界模糊、時有時無,就要考慮其他變數,例如機箱通風或者環境溫度。
測試三:散熱條件對照測試。喺不拆開任何硬件嘅前提之下,改變機箱周圍嘅通風條件,例如確保機箱通風口冇被遮住、室溫保持正常,睇下故障出現嘅時間會唔會延遲或者提早。通風改善之後故障明顯延遲出現,散熱層面嘅可能性提高;通風改善之後故障時間完全唔變,散熱就唔係主因。呢個測試要小心,唔好用外來冷源直接吹向顯示卡內部,亦都唔好喺部機運作嗰陣打開機箱伸手入去。
測試四:重啟對照測試。故障出現之後,立即重新開機,睇下故障會唔會即刻重現。熱機型故障喺立即重啟之後,通常會因為部機仍然處於高溫狀態而較容易重現;凍機型故障喺立即重啟之後,通常因為部機已經熱咗而唔會重現,要等部機完全冷卻先會再出現。呢個測試可以幫你分清楚,故障跟住嘅係溫度狀態,定係開機次數或者某個啟動程序。
做晒四個測試,你應該有一張簡單嘅對照表,記低每一次測試嘅溫度狀態、負載、故障有無、出現時間。呢張表就係判斷層次嘅證據。
測試結果點解讀
| 測試組合 | 結果 | 最可能層次 | 下一步 |
|---|---|---|---|
| 凍機輕量操作 | 出事,熱機後消失 | 凍機型溫度相關 | 記低消失時間同改善過程,準備送檢資料 |
| 凍機輕量操作 | 唔出事,熱機高負載先出事 | 熱機型溫度或負載相關 | 繼續做負載同散熱對照,分開溫度同負載 |
| 熱機高負載出事,降低負載後 | 症狀即刻消失 | 負載層面可能性較高 | 轉去負載相關流程,唔好只歸咎溫度 |
| 熱機高負載出事,降低負載後 | 症狀持續,直至溫度回落先消失 | 溫度層面可能性較高 | 檢查散熱條件,再按送檢資料準備 |
| 改善通風後 | 故障出現時間明顯延遲 | 散熱層面可能性提高 | 檢查機箱通風同風扇運作狀態 |
| 改善通風後 | 故障時間完全唔變 | 溫度未必係主因 | 檢查排程任務、驅動同其他時間相關因素 |
| 立即重啟後 | 故障即刻重現 | 跟住高溫狀態走 | 熱機型證據加強 |
| 立即重啟後 | 故障消失,要凍機先再出現 | 跟住凍機狀態走 | 凍機型證據加強 |
呢張表嘅重點係,冇任何單一測試可以直接證明邊一個零件損壞。溫度對照測試嘅終點,係將範圍縮窄到溫度相關嘅某一層,而唔係要你自己判斷係邊粒零件出問題。由外面睇,你係分唔清楚焊點層面、零件特性層面同散熱層面嘅細分,呢啲需要專業檢查。
逐層分辨:散熱、風扇、供電同零件層面
散熱層面最容易由外面觀察。風扇有冇轉動、轉速會唔會跟住溫度改變、機箱通風口有冇被遮住、機箱入面嘅空氣流動係咪正常,呢啲都係可以喺唔拆機嘅前提之下檢查嘅項目。風扇完全唔轉,或者轉速明顯異常,係一個清晰嘅警號;但係風扇轉動正常,唔等於散熱一定正常,因為導熱介面老化、散熱器同晶片之間嘅接觸問題,係由外面睇唔到嘅。散熱層面嘅判斷要建基於對照結果,唔好只憑風扇轉唔轉就下定論。
風扇層面要特別留意一個細節:風扇噪音同風扇效能係兩回事。風扇嘈,唔等於風扇散熱差;風扇靜,唔等於風扇散熱好。判斷風扇層面,要睇轉速會唔會跟住溫度同負載改變,同埋故障出現時間會唔會跟住風扇狀態改變。如果風扇喺故障出現之前已經出現異常,例如轉速突然歸零或者忽快忽慢,風扇層面嘅嫌疑就提高;如果風扇全程運作正常,故障仍然跟住溫度走,風扇就唔係主因。
供電層面同溫度層面好容易混淆,因為高負載同時推高溫度同供電需求。分開兩者嘅方法係對照:喺低負載、溫度較低嘅狀態之下,如果故障都出現,供電層面嘅可能性較低;喺高負載之下,如果改善散熱令溫度保持較低,但係故障仍然出現,供電或者負載層面嘅可能性就提高。呢個對照唔係要你自己改裝供電,而係要你明白,溫度同負載綑綁嗰陣,結論要留一個問號,唔好寫死係溫度問題。
零件層面係最後剩低嘅範圍。當散熱條件、風扇狀態、負載對照都做晒,故障仍然穩定跟住溫度走,零件層面嘅可能性就提高。但係要強調,零件層面入面再細分,例如焊點、電容、記憶體顆粒,係由外面分唔清楚嘅。文章寫到呢度嘅目的,唔係要你自己判斷邊粒零件壞,而係要你明白,溫度對照測試嘅終點係將範圍縮窄到溫度相關嘅零件層面,已經係一個完整嘅診斷結論。
邊界情況:幾種容易誤判嘅組合
