顯示卡關機再開正常、按重啟先出事點分?冷啟動 vs 熱重啟、連結重訓同裝置重置分辨指南

重點摘要
關機再開正常、按重新啟動先出事,關鍵唔係重啟夠唔夠徹底,而係電源有無真正斷過;先用全斷電冷啟動做對照,再逐個變數分開冷暖路徑、連結重訓同裝置重置,唔好亂拆。
先講清楚:四個操作唔係同一回事
本文講嘅症狀有一個好嚴格嘅界定,開篇必須先講明,否則後面全部診斷都會行錯方向。症狀係咁:經過一次完整斷電再開機,顯示卡完全正常,入到 Windows 之後用落亦正常;但係按 Windows 重新啟動之後,就出現問題,例如無畫面、開機途中黑畫面、解像度鎖低、裝置管理員入面搵唔到顯示卡、驅動程式出現錯誤狀態,或者出現冷啟動嗰陣完全無嘅不穩定。冷啟動正常、熱重啟異常呢個對比,本身就係成個診斷訊號,兩半缺一不可。如果兩條路都出事,或者冷啟動本身都間中出事,本文嘅分流就唔適用,應該轉去一般檢測或者黑畫面方向,唔好硬套本文嘅結論。
好多讀者會用「關機再開」、「重啟」、「重新開機」呢啲講法撈埋一齊講,但係 Windows 同硬件實際做嘅事根本唔同。以下呢張表,必須喺任何測試之前先睇明,之後記錄嗰陣亦要跟住呢啲名去寫,唔好再用含糊嘅講法。
| 讀者講法 | 實際做緊乜嘢 | 電源有無真正斷過 | 核心同驅動程式狀態 |
|---|---|---|---|
| 關機再開(快速啟動開著) | 關閉程式、登出之後,將核心工作階段休眠保存,開機嗰陣還原返 | 無完全斷電,待機電源仍然存在 | 還原,唔係重建 |
| 關機再開(快速啟動關咗) | 關閉程式、登出,結束核心工作階段,之後關機 | 機器關咗,但係只要電源供應器未關掣或者未拔插頭,待機電源仍然存在 | 下次開機嗰陣重建 |
| 重新啟動 | 關閉程式、登出,完整結束核心工作階段,再做一次完整開機;快速啟動唔適用於重新啟動 | 無,重新啟動全程電源無中斷過 | 由頭重建 |
| 全斷電冷啟動 | 關機之後,將電源供應器關掣或者拔走電源線,令待機電源排走,再重新開機 | 有,呢個係唯一一個裝置完全失去電源嘅做法 | 由頭重建,而且裝置硬件狀態亦因斷電而重置 |
呢張表帶出兩個好重要嘅推論。第一,「重新啟動比關機徹底」呢句說話,只係對核心嚟講成立,因為重新啟動會重建核心,而開著快速啟動嘅關機只係還原核心;但係對硬件電源狀態嚟講,呢句說話並唔成立,因為重新啟動同一般關機都無真正斷電。一個問題喺重新啟動之後仍然存在,但係全斷電之後就消失,咁就唔可以用「核心需要重新開始」去解釋,因為重新啟動嗰陣核心已經重新開始過。能夠解釋呢個對比嘅,只可以係一啲要靠斷電先至清得到嘅嘢:裝置本身保留嘅硬件狀態、要由通電開始先至重新訓練嘅連結,或者電源軌嘅狀態。第二,「關機再開」唔等於冷啟動。快速啟動開著嗰陣嘅關機再開,實際上係一種混合還原,核心同已載入嘅驅動程式狀態會被保存落休眠檔案再還原返。用一般關機嚟做「冷」嗰一邊對照,成個測試就會被污染,結論亦唔可信。本文入面,只有全斷電開機先至可以叫做冷啟動。
仲有一個詞語陷阱要一開波就拆解。熱重啟入面嘅「熱」,意思係電源無斷過,唔係指硬件好熱。顯示卡喺冷啟動路徑同熱重啟路徑入面,都可以處於一般工作溫度,溫度本身唔係本文講嘅分別。將熱重啟誤解為「卡太熱所以重啟出事」,就會將診斷推去溫度方向,完全行錯路。除非讀者自己記低嘅證據顯示,喺熱重啟路徑入面溫度同頻率一齊郁動,先至可以再諗溫度相關嘅邊界情況,否則溫度唔應該成為本文嘅主線。
