為什麼我的 NVIDIA GPU 驅動程式在 RHEL 9 工作節點上安裝失敗？

虛擬私有雲 經典基礎架構

當您嘗試在 Red Hat Enterprise Linux 9 工作者節點上安裝 NVIDIA GPU 驅動程式時，安裝會因儲存庫錯誤而失敗。

您在 nvidia-driver-daemonset-* pod 日誌中看到類似以下的錯誤訊息：

Error: Unable to find a match: kernel-headers-VERSION kernel-devel-VERSION

例如：

Error: Unable to find a match: kernel-headers-5.14.0-570.112.1.el9_6.x86_64 kernel-devel-5.14.0-570.112.1.el9_6.x86_64

NVIDIA GPU Operator 未為 RHEL 9 工作節點啟用所有必要的 Extended Update Support (EUS) 套件庫。 雖然 Red Hat OpenShift on IBM Cloud 中的 RHEL 9 工作節點已啟用 EUS 儲存庫，但 NVIDIA 驅動程式的安裝需要額外的儲存庫設定。

套用 ConfigMap，啟用 NVIDIA GPU 驅動程式安裝所需的 EUS 套件庫。

1. SSH 到您的一個 RHEL 9 工作節點，擷取所需的儲存庫組態值。

   oc debug node/<worker-node-name>
   

2. 存取主機檔案系統。

   chroot /host
   

3. 檢視 Red Hat 儲存庫組態以擷取所需的值。

   cat /etc/yum.repos.d/redhat.repo
   

4. 從輸出中找到 [rhel-9-for-x86_64-appstream-eus-rpms] 區段，並記下下列值：

   • baseurl- 儲存庫的基本 URL
   • sslclientkey- SSL 用戶端金鑰的路徑 (包含憑證序號)
   • sslclientcert- SSL 用戶端憑證的路徑（包含相同的憑證序號）

   憑證序號同時出現在 sslclientkey 及 sslclientcert 路徑中。 例如，如果路徑是 /etc/pki/entitlement-host/1234567890123456789-key.pem 和 /etc/pki/entitlement-host/1234567890123456789.pem，證書序號就是 1234567890123456789。

5. 退出除錯會話。

   exit
   exit
   

6. 建立 ConfigMap 檔案，名稱為 nvidia-driver-repo-config.yaml，內容如下。 以安裝 GPU 驅動程式的命名空間取代 NAMESPACE-GPU，以您擷取的基本 URL 取代 BASEURL，並以您的憑證序號取代 CERT-SERIAL 的兩個實例。

   apiVersion: v1
   kind: ConfigMap
   metadata:
     name: nvidia-driver-repo-config
     namespace: NAMESPACE-GPU
   data:
     rhel9.repo: |
       [ibm-rhel-9-for-x86_64-appstream-eus-rpms]
       name = Red Hat Enterprise Linux 9 for x86_64 - AppStream - Extended Update Support (RPMs)
       baseurl = BASEURL/pulp/repos/customer/Library/content/eus/rhel9/9.6/x86_64/appstream/os
       enabled = 1
       gpgcheck = 1
       gpgkey = file:///etc/pki/rpm-gpg/RPM-GPG-KEY-redhat-release
       sslverify = 1
       sslcacert = /etc/rhsm-host/ca/katello-server-ca.pem
       sslclientkey = /etc/pki/entitlement-host/CERT-SERIAL-key.pem
       sslclientcert = /etc/pki/entitlement-host/CERT-SERIAL.pem
       metadata_expire = 1
       enabled_metadata = 0
   

7. 將 ConfigMap 套用至您的群集。

   oc apply -f nvidia-driver-repo-config.yaml
   

8. 編輯群集政策，將 ConfigMap 加入 repoConfig 區段。

   oc edit clusterpolicy
   

9. spec.repoConfig 將 configMapName 欄位加入您的 ConfigMap 名稱。

   spec:
     ...
     repoConfig:
       configMapName: nvidia-driver-repo-config
     ...
   

10. 刪除 NVIDIA 驅動程式 daemonset pod，使其循環並套用新設定。

oc delete po nvidia-driver-daemonset-*

在 pod 重新啟動後，NVIDIA GPU Operator 可以存取所需的 EUS 套件庫，並成功在您的 RHEL 9 工作節點上安裝 GPU 驅動程式。