通过节点池升级节点的GPU驱动版本
如果您使用的CUDA库无法与当前的NVIDIA驱动版本匹配,您需要升级节点的驱动版本才可以正常使用GPU节点。建议您以节点池为粒度进行节点NVIDIA驱动版本的管理,创建应用时可调度到指定驱动版本的节点池,在升级驱动时,也可以根据节点池分批次控制升级。
通过节点池升级存量节点的NVIDIA驱动,本质上是在重启节点的过程中重新安装驱动,因此请务必在升级驱动前确认节点上不存在正在运行的任务。
步骤一:指定节点池驱动版本
- 登录节点查看节点上实际的驱动,驱动版本为510.47.03。
# 插件版本为2.0.0以下时,执行以下命令: cd /opt/cloud/cce/nvidia/bin && ./nvidia-smi # 插件版本为2.0.0及以上时,驱动安装路径更改,需执行以下命令: cd /usr/local/nvidia/bin && ./nvidia-smi
- 登录CCE控制台,单击集群名称进入集群控制台。
- 在集群的插件中心,找到 CCE AI套件(NVIDIA GPU),单击“编辑”。
- 通过节点池更新节点上的显卡驱动,在“驱动选择”下方选择需要更新驱动的节点池,填写驱动链接,单击“安装”。
本文档中更新后的驱动为535.54.03,链接为NVIDIA官网链接。如果节点无法访问公网,请先下载驱动然后上传到OBS桶中,然后将驱动的OBS链接填在此处,详情请参见获取驱动链接-OBS地址。
- 等待插件状态变为“运行中”。
步骤二:重启节点池下的节点
重启节点前建议排空节点中的Pod,详情请参见节点排水。请注意预留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调度失败影响业务运行。
- 登录CCE控制台,单击集群名称进入集群控制台。
- 单击“节点管理”,找到更新驱动的节点池,单击“节点列表”。
- 单击节点名称跳转到ECS界面。
- 单击右上角“重启”。
步骤三:验证驱动升级是否成功
- 节点完成重启后,请稍等几分钟,等待驱动安装。
- 登录节点,查看节点上的驱动是否更新。
# 插件版本为2.0.0以下时,执行以下命令: cd /opt/cloud/cce/nvidia/bin && ./nvidia-smi # 插件版本为2.0.0及以上时,驱动安装路径更改,需执行以下命令: cd /usr/local/nvidia/bin && ./nvidia-smi
查看节点上实际的驱动,驱动版本为535.54.03,驱动版本已更新。
- 确认节点及业务运行正常,依次重启节点池下的其他节点。