内核更新时无法正常加载NVIDIA GPU（Tesla）驱动_GPU云服务器(EGS)-阿里云帮助中心

当升级GPU实例的操作系统（例如Alibaba Cloud Linux、RedHat、CentOS、Ubuntu等）内核时，可能会因为两个内核的kABI（Kernel Application Binary Interface）不一致，导致旧内核上构建的GPU（Tesla）驱动无法在新的内核上加载。内核升级后，请根据内核的kAPI（Kernel Application Programming Interface）是否存在变化，采取不同的方案解决该问题。

问题现象

升级GPU实例的操作系统内核时，出现GPU（Tesla）驱动无法在新的内核上加载，即无法在新的内核版本上插入旧内核的NVIDIA的KO，导致该驱动无法正常使用。报错信息如下：

报错截图.jpg

问题原因

升级内核包后导致NVIDIA GPU（Tesla）驱动无法加载的可能原因如下：

升级前后两个内核的kABI不一致，导致旧内核上构建的NVIDIA GPU（Tesla）驱动无法在新内核上加载。
NVIDIA GPU（Tesla）驱动的默认KO（Kernel Object）安装目录不在 /lib/modules/(uname−r)/extra下，导致新的内核包安装时无法对其创建软链接。

解决方案

基于以上原因，根据内核的kAPI影响情况，采取不同的解决方案：

如果内核升级后，内核的kAPI不受影响，请通过DKMS自动构建NVIDIA GPU（Tesla）驱动。
如果内核升级后，内核的kAPI受到影响发生变化，无法通过DKMS自动构建NVIDIA GPU（Tesla）驱动，请重新适配NVIDIA GPU（Tesla）驱动。

通过DKMS自动构建NVIDIA GPU（Tesla）驱动

在NVIDIA GPU（Tesla）驱动上安装DKMS。
1. 远程连接GPU实例。
  本文以Alibaba Cloud Linux 3系统的gn7i实例为例，具体操作，请参见通过密码或密钥认证登录Linux实例。
2. 在GPU实例上安装DKMS。
```
sudo yum install dkms
```
3. 手动为GPU安装NVIDIA GPU（Tesla）驱动。
  具体操作，请参见在GPU计算型实例中手动安装Tesla驱动（Linux）。
  安装过程中，请注意以下几点：
  - 出现以下提示（即是否将内核模块源代码注册到DKMS）时，选择Yes。
  - 选择Yes后NVIDIA GPU可能会报注册失败提示（如下图所示），您无需担心，直接单击OK即可。
  - 根据实际需要选择是否安装NVIDIA的32位兼容性库。
4. 执行以下命令，检测DKMS的当前状态。
```
sudo dkms status
```
  结果显示如下，表示DKMS已安装成功。
5. 执行ls命令，查看/usr/src/nvidia-${nvidia 驱动版本}目录下是否存放NVIDIA GPU（Tesla）驱动相关文件。
  本示例以nvidia-${nvidia 驱动版本}为nvidia-470.141.03为例，请替换成您实际的驱动版本。
  说明
  NVIDIA GPU（Tesla）驱动默认将其相关代码或文件存放在 /usr/src/nvidia-${nvidia 驱动版本} 目录下，以便DKMS在内核更新后自动重新编译和安装驱动程序的内核模块。
安装新内核触发DKMS自动构建NVIDIA GPU（Tesla）驱动。
本示例以新内核版本5.10.134-15.al8为例，请您根据业务需要替换为实际的内核版本。
重要
建议先安装 kernel-devel包然后安装kernel/kernel-core包，否则，DKMS不会自动构建NVIDIA GPU（Tesla）驱动。因为kernel/kernel-core包触发DKMS，而DKMS构建NVIDIA GPU（Tesla）驱动需要kernel-devel包，此时需要手动触发DKMS构建NVIDIA GPU（Tesla）驱动。具体操作，请参见步骤3：手动触发DKMS构建Tesla驱动。
1. 执行以下命令，安装新内核的kernel-devel包。
```
sudo rpm -ivh kernel-devel-5.10.134-15.al8.x86_64.rpm --force
```
2. 安装kernel/kernel-core包。
  本示例以安装kernel包为例。对于Alibaba Cloud Linux 3系统来说，需要安装kernel-core包，执行sudo rpm -ivh kernel-core-5.10.134-15.al8.x86_64.rpm --force命令即可。
```
sudo rpm -ivh kernel-5.10.134-15.al8.x86_64.rpm --force
```
3. 执行以下命令，检查新内核下NVIDIA GPU（Tesla）驱动是否构建成功。
```
find /lib/modules/5.10.134-15.al8.x86_64/ -name *nvidia*
```
4. 执行sudo dkms status检查DKMS是否存在新的内核记录。
（条件必选）如果您先安装了kernel/kernel-core包，然后安装kernel-devel包，需手动触发DKMS构建NVIDIA GPU（Tesla）驱动。
1. 执行以下命令，构建NVIDIA GPU（Tesla）驱动。
```
sudo dkms build -m nvidia -v ${nvidia 驱动的版本} -k ${新的内核版本} --force
```
  主要参数说明如下：
  - ${nvidia 驱动的版本}：请替换为NVIDIA GPU（Tesla）驱动的具体版本号，例如470.141.03。
  - ${新的内核版本}：请替换为新内核的具体版本号，例如5.10.134-15.al8.x86_64。
2. 执行以下命令，安装已构建好的NVIDIA GPU（Tesla）驱动。
```
sudo dkms install -m nvidia -v ${nvidia 驱动版本} -k ${新的内核版本} --force
```
3. 执行以下命令，检查新内核安装目录下NVIDIA GPU（Tesla）驱动是否已安装。
```
find /lib/modules/5.10.134-16.3.al8.x86_64/ -name *nvidia*
```
4. 执行sudo dkms status检查DKMS是否存在新的内核记录。