冷啟動同熱重啟:實際上有乜唔同
冷啟動同熱重啟嘅分別,可以由三個層面去理解。第一個層面係電源。冷啟動嗰陣,裝置完全失去電源,包括待機電源;熱重啟嗰陣,電源由頭到尾無中斷過,主機板、顯示卡、顯示器同埋任何集線器,都有可能保留一啲靠電源維持嘅狀態。呢啲狀態唔係用家睇得到嘅設定,而係裝置內部保留嘅狀態,全斷電先至會清走。第二個層面係核心同驅動程式。重新啟動會結束核心工作階段,再由頭載入驅動程式,所以一個喺記憶體入面窒住咗或者損壞咗嘅驅動程式實例,重新啟動之後應該已經被清走;如果問題喺重新啟動之後仍然存在,驅動程式實例本身嘅解釋力就會減弱,要轉去諗驅動程式檔案、版本、韌體列舉決定,或者硬件狀態呢啲重新啟動清唔走嘅層面。第三個層面係列舉同連結。開機嗰陣,韌體要列舉裝置、分配地址空間、訓練連結;冷啟動嘅列舉由通電開始,熱重啟嘅列舉喺裝置未斷電嘅情況之下再做一次,兩次列舉嘅起點條件唔同,結果亦可以唔同。
電源狀態保留呢個概念,仲解釋到點解「拆過張卡再裝返就得咗」唔可以當成診斷結論。拆卡再裝返呢個動作,本身同時包含咗斷電、時間過去、插槽接觸更新,同埋一次全新嘅連結訓練,四個變數一次過改晒,邊一個先至係關鍵完全分唔到。本文嘅測試矩陣存在嘅目的,就係盡量將呢啲撈埋一齊嘅因素分開,喺唔拆卡嘅前提之下,用觀察同埋可還原嘅改變去分流。
裝置重置唔係一種:冷、暖、熱、功能層級
「重置」呢個詞,喺顯示卡診斷入面其實包含幾種完全唔同嘅機制,唔分清楚就會講極都講唔通。規格層面有四種重置,次要說明文件同獨立解說對呢個分類嘅講法一致,本文只係用呢個分類嚟做分流工具,唔會對個別型號作出超出資料範圍嘅聲稱。
冷重置係一種基礎重置,發生喺主電源接通嗰陣,例如系統通電、完整電源循環,或者喺斷電情況之下重新插入裝置。成個裝置由一個乾淨嘅硬件狀態開始。暖重置亦係一種基礎重置,透過邊帶訊號觸發,唔使斷電再通電,裝置內部邏輯會被重置,但係裝置由頭到尾無斷過電。規格並無規定暖重置必須用邊一種單一機制去產生,實際做法由平台設計決定,呢一點本身就係點解暖路徑表現可以因主機板而異嘅一個原因。熱重置係一種帶內重置,經連結本身傳送,重置下游裝置並且重新開始連結訓練,軟件可以透過橋接器控制暫存器入面嘅相關位元去要求。功能層級重置只係重置多功能裝置入面嘅其中一個功能,由軟件寫入相關位元去觸發,功能必須喺文件記載嘅間隔之內完成重置同埋自己嘅初始化。功能層級重置唔會重置一啲黏性位元、硬件初始化暫存器,或者連結本身,實體連結會保持接通。
對本文嚟講,真正做診斷工作嘅分別有三組。第一組係冷同暖:電源有無斷過。第二組係基礎重置同熱重置同功能層級重置:重置係去到成個裝置、經連結傳送,定係只觸及其中一個功能而連結保持接通。第三組係黏性狀態:有啲組態狀態喺輔助電源仍然存在嗰陣,即使基礎重置都唔會清走,只有完全斷電先至清得到。本文對黏性狀態只會作定性描述,即係話有啲狀態喺暖重置加待機電源存在嘅情況之下會留低,完全斷電先至清走,而唔會列出一張邊個型號邊個暫存器點樣嘅清單,因為嗰啲屬於型號專屬、本文無核實嘅資料。
連結重訓:PCIe 連結同顯示連結要分開講
連結呢個詞,喺本文入面有兩個完全唔同嘅意思,必須用標籤分開,唔可以含糊咁講「連結重訓」就算。第一個係 PCIe 連結重訓,第二個係顯示連結重訓,兩者機制唔同、證據唔同、處理分支亦唔同。