第一種邊界情況係,故障只喺冬天或者室溫較低嗰陣出現,夏天又正常。呢種情況容易令人以為係凍機型故障,但係實際上可能涉及環境溫度同機箱內部溫度嘅差距,或者某個零件喺低環境溫度之下嘅特性。判斷嗰陣,要以同一環境之下嘅凍機同熱機對照為準,唔好用唔同季節嘅印象去代替對照測試。
第二種邊界情況係,故障出現時間唔固定,有時凍機出事,有時熱機出事。呢種表現唔再係典型嘅溫度相關故障,而可能涉及多個因素疊加,或者某個間歇性問題剛好同溫度變化重疊。遇到呢種情況,唔好硬將佢歸類為凍機型或者熱機型,應該將每一次嘅溫度狀態、負載、出現時間全部記低,睇下有冇一個共同因素喺背後。
第三種邊界情況係,溫度監測數字正常,但係故障仍然跟住使用時間走。監測軟件顯示嘅溫度通常只係某一個感應點嘅數值,唔代表成張卡每一個位置嘅溫度。某個局部位置過熱,整體溫度數字可以仍然顯示正常。所以,監測數字正常唔可以推翻溫度對照測試嘅結果,兩者要一齊睇:數字係參考,對照結果先係證據。
第四種邊界情況係,故障喺更換散熱膏或者清潔之後出現或者消失。呢種時間關聯好容易令人以為係散熱處理引起或者解決咗問題,但係亦都有可能只係拆裝過程改變咗接觸狀態,或者清潔過程改變咗機箱通風。時間關聯本身唔係證據,溫度對照測試嘅結果先係證據。
常見誤解
誤解一:熱機先出事,一定係散熱唔夠。散熱係其中一個可能性,但係唔係唯一可能性。零件特性、供電、負載都可以喺熱機狀態之下先顯現。未做散熱對照之前,唔好直接將熱機故障等同散熱問題。
誤解二:凍機出事、熱機正常,即係問題自己好返咗。熱咗之後正常,只係代表喺高溫狀態之下接觸或者特性暫時回復,根本原因仍然存在。下一次凍機,問題好大機會再出現。將暫時消失當成痊癒,係最容易拖延處理嘅誤解。
誤解三:溫度數字唔高,就唔關溫度事。監測數字只係感應點數值,唔代表每一個位置嘅溫度,亦都唔代表溫度變化嘅速度同幅度。一個零件可以因為溫度變化速度而出問題,而唔係因為絕對溫度過高。
誤解四:用風扇對住部機吹就等於診斷。外來風扇改變嘅不單止係溫度,仲有機箱入面嘅氣流方向同濕度分佈,而且好難控制變數。診斷應該用正常通風條件之下嘅對照,而唔係用極端外來冷卻去製造一個平時唔會出現嘅狀態。
誤解五:自己拆開散熱器檢查,就等於深入診斷。拆散熱器涉及導熱介面、螺絲壓力同保養問題,拆開之後就算睇到表面,都分唔清楚邊一層出問題。溫度對照測試已經可以將範圍縮窄,拆開並唔會令結論更準確,只會增加額外風險。
誤解六:溫度相關故障一定會越嚟越嚴重。溫度相關問題嘅發展速度因成因而異,有啲會逐漸惡化,有啲會長期維持喺同一個觸發條件。唔好用惡化速度去反推成因,亦都唔好因為問題暫時冇惡化就假設佢唔會再出現。
停手點:幾時唔好再試落去
出現以下任何一種情況,就應該停手。第一,部機出現異味、冒煙、異常高溫觸感,或者任何燒焦跡象。第二,故障由偶然變成頻繁,或者由單一症狀擴散到多種症狀。第三,你已經開始諗住拆開顯示卡、拆散熱器、自行更換導熱介面或者用工具撬動零件。第四,溫度對照測試已經做晒,結果穩定指向溫度相關層面,但係你唔肯定係散熱定係零件層面。第五,部機喺測試過程入面出現無法正常關機或者無法開機嘅新問題。
停手唔係放棄,而係保護證據。停手之後,你手上嘅溫度對照表就係最有價值嘅資料。繼續試落去,特別係拆機或者極端冷卻,只會令原本清晰嘅對照結果變得混亂。
送檢之前要記低嘅資料
第一,故障屬於凍機型定熱機型,出現嗰陣部機用咗幾耐。第二,故障出現同消失嘅時間規律,包括大約幾耐之後消失、降低負載之後有冇改善。第三,四個對照測試各自嘅結果,包括凍機重現、負載邊界、通風對照、重啟對照。第四,風扇運作狀態、機箱通風情況、室溫環境。第五,故障第一次出現之前有冇搬機、清潔、換件或者更新驅動。第六,溫度監測數字(如有),連同監測嗰陣嘅負載狀態一齊記低,唔好只記一個數字。第七,故障嘅具體表現:無畫面、花畫面、當機、黑畫面定係自動重啟,描述事實就得,唔好自己推斷成因。
將呢啲資料用文字寫低,唔好只憑口頭描述。文字紀錄可以令檢查直接由溫度相關層面開始,慳返大量重複測試嘅時間。
常見問題
問:凍機先出事、熱機正常,係咪代表張卡自己修好咗?
