cGPU是阿里云自研的GPU显存和算力隔离模块，使用cGPU服务可以隔离GPU资源，在多个容器共用一张GPU卡时容器之间的显存和计算资源使用互不影响。本文介绍cGPU使用中的已知问题及注意事项。
阅读前提示
若您集群中GPU节点已存在标签
ack.node.gpu.schedule=cgpu、ack.node.gpu.schedule=core_mem或cgpu=true，则表明节点已开启cGPU隔离能力。您需要查看ack-ai-installer组件发布记录，了解ack-ai-installer组件版本与cGPU组件版本的对应关系。
若您想了解更多关于cGPU的信息，请参见NVIDIA官方文档。
cGPU版本兼容性
NVIDIA驱动兼容性
cGPU版本 | 兼容的 NVIDIA 驱动 |
1.5.20 1.5.19 1.5.18 1.5.17 1.5.16 1.5.15 1.5.13 1.5.12 1.5.11 1.5.10 1.5.9 1.5.8 1.5.7 1.5.6 1.5.5 1.5.3 | 支持：
|
1.5.2 1.0.10 1.0.9 1.0.8 1.0.7 1.0.6 1.0.5 | 支持：
不支持：
|
1.0.3 0.8.17 0.8.13 | 支持：
不支持：
|
实例规格族兼容性
cGPU版本 | 兼容的实例规格族 |
1.5.20 1.5.19 | 支持：
|
1.5.18 1.5.17 1.5.16 1.5.15 1.5.13 1.5.12 1.5.11 1.5.10 1.5.9 | 支持：
不支持：
|
1.5.8 1.5.7 | 支持：
不支持：
|
1.5.6 1.5.5 | 支持：
不支持：
|
1.5.3 1.5.2 1.0.10 1.0.9 1.0.8 1.0.7 1.0.6 1.0.5 1.0.3 | 支持：
不支持：
|
0.8.17 0.8.13 | 支持：
不支持：
|
nvidia-container-toolkit兼容性
cGPU版本 | 兼容的 nvidia-container-toolkit |
1.5.20 1.5.19 1.5.18 1.5.17 1.5.16 1.5.15 1.5.13 1.5.12 1.5.11 1.5.10 1.5.9 1.5.8 1.5.7 1.5.6 1.5.5 1.5.3 1.5.2 1.0.10 | 支持：
|
1.0.9 1.0.8 1.0.7 1.0.6 1.0.5 1.0.3 0.8.17 0.8.13 | 支持：
不支持：
|
kernel 版本兼容性
cGPU版本 | 兼容的 kernel 版本 |
1.5.20 1.5.19 1.5.18 1.5.17 1.5.16 1.5.15 1.5.13 1.5.12 1.5.11 1.5.10 1.5.9 | 支持：
|
1.5.8 1.5.7 1.5.6 1.5.5 1.5.3 | 支持：
|
1.5.2 1.0.10 1.0.9 1.0.8 1.0.7 1.0.6 1.0.5 1.0.3 | 支持：
|
0.8.17 | 支持：
|
0.8.13 0.8.12 0.8.10 | 支持：
不支持：
|
常见问题
使用cGPU出现Linux Kernel Panic。
背景：使用cGPU组件时，出现cGPU内核驱动死锁现象（即并发执行的进程互相牵制），导致Linux Kernel Panic问题。
原因：您安装的
cGPU≤1.5.7版本，组件版本过低导致。解决方案：推荐您安装
cGPU≥1.5.10版本，或将低版本cGPU逐步升级到1.5.10及以上版本，避免新业务出现内核错误问题。升级方式，请参见升级节点cGPU版本。
使用cGPU部分场景出现cGPU Pod启动失败。
背景：使用阿里云容器优化版本操作系统镜像时，部分场景下cGPU节点上cGPU Pod启动失败。错误描述如下：
"Error: failed to create containerd task: failed to create shim task: OCI runtime create failed: runc create failed: unable to start container process: error during container init: error running prestart hook #0: exit status 2, stdout: , stderr: Auto-detected mode as 'legacy': unknown"原因：当
cgpu≤1.5.18版本时，会导致部分场景下cGPU节点上首个cGPU Pod启动失败。解决方案：升级
ack-ai-installer≥1.12.6版本，具体升级操作请参见升级共享GPU调度组件。
创建cGPU Pod出现modprobe: ERROR。
背景：创建cGPU Pod出现
modprobe: ERROR: could not insert 'cgpu_procfs': Operation not permitted或modprobe: ERROR: could not insert 'km': Operation not permitted报错。原因：以上两者报错信息如下所示：
Error: failed to create containerd task: failed to create shim: OCI runtime create failed: runc create failed: unable to start container process: error during container init: error running hook #0: error running hook: exit status 2, stdout: , stderr: modprobe: ERROR: could not insert 'cgpu_procfs': Operation not permitted modprobe: ERROR: could not insert 'cgpu_procfs': Operation not permitted Auto-detected mode as 'legacy': unknownmodprobe: ERROR: could not insert 'km': Operation not permitted
解决方案：通常表明操作系统版本与cGPU不兼容，请参见升级共享GPU调度组件，将组件升级为最新版本。
创建cGPU Pod的容器失败或超时退出。
背景：创建cGPU Pod的容器失败或超时退出报错问题。
原因：您安装的组件
cGPU≤1.0.10版本，且NVIDIA Toolkit≥1.11版本，组件间版本不兼容导致。解决方案：通常表明NVIDIA Toolkit版本与cGPU不兼容，请参见升级共享GPU调度组件，将组件升级为最新版本。
创建cGPU Pod出现报错Error occurs when creating cGPU instance: unknown。
背景：为考虑性能因素，在使用cGPU的情况下，单张GPU卡最多创建20个Pod。
原因：当已创建Pod数超过此限制时，后续调度到该卡上的Pod将无法运行，将出现错误信息
Error occurs when creating cGPU instance: unknown。解决方案：使用cGPU时，控制单张GPU卡创建Pod数≤20。
cGPU Pod执行nvidia-smi出现报错Failed to initialize NVML。
背景：Pod申请共享GPU调度资源且状态处于Running后，您可以在Pod中执行
nvidia-smi命令，输出以下内容。Failed to initialize NVML: GPU access blocked by operating system原因：您安装的组件
cGPU≤1.5.2版本，且GPU驱动是在2023年07月后版本，导致cGPU版本与GPU驱动版本不兼容，GPU版本驱动请参见查看GPU驱动发布时间。匹配ACK各集群版本支持默认GPU驱动版本，请参见ACK支持的NVIDIA驱动版本列表。解决方案：为解决此问题，请参见升级共享GPU调度组件将组件升级为最新版本。