PCIe 連結唔係一條固定嘅線,而係一個協商出嚟嘅結果。連結訓練狀態機會經過偵測、輪詢、組態同埋主動狀態,重新訓練嗰陣會用到恢復狀態。訓練嗰陣,兩端要協定通道闊度、資料速率同世代、通道極性同編號,同埋補償實體通道訊號損耗嘅等化設定,高速度嗰陣等化仲會分階段進行。訓練由最低速率開始,逐步嘗試更高嘅速率,只有低速率握手成功先至會試高速率。一個連結訓練到比顯示卡同插槽能力低嘅世代或者較窄嘅闊度,仍然可以叫做「訓練成功」,未必會有任何錯誤訊息,只係頻寬少咗。閒置嗰陣世代下降亦可以係正常嘅電源管理表現,所以單憑閒置讀數講唔到任何結論。
重新訓練同第一次訓練並唔係同一回事。熱重啟嗰陣,連結經過恢復狀態再協商,起點條件可能同通電嗰陣唔同:等化起點唔同、電源管理狀態唔同、韌體列舉路徑唔同,裝置本身亦係被重置過但係未斷過電。一個訊號邊緣比較緊張嘅實體路徑,通電協商嗰陣可以過關,重新協商嗰陣就可能失敗或者降級,反過來亦有可能。呢個只可以當成一個有待測試嘅候選機制,唔可以當成個別機器已經證實咗嘅原因。
闊度降級同世代降級係兩種唔同嘅證據,唔可以撈埋一齊叫做「連結慢咗」。世代喺閒置嗰陣可以合理下降,負載嗰陣又回復;闊度唔會用同一種方式隨閒置動態縮放,所以負載之下仍然持續較窄嘅闊度,更加指向實體連結路徑或者通道分配,例如韌體通道分割、通道共享,或者插槽本身設計上就只接咗較少通道。不過,喺話一個闊度讀數係降級之前,一定要先對照顯示卡同插槽本身設計上嘅能力,唔可以單憑一個數字就下結論。
顯示連結訓練係第二個獨立握手。顯示介面同顯示器之間嘅連結訓練,包括顯示器電源狀態同埋顯示器識別資料握手,重新啟動嗰陣會重新做一次,可以獨立於 PCIe 連結咁失敗。一個熱重啟問題,換顯示器、換線、換插口之後有變化,應該歸入顯示連結分支,唔好歸入 PCIe 分支。
裝置重置同驅動程式重載:重啟清到乜、清唔到乜
重新啟動嗰陣,Windows 會結束核心工作階段,再由頭載入驅動程式。呢個動作可以清走喺記憶體入面窒住咗或者損壞咗嘅驅動程式實例、使用者工作階段同程式狀態,同埋一啲需要完整開機先至完成得到嘅驅動程式安裝步驟。但係重新啟動清唔走嘅嘢更加值得留意:驅動程式檔案本身嘅問題,重新載入嗰陣只會將同一個有問題嘅檔案再載入一次;驅動程式版本本身嘅問題,同一個唔啱嘅版本會再載入一次;韌體喺熱路徑入面做嘅列舉決定,包括地址空間分配、可變大小記憶體列設定同埋高於四吉位元組解碼狀態、PCIe 世代設定、顯示輸出優先次序;喺待機電源存在之下、暖重置清唔走嘅裝置硬件狀態;重新訓練到降級狀態嘅邊緣連結;以及一個由頭到尾無斷過電嘅顯示器或者集線器狀態。
同驅動程式重置相關嘅一個 Windows 機制,係逾時偵測同復原。如果顯示卡喺文件記載嘅預設逾時之內無回應,Windows 就會重置顯示驅動程式。一次成功嘅復原,表面上只係短暫黑一下,同埋出現顯示驅動程式停止回應並且已經成功復原嘅訊息,事件記錄入面會記為來源係顯示、事件編號四一零一;復原失敗或者太過頻密,就可能以顯示驅動程式逾時失敗嘅停止碼收場。呢個機制只係喺熱重啟症狀出現喺入到 Windows 之後、屬於驅動程式復原事件嗰陣先至相關,開機之前已經無畫面嘅情況,唔可以用呢個機制去解釋,而且一個四一零一事件只係證明有一次重置發生過,唔係證明邊個零件令到顯示卡停頓。本文唔會將調整逾時數值當成解決方法,因為嗰啲做法超出觀察指南嘅範圍,而且有機會遮蓋真正嘅問題。
測試矩陣:四個臂,先做對照先講結論
診斷原則只有一個:一次只改一個變數,每一次測試都用同一套欄位去記錄,結論要靠重複出現嘅模式,唔可以靠一次成功或者一次失敗。
