3.5 KiB
3.5 KiB
GTX 965M 重启故障诊断（2026-11-02）
结论
未找到已验证有效的重启后 NVENC 恢复方案。所有实验配置已恢复，VM100 可继续使用软件编码回退；VM101/102 全程保持运行。
此前582.78、DXGI与NVENC确实工作过；此轮故障状态为Windows Code43、nvlddmkm停止、nvidia-smi失败、Sunshine回退libx264。不能以设备管理器显示型号或PnP暂时OK作为恢复成功的依据。
原始配置与备份
宿主机备份目录：/root/vdi-gpu-recovery-20261102/，包含100.conf、vfio.conf、ROM及PCI信息。
- hostpci0：
0000:01:00.0,pcie=1,rombar=1,romfile=gtx965m-pci.rom - args：
-set device.hostpci0.x-pci-sub-vendor-id=0x1558 -set device.hostpci0.x-pci-sub-device-id=0x6557 - GPU：10de:13d9，子系统1558:6557，总线01仅此设备。
- 原ROM SHA256：
080d9765337a5ea3bceefb1f632f073e14b09d215ef44b885e2d97cb04d27160 /etc/modprobe.d/vfio.conf：options vfio-pci ids=10de:13d9 disable_idle_d3=1，本轮未修改该文件。- Windows快速启动原值HiberbootEnabled=1；本轮临时关闭后无收益，已恢复1。
实验与结果
| 实验 | 结果 |
|---|---|
| 关闭Windows快速启动，VM完整停止/启动 | Code43仍存在 |
| 临时disable_idle_d3=N，再解绑/重绑VFIO | D0 active、runtime_usage=1；无法证明完成电源周期 |
| 干净卸载并重载仅vfio_pci模块，disable_idle_d3=0 | 引用计数1→0；实测runtime suspended、D3cold；启动VM后D0，但Code43/NVML失败仍存在 |
| 原供体ROM校验和修正副本 | Windows Guest Agent未上线，未保留 |
| 本机既有sysfs ROM副本 | Windows启动但Code43/NVML失败 |
| 本机ROM＋已确认D3cold电源周期 | 同样失败，未保留 |
没有写PMCSR、没有刷写显卡固件、没有重启宿主机、没有卸载KVM或VFIO核心模块；仅在VM100停止且无VFIO使用者时重载vfio_pci。最终模块参数已恢复Y，原ROM配置已恢复。
ROM证据与局限
- 当前原始供体ROM为184320字节：传统BIOS镜像110080字节，PCIR ID10de:13d9，镜像和模256为1；第二UEFI镜像74240字节仍为10de:13d8。版本84.04.22.00.11。这些是明确的不一致，但不能认定为唯一故障原因；VM使用SeaBIOS，UEFI ID不匹配不等同于此次启动必然失败。
- 既有本机sysfs ROM为110592字节，10de:13d9、校验和0、版本84.04.2B.00.13，字符串含HWDIAG。尚未确认是完整的、适配此板卡的生产版固件；不能只凭校验和正常就当作可靠替代。
- 两份ROM均未刷入硬件。测试副本留在宿主机，当前VM不使用它们。
下一步所需条件
- 优先由运维/设备厂商提供该CLEVO板卡的生产版GM204M/13D9 vBIOS及适配依据，保留原件后再验证。
- 如需要宿主机冷启动、内核/VFIO升级或平台固件实验，先安排维护窗口，备份全部VM与宿主启动配置；不能影响其他VM而不协调。
- 当前证据只证明D3cold电源周期可实现，并不证明它能够修复此显卡；不要添加反复复位/重启任务充当永久修复。
验收标准
nvidia-smi成功、DXGI枚举NVIDIA、Sunshine实际选择h264_nvenc、真实串流有编码利用率；随后Windows重启和VM停启后重复通过。2K显示、20FPS配置和正常Windows单光标应同时保留。