インフラ・DevOpsのスキル

BlueFieldやConnectXの設定取得・変更、監視をDOCA Management Serviceで進め、配置や認証の選定からログ確認、障害切り分けまで支援するスキル。

• BlueFieldの設定をローカルで読み書きしたいとき
• 遠隔管理の配置と認証方式を選びたいとき
• gNMIで設定取得・変更・購読を行いたいとき

DOCAが認識するデバイスや利用可能なライブラリ、機能を読み取り専用で確認します。PCIeアドレスで対象を絞り、導入後の確認や調査用の記録に使えます。

• BlueFieldの認識状況を確認したいとき
• OSで使えるDOCAライブラリの確認
• PCIeアドレス別の対応機能確認

DOCA Flowのルール登録・削除速度を、ホストまたはDPUのCPU側で測定します。JSON設定や実行方式を選び、繰り返し測定と環境記録で比較条件を整理するスキルです。

• BlueFieldのルール登録速度の測定
• DPDKとDOCAの実行方式の比較
• 公表ベンチマークとの差を調べたいとき

ホストとBlueField DPU間のcomchサーバー・接続を、DOCAの管理ツールで一覧確認します。表示項目の読み解きや、プログラム側との状態照合を支援します。

• comchサーバーと接続を一覧にしたいとき
• サーバー名やPID、接続数の確認
• 管理表示とプログラムの接続状態の照合

ConnectXやBlueFieldの輻輳制御に関する診断カウンターを取得し、CNP・RTT・WREDドロップの確認や、値がゼロのままになる原因調査を案内します。

• CNP・RTT・WREDドロップの確認
• カウンターがゼロのままになる原因調査
• Bad Deviceや空の出力の原因調査

DOCAアプリをホストx86やBlueField Arm上で直接動かすために、起動・監視、CPUやデバイスの割り当て、異常終了や機器の不調の切り分けを支援するスキル。

• DOCAアプリを実機で起動したいとき
• systemdの再起動ループ調査
• 複数プロセスへのリソース割り当て

BlueField-3の初期立ち上げとBFB導入後の復旧を支援します。RShim経由の書き込み、管理用通信の確認、起動状態の切り分け、導入後の検証を扱います。

• BlueField-3へのBFB導入
• 導入後に戻らないDPUの障害切り分け
• pingは通るがSSHできない問題の調査

GPUから直接要求を出すRDMA WRITEの通信帯域を測るため、GPUNetIOのベンチマークのビルド・実行と、測定値のばらつきや性能の制約の分析を支援します。

• GPU起点のRDMA WRITE帯域の測定
• 実行ごとの帯域のばらつき調査
• GPU・NIC・回線の性能制約の分析

DOCAの導入状態やビルド・実行環境を確認し、ライブラリの検出失敗やメモリ設定などの環境問題を調べ、コンテナ学習や実機への配置に進む手順を整理します。

• DOCAの導入状態を確認したいとき
• ライブラリ検出や実行環境の不具合調査
• ハードウェアなしでコンテナ学習

DOCAの圧縮・暗号処理やRDMA通信の速度・遅延を実機で測定する手順を案内します。実行条件を記録した比較用の基準値づくりや、測定結果のばらつきの確認も支援します。

• BlueFieldの圧縮速度を測りたいとき
• RDMAの速度や暗号処理の遅延測定
• ドライバーやファームウェア更新前の記録

ホストやBlueFieldでCollectXによる稼働情報の収集を構成し、Prometheusなどへの出力を確認します。収集処理は動くのにデータが届かない問題も切り分けます。