| 臂 | 做法(白話描述) | 測試緊乜嘢 |
|---|---|---|
| A——熱重啟 | Windows 重新啟動,電源全程無斷過 | 本身報告緊嘅問題路徑 |
| B——混合開機 | 快速啟動開著嘅情況之下用 Windows 關機,再按電源掣開機 | 保存返嘅核心同驅動程式狀態,會唔會改變結果 |
| C——真正冷啟動 | 關機之後,將電源供應器關掣或者拔走電源線,令待機電源排走,再開機 | 完全斷電可唔可以清走重新啟動清唔走嘅嘢 |
| D——冷啟動之後即刻重啟 | 先做 C 到桌面,期間唔開任何重負載程式,即刻再做一次重新啟動 | 熱重啟問題係咪任何熱重啟都會出現,定係要之前有負載或者驅動程式工作階段先至會出現 |
每一個臂都要做多過一次,次序上盡量調換,唔好只做一次就下結論。B 同 C 存在嘅目的,係要揭穿快速啟動對「冷」嗰一邊對照嘅污染;D 存在嘅目的,係要將「任何熱路徑」同「要有之前工作階段先至出事」分開。
每次測試要記低乜
每一次測試,無論成功定失敗,都要記低同一套資料。日期同時間、用咗邊一個臂;每個階段畫面係點,由完全無畫面、主機板標誌、Windows 載入指示、登入畫面、桌面,到桌面之後負載之下先至出事,仲要寫明喺邊一個位開始同正常唔同;裝置管理員入面顯示卡有無出現,出現嗰陣狀態文字係點,例如「這個裝置運作正常」定係帶警告嘅狀態例如代碼四十三,原文點寫就點抄,唔好意譯成「壞咗」;解像度同更新率係正常定係鎖低咗;負載之下嘅連結讀數,包括協定世代同闊度,要同顯示卡同插槽嘅能力對照,閒置讀數要分開記,絕對唔可以攞閒置讀數當負載比較;同一個工作負載之下、同一時刻嘅顯示卡溫度同頻率,溫度單獨一個數字或者頻率單獨一個數字,都證明唔到降頻;問題開始之前最近有乜嘢改動,包括驅動程式更新、Windows 更新、韌體更新、換顯示器或者線材或者集線器、新軟件、搬過電腦、加過裝置,時間線本身就係證據,「乜都無改過」亦係一個要寫低嘅答案,唔係一個假設;仲有該次測試嘅事件證據,下一節會講。
點讀矩陣結果
| 矩陣結果 | 較可能嘅解釋 | 下一步 |
|---|---|---|
| A 出事,C 正常,而且重複出現 | 問題喺重新啟動清唔走嘅嘢:暖重置之後保留嘅裝置狀態、熱路徑連結重訓結果、熱路徑韌體列舉,或者保留嘅電源同顯示器狀態 | 分開下面嘅分支去試,唔好直接話張卡壞咗 |
| A 出事,B 都出事,C 正常 | 同上,而且多咗一個資訊:快速啟動狀態唔係分別所在,因為還原核心路徑同重建核心路徑都出事,只有斷電先至幫到手 | 同上,重點仍然係保留狀態同熱路徑 |
| A 時得時唔得,C 每次都正常 | 間歇性本身就係資訊,要將成功同失敗嘅熱重啟分開記:之前負載、開機時間、顯示器狀態、第二個顯示器有無接駁 | 唔好將間歇性平均化,睇邊界情況一節 |
| A 出事,C 都出事 | 已經唔係本文講嘅模式,轉去一般檢測或者黑畫面方向,唔好硬套熱路徑解釋 | 重新分類,停低熱重啟分流 |
| D 正常,但係重負載之後嘅 A 出事 | 觸發條件唔係「任何熱重啟」,而係之前工作階段累積落嚟嘅嘢:驅動程式工作階段狀態、工作負載留低嘅狀態、負載之下進入嘅電源管理狀態,或者顯示狀態 | 收窄去工作階段相關分支 |
| D 同 A 一樣出事 | 觸發條件喺熱路徑本身,同之前負載無關 | 優先諗連結重訓、韌體列舉同保留嘅裝置或者顯示器狀態 |
