通过CCE AI套件（NVIDIA GPU）插件安装的驱动，执行编解码任务时失败

问题现象

在使用以下版本的CCE AI套件（NVIDIA GPU）插件安装驱动后，执行编解码任务时可能失败，并报错 “Cuda Encode error: ......”。

• 集群版本为v1.27及以下时，插件版本在2.2.1以下。
• 集群版本为v1.28及以上时，插件版本在2.8.1以下。

问题原因

上述问题可能是当前Pod所在的GPU节点中缺少10_nvidia.json文件造成的。您可以通过以下步骤进行排查：

1. 登录对应的GPU节点。
2. 执行以下命令，查看/usr/share/glvnd/egl_vendor.d/10_nvidia.json是否存在。

   ls /usr/share/glvnd/egl_vendor.d/10_nvidia.json

   回显结果如下，则说明不存在。

   ls: cannot access '/usr/share/glvnd/egl_vendor.d/10_nvidia.json': No such file or directory

解决方法

如果对应的GPU节点中缺少10_nvidia.json文件，则需要先将CCE AI套件（NVIDIA GPU）插件版本升级至2.8.1或2.2.1及以上，再重启对应的节点，以重置驱动。对GPU节点进行重启操作之前，建议对其进行排水操作，避免对业务产生影响。

1. 登录CCE控制台，单击集群名称进入集群。
2. 在左侧导航栏中选择“插件中心”，在右侧找到CCE AI套件（NVIDIA GPU）插件，并单击“升级”。在“升级插件”页面上方，单击“插件版本”，选择需要升级的版本。

   所有参数配置完成后，在右下角单击“确定”。待插件状态由“升级中”变为“运行中”，则说明插件升级成功。

3. 依次进行以下操作，重启目标GPU节点。重启GPU节点之前建议排空节点中的Pod，详情请参见节点排水。在对某个GPU节点进行排水时，请在其他节点中预留足够的GPU资源，以满足节点排空过程中的Pod调度需求，防止资源不足导致Pod调度失败，从而影响业务运行。
   1. 在集群左侧导航栏中，单击“节点管理”，切换至“节点”页签，找到目标GPU节点。
   2. 单击GPU节点名称，跳转到ECS界面，在右上角单击重启。GPU节点完成重启后，需要等待5~10分钟，等待驱动重置。

4. 登录节点检查/usr/share/glvnd/egl_vendor.d/10_nvidia.json是否存在。

   ls /usr/share/glvnd/egl_vendor.d/10_nvidia.json

   如果文件存在，将输出路径。