答:唔係。熱機之後正常,只係代表喺高溫狀態之下,某個接觸或者零件特性暫時回復到可以運作嘅範圍,根本原因仍然存在。下一次凍機,問題好大機會再出現,唔好將暫時消失當成痊癒。
問:熱機先出事,係咪一定係散熱唔夠?
答:唔一定。散熱係其中一個可能性,但係零件特性、供電同負載都可以喺熱機狀態之下先顯現。要做散熱對照同負載對照,分清楚故障跟住溫度走定係跟住負載走,先可以判斷。
問:溫度監測數字正常,可唔可以排除溫度相關?
答:唔可以。監測數字只係某一個感應點嘅數值,唔代表成張卡每一個位置嘅溫度,亦都唔代表溫度變化速度。對照測試嘅結果先係證據,數字只係參考。
問:點樣分清楚故障跟住溫度走定係跟住負載走?
答:改變其中一個變數,保持另一個不變。降低負載之後症狀即刻消失,負載層面可能性較高;降低負載之後症狀持續,直至溫度回落先消失,溫度層面可能性較高。兩個變數一齊改變嘅測試,冇診斷價值。
問:改善機箱通風之後故障延遲出現,係咪已經證明係散熱問題?
答:呢個結果令散熱層面嘅可能性提高,但係仍然未排除零件層面。散熱改善可以令觸發條件延遲出現,但係根本原因可能仍然喺零件層面。通風改善係一個合理嘅日常安排,但係唔等於問題已經解決。
問:立即重啟之後故障消失,代表乜嘢?
答:如果故障屬於凍機型,立即重啟之後部機仍然處於高溫狀態,故障消失係符合預期嘅,呢個結果加強咗凍機型嘅證據。如果故障屬於熱機型,立即重啟之後故障應該較容易重現,因為部機仍然熱。重啟結果要配合凍機同熱機對照一齊解讀。
問:自己拆散熱器檢查有冇幫助?
答:冇,而且風險高。拆散熱器涉及導熱介面、螺絲壓力同保養問題,拆開之後由外面都分唔清楚邊一層出問題。溫度對照測試已經足夠將範圍縮窄,拆開並唔會令結論更準確。
問:溫度相關故障會唔會自己越嚟越嚴重?
答:發展速度因成因而異,有啲會逐漸惡化,有啲會長期維持喺同一個觸發條件。唔好用惡化速度去反推成因,亦都唔好因為問題暫時冇惡化就假設佢唔會再出現。記低每次出現嘅條件,比起估計惡化速度更加有用。
結語:溫度係變數,唔係結論
溫度相關故障最考驗嘅唔係技術,而係紀律。每次只改變一個條件,每次都記低溫度狀態、負載同結果,故障跟住邊一個變數走就跟到邊一層。溫度本身唔係結論,溫度對照嘅結果先係結論。將對照表寫清楚,喺停手點停手,之後嘅每一步都會清晰好多。
如果你已經完成溫度對照測試,結果穩定指向溫度相關層面,或者部機出現異味、冒煙等警號,帶齊上面列出嘅資料尋求檢查,會比起淨係講一句熱機先出事有用好多。HK GPU Fix 位於石門達利廣場 1209 室,電話 2186 8010,WhatsApp 6558 6806。