基于2509的BMC版本，风扇调速失效

liujie_11 · 2026 年4 月 8 日 11:21

基于2509构建的BMC
适配了一款GPU卡，配置了调速策略：

但是给卡加压测试时导致掉卡，发现是因为没有触发调速策略。
于log中发现如下打印，怀疑是cooling组件挂掉了：

希望可以指导定位为何没有触发调速策略。

ubmc_assistant · 2026 年4 月 8 日 11:24

答案内容由AI生成，仅供参考：

结论

调速策略未触发的直接原因是 NPU组件未被识别为冷却设备，导致其关联的CoolingRequirement无法被激活。建议重点检查硬件注册、冷却设备映射和传感器可用性，并优先使用稳定的线性调速策略替代MPC模型。

点击此处查看详细分析解答

风扇调速策略未触发问题的定位分析

根据您提供的信息，在基于2509版本BMC适配GPU卡时，配置了CoolingRequirement_1_72调速策略，但在GPU加压测试导致掉卡的情况下，该调速策略未能触发。结合日志分析，可以系统性地定位问题。

问题现象总结

环境信息：基于2509版本的BMC，适配GPU卡并配置了调速策略。
配置内容：
- CoolingRequirement_1_72：目标温度80℃，最大允许温度100℃，异常转速为80%。
- CoolingArea_1_72：关联风扇1至12。
问题表现：GPU加压测试中出现掉卡，调速策略未生效，疑似cooling组件异常。

关键日志分析

从日志中发现多个关键错误和警告信息，指向cooling组件和thermal_mgnt组件的运行异常：

1. `thermal_mgnt` 组件无法找到冷却需求对象

thermal_mgnt WARNING: dev_object.lua(167): cannot find adapter, object name: CoolingRequirement_1_10_0101040C

此警告多次重复出现，表明thermal_mgnt组件无法识别或访问特定的CoolingRequirement对象。虽然对象名称与配置中的CoolingRequirement_1_72不同，但说明了配置对象加载或注册可能存在普遍性问题。

2. MPC（模型预测控制）模块禁用

cooling NOTICE: [MPC] Disenable mpc

MPC是高级调速算法之一，其被禁用可能影响整体调速逻辑的执行，尤其是在复杂负载场景下。

3. 缺少冷却设备定义

cooling ERROR: There is no cooling device for component npu

此错误非常关键：系统明确指出NPU组件没有定义对应的冷却设备。这意味着尽管配置了针对GPU/NPU的CoolingRequirement，但系统底层并未将该硬件组件与风扇冷却系统正确关联。

4. 模型数据获取失败

Get CPU Kmeans model data shifter failed
Get Kmeans input data failed

表明MPC依赖的机器学习模型数据加载失败，进一步说明调速策略中的智能控制路径已中断。

5. 泵对象检测超时（非关键）

Pump object tmeout detection starting, expect pumps num: 0, cur pumps num: nil

此信息提示液冷泵检测异常，但若系统为风冷设计且无泵，则为非关键警告。

根本原因分析

综合来看，调速策略未触发的根本原因是：GPU/NPU组件未被正确识别为需要冷却的设备，导致其关联的CoolingRequirement无法激活。

具体表现为：

问题层级	原因	证据支持
配置关联缺失	NPU未注册到冷却系统中	`There is no cooling device for component npu`
对象注册失败	CoolingRequirement对象未正确加载或注册	`cannot find adapter, object name: CoolingRequirement_1_10_0101040C`
控制逻辑中断	MPC模型因数据缺失而失效	`Get Kmeans input data failed`, `[MPC] Disenable mpc`

解决建议

1. 确认硬件组件注册（关键）

确保NPU/GPU在系统中已被识别，并正确绑定到冷却框架。检查以下配置项：

确认EntityId和EntityInstance是否正确指向GPU/NPU硬件。
检查CoolingRequirement_1_72中的MonitoringValue所引用的ThresholdSensor_ChipTemp.Reading是否存在且可读。

2. 验证冷却设备映射

在PSR配置中确认是否已为NPU组件定义了对应的冷却设备。例如：

"CoolingDevice_NPU": {
    "Component": "NPU",
    "CoolingArea": "CoolingArea_1_72"
}

3. 检查冷却模块状态

使用命令检查cooling和thermal_mgnt模块是否正常运行：

systemctl status cooling
systemctl status thermal_mgnt

4. 验证对象加载

通过MDB工具检查CoolingRequirement_1_72是否成功加载：

mdbctl lsobj CoolingRequirement_1_72

5. 检查传感器状态

确认ThresholdSensor_ChipTemp状态正常：

mdbctl getobj ThresholdSensor_ChipTemp

确保其ReadingStatus为有效状态（非255），否则会触发MonitoringStatus=1，进入异常调速模式。

6. 避免MPC依赖（临时方案）

若不需要MPC高级控制，可切换至线性调速策略（CoolingPolicy），避免因模型加载失败导致整体调速失效。

附加建议

升级BMC版本：基于2509的版本可能存在已知bug，建议升级至稳定版本（如25.12 LTS）。
迁移配置至 thermal_mgmt：根据文档趋势，未来调速相关配置应由thermal_mgmt统一管理（见“【已评审】cooling配置导入导出项迁移”建议）。
增加日志调试级别：临时启用cooling组件的DEBUG日志，捕获更详细的调速决策流程。

结论