Intel显卡驱动新增显存健康监测与故障页离线

IT时代网9月19日消息，Intel Xe 内核显卡驱动本周为 Linux 7.4 提交了新一轮更新，核心是显存健康监测与故障页面离线处理。这意味着，一块仅有少量显存颗粒故障的 Intel 显卡不必直接报废，驱动可以自动检测并屏蔽故障区域，让显卡带病继续运行。

第一项更新是基础 vRAM 健康检查。Intel 工程师 Matthew Auld 解释，驱动在早期探测阶段会把显存的最后一页作为金丝雀进行压力测试，BAR 映射、CCS 尺寸计算和恒等映射设置都会对这一页发起检验，如果哪里算错了，最后一页就是最可能暴露问题的地方。

这一检查的直接动机来自部分 Battlemage 显卡的 CCS 偏移错误。Linus Torvalds 此前亲自发现，部分 BMG 显卡的 CCS 偏移被错误编程，导致本该保留的压缩存储被拉入正常显存分配器，引发黑屏和合成器反复重启。

另一项更新是内存页离线支持，经过 21 轮评审后落地。当驱动收到 GPU 本地内存某地址存在故障的报告时，可以识别持有该页面的分配对象，清除或回收相应内存，并永久禁止该物理区域被后续分配使用。故障页面通过 DebugFS 暴露给用户空间，管理员可在 /sys/bus/pci/devices/bdf/vram_bad_pages 路径下查看页面编号、GPU 页大小与状态标记。

该特性的实际意义是带病运行。仅有少量 vRAM 页面故障的显卡，虽然可用显存略有减少，但仍可正常使用，也能避免反复把损坏页面分配给应用程序，从而防止花屏、死机和黑屏反复出现。需要说明的是，vRAM 健康检查目前受 CONFIG_DRM_XE_DEBUG_MEM 内核构建标志控制，仅面向开发者与回归测试，普通用户不会在启动时看到探测过程；内存页离线功能支持用户配置，目前主要面向 Intel Crescent Island 平台。

注：本文中包含AI辅助创作的内容。

编辑：林一舟