• Prometheus向けの収集設定
• 機器カウンターの収集元追加
• 収集データが出ない原因調査

稼働中のBlueFieldやConnectXの設定・ファームウェアを変更する前に、現状記録、別経路の管理接続、検証環境での予行、復旧手順を整理します。

• BlueFieldのモード変更計画
• SR-IOV有効化と再起動の準備
• ファームウェア更新と復旧手順の確認

DOCA Flowを別ホストやPythonなどから遠隔操作するため、gRPCサーバーの起動・設定、接続確認、障害の切り分け、外部基盤による通信保護を支援します。

• 別ホストのPythonからFlowを設定したいとき
• クライアント用の.protoを探したいとき
• 接続タイムアウトやRPC失敗の調査

BlueField-3で、通信の混雑に応じて送信量を調整するDOCA標準のZTR RTTCCを導入・調整します。方式の選択や、制御が働かない場合の原因確認にも使えます。

• DOCA PCCサンプルへの標準方式の組み込み
• multipathなどビルド時の方式選択
• 制御の不動作やパラメーター設定失敗の調査

既存のソケット通信アプリを書き換えずにBlueField DPU側へ通信を中継し、配置方式の選定から接続設定、往復確認、通信停止の原因調査まで支援するスキル。

• 既存ソケットアプリをBlueFieldにつなぎたいとき
• プロセス・サイドカー・コンテナの配置選定
• 接続拒否やデータ未到達の原因調査

稼働中または保存済みのDOCA Flowの状態を分析し、通信処理ルールの配置やテーブル容量の調整を支援します。変更前後の比較や、空の可視化結果の原因調査も扱います。

• 稼働中のFlowのカウンター取得
• ルール登録が遅い原因を調べたいとき
• テーブル容量の推奨変更の確認

BlueField上のDOCA Fireflyで、高精度な時刻同期の設定と不具合の切り分けを支援します。PTPの必要性の判断から、ホストの時計が追従するかの確認まで扱います。

• PTPが必要かNTPやchronyで足りるか判断
• Fireflyの役割やプロファイルを選びたいとき
• 同期停止やホスト時計のずれを調べたいとき

BlueField上でDOCAサービスのコンテナを起動・運用する手順を案内します。YAMLの配置から稼働確認、イメージ取得失敗や再起動ループの原因調査まで扱います。

• BlueFieldでサービスを起動したいとき
• イメージ取得失敗や再起動ループの調査
• 起動したサービスの応答を確認したいとき

KERMTの初期環境を整え、DockerとGPU接続の確認、必要なコンテナイメージの構築、内部でGPUを認識できるかの動作確認まで行うスキル。

• 新しいマシンでKERMTを使いたいとき
• コンテナ内のGPU接続確認
• KERMTイメージの初回構築

AutoMagicCalibの自動キャリブレーション環境をDocker Composeで構築し、NGC認証からポート設定、サービスとWeb UIの起動確認まで進めます。

• AutoMagicCalibとWeb UIの起動
• サービスポートと接続先の設定
• 任意のVGGTモデルの導入

Python・C・RESTサーバーでcuOptを使うために、GPUやCUDA、利用環境に合う導入方法を選び、インストールから動作確認までを支援するスキル。

• PythonでcuOptを使い始めたいとき
• Cライブラリとヘッダーの導入
• RESTサーバーの起動と確認

アプリに必要なデータベース、認証、ストレージ、公開環境などをCohesivity経由で用意します。AIモデルAPIやメールも共通のHTTP APIで扱うスキル。

• 新しいアプリにデータベースを加えたいとき
• ログインやソーシャルログインの導入
• アプリを公開環境へデプロイしたいとき

OSとハードウェア構成に合わせて、空き容量やメモリ、起動項目などを診断します。不要ファイルの整理から負荷の高いプロセスへの対処まで、段階を選んで進めるスキルです。

• 容量を圧迫するファイルを調べたいとき
• メモリ不足や高負荷の原因調査
• 起動項目やネットワーク設定の見直し

複数プロジェクトのECSサービス、Vercelのデプロイ履歴、GitHub Actionsの実行状況と未反映の変更を一覧にまとめ、障害時のログ確認につなげるスキル。

• 複数プロジェクトの配備状況確認
• ECSの稼働状態とタスク数の確認
• Vercelの直近のデプロイ確認