华为云CCE GPU集群中安装nvidia-fabricmanager失败的问题分析
【摘要】 华为云CCE GPU集群中安装nvidia-fabricmanager失败的问题分析
1. 问题现象
笔者在华为云CCE集群(多个Ant8节点组成), 安装nvidia-fabricmanager后,无法正常启动。报错信息如下:
2. 解决方案
从报错信息看是nvidia-fabricmanager要使用服务器的6666端口, 但是似乎无法占用, 那么可能的原因就是
这个端口被CCE的其它组件已经占用了, 解决的方法就是删除icagent。 这个组件是daemonset在每个集群上都有, 删除后发现nvidia-fabricmanager可以正常启动,
查看了下nvidia-fabricmanager是否会占用主机端口, 一个比较好的回答,供各位看官参考:
【版权声明】本文为华为云社区用户原创内容,转载时必须标注文章的来源(华为云社区)、文章链接、文章作者等基本信息, 否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱:
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论(0)