openeuler24.03 lts sp1 安装Nvidia驱动及gpu-operator踩坑

openeuler24.03 lts sp1 安装Nvidia驱动踩坑

网上找到的文档步骤（不要操作，仅展示问题所在）

跟随文档安装时

1. yum install gcc make kernel-devel
2. yum install vulkan-loader
3. chmod u+x NVIDIA-Linux-x86_64-550.54.15.run
4. ./NVIDIA-Linux-x86_64-550.54.15.run

复制代码

结果报错，提示unable to find kernel source tree​
‍
问题排查

kernel版本原因，导致安装驱动时报错
使用下面命令查看当前内核版本

1. uname -r

复制代码

直接使用yum install gcc make kernel-devel​的话，可能安装的版本不一致
可以使用如下命令查看yum​安装的版本

1. yum list | grep kernel-devel

复制代码

‍
解决问题

安装正确版本，即符合系统当前内核版本的kernel-devel

1. yum install "kernel-devel-uname-r == $(uname -r)" gcc make -y

复制代码

不要忘记

1. yum install vulkan-loader -y

复制代码

‍
安装cuda，并添加path

考虑了一下，觉得cuda也要用，干脆用cuda直接把驱动和toolkit都装了
同意协议
​

这里安装驱动和toolkit，其他取消勾选

等待安装完成，然后使用nvidia-smi确认安装结果，正常输出结果
‍
nvcc -V命令问题排查

使用nvcc -V时提示未找到命令，还需要添加到path中
首先检查一下/usr/local/中有没有cuda目录
接下来就是添加了，修改文件

1. vi ~/.bashrc

复制代码

在文件末尾添加

1. # cuda
2. export LD_LIBRARY_PATH=/usr/local/cuda/lib64
3. export PATH=$PATH:/usr/local/cuda/bin

复制代码

应用修改

1. source ~/.bashrc

复制代码

此时再使用nvcc -V，可以看到正常输出的结果，驱动和cuda均安装成功
‍
安装gpu-operator

注意，由于我尝试了多次，所以NFD是启用的状态，正常安装时，最后的set nfd.enabled=false​应该删除，可以使用下面命令查看NFD是否启用，结果为true​就是启用的状态

1. kubectl get nodes -o json | jq '.items[].metadata.labels | keys | any(startswith("feature.node.kubernetes.io"))'

复制代码

确认无误，我这里使用的运行时为containerd​，保险起见，加上了官方文档的参数

1. helm install gpu-operator -n gpu-operator --create-namespace \
2.   nvidia/gpu-operator $HELM_OPTIONS \
3.     --version=v24.9.2 \
4.     --set toolkit.env[0].name=CONTAINERD_CONFIG \
5.     --set toolkit.env[0].value=/etc/containerd/config.toml \
6.     --set toolkit.env[1].name=CONTAINERD_SOCKET \
7.     --set toolkit.env[1].value=/run/containerd/containerd.sock \
8.     --set toolkit.env[2].name=CONTAINERD_RUNTIME_CLASS \
9.     --set toolkit.env[2].value=nvidia \
10.     --set toolkit.env[3].name=CONTAINERD_SET_AS_DEFAULT \
11.     --set-string toolkit.env[3].value=true \
12.     --set driver.enabled=false \
13.     --set nfd.enabled=false

复制代码

等待命令执行完毕，查看pods​是否成功创建

1. kubectl get pods -n gpu-operator

复制代码

​pods​一般需要3~5分钟，最后完成的状态有running​和completed​，具体耗时和拉取镜像的速度等因素有关
‍
验证gpu-operator是否安装成功

跑一个简单的示例
[code]cat