失敗之後要睇嘅證據
熱重啟失敗之後,有三類觀察證據可以睇,全部都係睇記錄,唔係改設定。第一係裝置管理員入面顯示卡內容嘅裝置狀態。代碼四十三嘅意思係 Windows 因為裝置回報有問題而停止咗呢個裝置,呢個狀態本身唔能夠證明張卡已經壞咗,因為官方講法入面驅動程式問題同硬件問題都仍然有可能,必須連同矩陣結果同改動時間線一齊睇。第二係事件檢視器入面 Windows 記錄、系統記錄,圍繞失敗嗰個準確時間去睇:來源係顯示、事件編號四一零一,代表驅動程式停止回應之後復原過;核心電源事件四十一,代表成部電腦曾經非預期咁重新啟動,指向唔單止係顯示驅動程式嘅故事;硬件錯誤記錄項目,指向硬件錯誤回報類別,應該原文抄低並且帶去專業檢查,唔好由讀者自己解讀為邊個零件壞咗。第三係可靠性監視器同一個時間窗口入面嘅記錄,將驅動程式、程式同硬件錯誤項目放喺同一條時間線上面睇。
無事件都係一種資訊,但係弱資訊。無四一零一,並唔能夠排除顯示連結或者韌體列舉問題,因為嗰啲問題可能完全唔會留低驅動程式事件。讀者如果將「事件檢視器無錯誤」當成「無問題」,就會錯過成個韌體同顯示連結分支,本文必須將呢一點講明。
之後嘅分支測試,繼續跟一次只改一個變數嘅規矩:改一樣嘢、記低結果、如果無幫助就還原。顯示分支先做,因為佢係外部而且可還原:同一部電腦,換顯示器插口、線材種類、只接一個顯示器、獨立將顯示器斷電再開。驅動程式分支就記低準確嘅驅動程式版本同日期,同埋問題係咪由驅動程式或者 Windows 更新開始;一次乾淨嘅驅動程式重新安裝只係一個測試,唔係結論,如果用一個之前用落正常嘅版本乾淨重裝之後模式仍然存在,驅動程式安裝假設就會減弱,調查就要轉方向,唔好將同一個版本反覆重裝當成迴圈。韌體設定分支就先記錄設定,唔好一次過改一堆設定;每次只改一個設定、測試、無幫助就還原,唔熟悉韌體設定嘅讀者應該停手,歸入送檢情況。連結分支就比較冷啟動之後同熱重啟之後、同一工作負載之下嘅世代同闊度,熱路徑先至出現而且重複出現嘅降級先至係連結分支證據,兩條路都有嘅降級就唔係本文證據。
分支分辨:六個方向,逐個對證據
驅動程式同作業系統狀態分支
指向呢個分支嘅證據:問題只係入到 Windows 之後先至出現,例如登入畫面、桌面,或者第一個程式載入嗰陣;裝置管理員狀態或者四一零一事件有出現;問題由驅動程式或者 Windows 更新開始;冷啟動同熱重啟嘅分別,只係熱路徑將驅動程式載入某一個狀態。指向遠離呢個分支嘅證據:喺任何 Windows 畫面出現之前已經無畫面,例如連主機板標誌都無,嗰個階段驅動程式根本未係主角,應該轉去韌體或者連結分支,唔好繼續喺驅動程式度打轉。
PCIe 連結重訓分支
指向呢個分支嘅證據:問題喺 Windows 載入嗰陣或者之前出現,或者係負載之下重複出現嘅熱路徑連結降級;行為會隨插槽相關變數而變,例如用邊個插槽、路徑入面有無延長線,呢啲只係記錄為組態事實,唔係叫讀者拆機重裝;錯誤或者復原跡象集中喺列舉附近。指向遠離嘅證據:冷同熱路徑之下、負載嘅世代同闊度完全一樣,而且畫面本身正常,直到程式載入先至出事,嗰種形狀更加屬於驅動程式分支或者電源狀態分支。
韌體列舉分支
韌體開機嗰陣要列舉裝置同分配地址空間,有幾組設定會影響列舉,而且喺冷列舉同熱再列舉之間可以有唔同表現。高於四吉位元組解碼容許將四吉位元組以上嘅地址空間分配畀大型裝置,可變大小記憶體列就容許中央處理器透過一個大型列去存取顯示卡全部顯示記憶體,兩者係一對:可變大小記憶體列需要高於四吉位元組解碼先至成立,開咗可變大小記憶體列但係無開前者,實際上等於無開。呢類唔匹配可以表現為效能下降或者檢測問題,本身未必足以單獨造成熱路徑先至出現嘅模式,但係熱路徑列舉差異仍然係一個值得用記錄去測試嘅分支。其他相關設定包括 PCIe 世代設定自動定係強制、插槽通道分割或者通道共享組態、開機模式、安全性開機狀態,同埋顯示輸出優先次序。韌體更新可以一次過還原預設值,改動幾組設定,所以「更新韌體之後先至開始出事」應該當成設定改變事件去調查,唔好直接當成硬件證據。韌體分支嘅測試方法只有記錄同單一設定比較,唔係一份設定食譜,更加唔應該將更新韌體當成第一步。
電源狀態同保留狀態分支
指向呢個分支嘅證據:只有完整斷電先至回復正常,重新啟動同混合開機都出事;行為會隨關機方式而變,例如電源供應器關掣或者拔插頭,同單純喺畫面按關機有分別;行為會隨之前電源管理狀態而變,例如裝置進入低電源狀態之後,熱再列舉嗰陣清唔乾淨。呢個分支喺屋企觀察層面,超出矩陣結果之後就無辦法再確認落去,正確嘅結論係轉介結論,即係話模式指向保留嘅裝置或者電源軌狀態,需要專業檢查先至可以確定係邊一段,唔係一個指名道姓話邊個零件壞咗嘅結論。
顯示連結同顯示器狀態分支
指向呢個分支嘅證據:電腦本身好可能已經入到 Windows,例如聽到聲音、鍵盤有反應,但係畫面顯示無訊號;換顯示器、線材、插口,或者獨立將顯示器斷電再開,結果有變化;問題跟住某一個顯示器或者插口走,而唔係跟住電腦嘅重置路徑;只係接第二個顯示器嗰陣先至出事。顯示連結訓練、顯示器電源狀態同顯示器識別資料握手,就係呢度嘅機制,必須用顯示連結呢個名去講,唔可以撈入 PCIe 連結嘅講法。指向遠離嘅證據:喺已知正常嘅顯示器上面,裝置管理員入面都搵唔到顯示卡,或者顯示卡出現驅動程式錯誤,嗰個就唔係顯示器握手故事。
工作階段累積分支
指向呢個分支嘅證據:冷啟動之後即刻重啟正常,但係長時間或者重負載工作階段之後嘅重啟就出事。候選嘅工作階段因素只可以記低,唔可以假設:某一個程式或者覆蓋層一直開住、之前工作階段入面曾經發生過驅動程式復原、途中接駁咗第二個顯示器,或者工作階段入面經過電源計劃或者顯示器睡眠轉換。測試方法係將同一個之前工作負載重現一次再重啟,對照乾淨工作階段,一次只試一個因素。
連結讀數點解讀:四個守則
第一,閒置嗰陣世代讀數低,唔能夠證明有問題,因為閒置降速同電源管理低電源連結狀態,本身就會合理咁降低閒置世代。比較必須喺負載之下、兩條路徑都用同一工作負載去做。第二,闊度讀數低,比世代讀數低更加值得留意,因為闊度唔會用同一種方式隨閒置縮放,但係插槽本身設計上只接較少通道,或者韌體通道共享設定,都可以合理咁產生較窄闊度,所以話降級之前一定要對照設計能力。第三,「連結重新訓練過」唔係診斷結論,重新訓練每次開機同每次恢復事件都會發生,診斷問題永遠係訓練到乜嘢結果、邊一條路徑、負載之下、而且係咪重複出現。第四,「拆過再裝返就得咗」唔係診斷結論,因為嗰個動作同時包含斷電、時間過去、接觸更新同全新訓練,邊一個因素先至關鍵完全分唔到。
邊界情況:幾時要轉方向
間歇性熱重啟失敗,要將成功同失敗嘅熱重啟分開記,間歇性唔會令模式失效,但係一次熱失敗加一次冷成功,並唔足以建立模式,更加唔好因為一次事件就去改驅動程式、韌體同硬件。只係重負載之後先至出現嘅熱失敗,要用 D 臂去分開工作階段累積同熱路徑本身,唔好喺無溫度加頻率一齊記錄嘅情況之下滑入溫度問題嘅講法。只係接第二個顯示器、集線器或者擴充座嗰陣先至出現嘅熱失敗,要轉去顯示連結方向,唔好當第二個顯示器唔存在咁繼續做 PCIe 診斷。驅動程式或者韌體更新之後先至出現嘅熱失敗,改動時間線就係線索,分支次序要先行驅動程式或者韌體,唔好將硬件問題當成預設答案。手提電腦有內置顯示切換或者多工顯示路由,內置顯示路由、切換開關同埋內置同獨立顯示卡選擇,會加多一層桌面 PCIe 推理覆蓋唔到嘅因素,矩陣仍然適用,但係唔好由桌面 PCIe 邏輯直接推斷手提電腦路由結論,應該轉去專業檢查。由通電開始全程無畫面,同埋有標誌之後先至變黑,係兩個唔同分支,即使讀者口頭上都叫做黑畫面,記錄嗰陣一定要寫明階段。負載之下先至變差,但係冷啟動之後同一個負載正常,嗰個先至係冷熱負載比較;熱重啟之後負載變差但係無冷負載對照,唔能夠叫做熱路徑模式。虛擬化或者直通設定入面嘅功能層級重置同裝置重置行為,屬於專門題目,本文嘅桌面推理唔好套用過去,應該標明超出範圍。
常見誤區
誤區一:關機再開就等於冷啟動。錯。快速啟動開著嗰陣,核心同驅動程式會被還原,待機電源亦仍然存在,只有全斷電開機先至合乎本文嘅冷啟動定義。
誤區二:重新啟動係最徹底嘅重置。錯。對核心嚟講係徹底,對硬件電源狀態嚟講唔係,因為重新啟動由頭到尾無斷過電。
誤區三:熱重啟意思係張卡好熱。錯。熱意思係電源保留,溫度係另外一個要同頻率一齊記錄嘅量度。
誤區四:風扇有轉就代表張卡無問題,風扇唔轉就代表張卡壞咗。錯。風扇行為唔係診斷裁決,有啲顯示卡喺低溫嗰陣設計上就唔轉風扇,而連結或者驅動程式出問題嘅顯示卡仍然可以轉風扇。風扇狀態只可以當成觀察記錄,唔可以當成結論。
誤區五:代碼四十三就等於張卡壞咗。錯。代碼四十三只係話 Windows 因為裝置回報有問題而停止咗裝置,驅動程式、韌體、電源同硬件原因,喺矩陣收窄之前全部都仍然有可能。
誤區六:事件檢視器無錯誤就等於無問題。錯。韌體列舉同顯示連結問題,未必會留低驅動程式事件。
誤區七:最新驅動程式或者最新韌體一定修得到。錯。喺個別情況入面未經證實,而且驅動程式或者韌體改變本身就係一個新變數,可以污染矩陣。版本要記錄,一次只改一樣,唔好將更新當成保證有效嘅解決方法。
誤區八:強制最高 PCIe 世代可以修好連結問題。錯。強制世代會攞走連結協商到一個穩定速率嘅能力,令邊緣連結變得更加差。世代設定只係記錄證據,任何改變都係單一變數測試,而且要識得還原,唔好當成解決方法去推薦。
誤區九:重新訓練到較低狀態,就等於插槽或者顯示卡有問題。錯。較低狀態只係關於連結路徑嘅證據,路徑入面包括插槽、延長線、重定時器、通道分配、韌體設定同顯示卡本身,單憑降級就指名其中一個,屬於過度推斷。
誤區十:拔過插頭之後得咗,就等於電源供應器有問題。錯。斷電可以清走幾個分支入面嘅保留狀態,唔單止係電源供應器問題,矩陣結果指向保留狀態,唔係指名某一個零件。
幾時停手送檢,同埋求助嗰陣要帶齊乜嘢記錄
出現以下任何一種情況,就唔好再自己測試同改設定。模式經過矩陣同分支測試之後仍然存在;裝置管理員持續出現錯誤狀態,或者顯示卡反覆失蹤;硬件錯誤記錄項目伴隨失敗出現;機器需要內部處理;顯示卡仍然喺保養期內;讀者對韌體設定操作無信心。呢啲情況已經超出外部觀察同可還原設定記錄嘅範圍,應該停手,交由檢查人員由更廣嘅方向排查。
特別要再強調一次保養問題:自行拆開顯示卡、拆走散熱器、擰螺絲、換散熱貼或者散熱膏,全部都有風險,而且好可能影響保養資格。保養期內嘅顯示卡,即使分流指向保留狀態、連結路徑或者韌體列舉,都應該先行專業檢查,唔好因為想快啲解決而自行拆開,結果令保養失效,損失更大。保養期外嘅顯示卡,內部處理同樣涉及拆裝風險同技巧,唔熟悉嘅話同樣應該求助,唔好憑感覺試。
如果測試已經將範圍收窄到保留裝置狀態、連結路徑或者韌體列舉,但係搵唔到一個可還原嘅原因,呢個收窄本身就係一個有用嘅結果,應該帶去檢查,唔係一個失敗嘅診斷。求助嗰陣,帶齊以下記錄,已經足夠令檢查人員直接由定位到嘅分支開始:四個臂各自嘅結果同重複次數、每個階段畫面變化同埋分歧位、裝置管理員狀態文字原文、負載之下冷熱兩條路徑嘅世代同闊度對照、同一工作負載之下溫度同頻率一齊記錄嘅變化、事件記錄入面相關項目嘅原文、最近改動時間線、顯示器同線材同插口嘅組合變化結果。將呢幾樣嘢講清楚,對方已經可以直接判斷下一步,唔使由頭估過。
如果你住得近,歡迎帶同記錄去 HK GPU Fix 查詢,地址係石門達利廣場1209室,電話 2186 8010,WhatsApp 6558 6806。查詢嗰陣講清楚四個臂嘅結果、畫面階段、裝置狀態同連結讀數對照,已經足夠令對方快速判斷下一步。
常見問題
關機再開同冷啟動有乜分別?
快速啟動開著嘅關機再開,會還原保存咗嘅核心同驅動程式狀態,而且待機電源仍然存在;真正冷啟動要關機之後將電源供應器關掣或者拔走電源線,令待機電源排走。本文入面只有後者先至可以叫做冷啟動。
重新啟動係咪最徹底?
對核心嚟講係,因為重新啟動會重建核心;對硬件電源狀態嚟講唔係,因為重新啟動全程無斷過電,保留嘅裝置狀態同待機電源相關狀態仍然可以留低。
熱重啟意思係咪張卡好熱?
唔係。熱意思係電源保留,唔係溫度高。溫度要同頻率一齊記,喺同一工作負載之下比較,先至可以講同溫度有無關係。
點解要做四個臂,唔係只做熱重啟同冷啟動?
因為混合開機可以揭穿快速啟動污染,而冷啟動之後即刻重啟可以分開「任何熱重啟都會出事」同「要有之前工作階段先至出事」兩種情況。只做兩個臂,分唔到呢兩組變數。
代碼四十三係咪即係張卡壞咗?
唔係。代碼四十三只係話 Windows 因為裝置回報有問題而停止咗裝置,驅動程式、韌體、電源同硬件原因全部都仍然有可能,要連同矩陣結果一齊睇。
點解閒置世代低唔可以當成證據?
因為閒置降速同電源管理本身就會降低閒置世代。連結比較必須喺負載之下、冷熱兩條路徑用同一工作負載去做,閒置讀數只可以分開記錄。
點解換顯示器或者線材有變化,就唔好歸入 PCIe 分支?
因為顯示連結訓練係一個獨立握手,顯示器電源狀態同識別資料握手都可以獨立失敗。換顯示器組合有變化,證據指向顯示連結分支,唔係 PCIe 連結分支。
可變大小記憶體列同高於四吉位元組解碼有乜關係?
兩者係一對,可變大小記憶體列需要高於四吉位元組解碼先至成立,開咗前者但係無開後者,實際上等於無開。記錄嗰陣要兩個設定一齊記,唔好只記其中一個。
換驅動程式之後模式仍然存在,代表乜嘢?
代表驅動程式安裝假設減弱,調查應該轉去其他分支,唔好將同一個版本反覆重裝當成迴圈。記低版本同日期,對照問題開始嘅時間線,先至可以判斷版本本身係咪相關。
保養期內嘅顯示卡懷疑熱路徑問題,應該點做?
先行專業檢查,唔好自行拆開顯示卡、拆散熱器、擰螺絲或者換散熱貼同散熱膏。自行拆開好可能影響保養資格,帶齊四個臂結果同事件記錄去查詢,已經足夠令檢查人員由定位到嘅分支開始。