new essays: use-cuda-in-container

content/essays/use-cuda-in-container.md

@@ -0,0 +1,87 @@
+---
+title: "在容器中使用 cuda"
+date: 2023-06-16T10:18:21+08:00
+tags: []
+categories: []
+weight: 50
+show_comments: true
+draft: false
+---
+
+> 由于 nvidia 包更新，导致容器所使用的 cdi 中 nvidia.com 设备相关的文件过时，突然意识到记录过程的重要性，遂此篇。
+
+<!--more-->
+
+## 一般安装步骤
+
+> 本节据回忆和文档撰写，撰文时未实操，与实际可能存在出入。
+
+在容器中使用 cuda，除需要较新的驱动、可用的容器运行时（podman、docker 等），还需要 [nvidia-container-toolkit](https://aur.archlinux.org/packages/nvidia-container-toolkit)。
+
+```
+pacman -S podman
+paru -S nvidia-container-toolkit
+```
+
+生成 CDI 描述文件：
+
+```
+nvidia-ctk cdi generate --output=/etc/cdi/nvidia.yaml
+```
+
+随后即可拉取一个 [cuda 镜像](https://hub.docker.com/r/nvidia/cuda) 然后试验 cuda 是否可用：
+
+```
+podman run --rm --device nvidia.com/gpu=all docker.io/nvidia/cuda nvidia-smi -L
+```
+
+上述简述的安装逻辑在 [Installation Guide — NVIDIA Cloud Native Technologies  documentation][1] 均有提到，具体请参考之。
+
+## 当前遇到的问题
+
+简而言之是 nvidia 驱动更新，于是就出现了下面的错误。
+
+```
+Error: unable to start container "xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx": crun: error stat'ing file `/usr/lib/libEGL_nvidia.so.530.41.03`: No such file or directory: OCI runtime attempted to invoke a command that was not found
+```
+
+错误的根源在于容器启动时使用了 `--device nvidia.com/all` （即 CDI），这种方式会受到 `/etc/cdi/` 下的文件的影响，然而 `/etc/cdi/nvidia.yaml` 文件（部分内容如下）中所涉及的文件部分已经由于 nvidia 从 530.41.03-17 更新到了 535.54.03-2 而不存在，最终导致了上面的错误。
+
+```
+  - containerPath: /usr/lib/libEGL_nvidia.so.530.41.03
+    hostPath: /usr/lib/libEGL_nvidia.so.530.41.03
+    options:
+    - ro
+    - nosuid
+    - nodev
+    - bind
+```
+
+既然如此，重新生成该文件即可解决问题（以下命令在 [Installation Guide — NVIDIA Cloud Native Technologies  documentation][1] 中亦有提到）。
+
+```
+nvidia-ctk cdi generate --output=/etc/cdi/nvidia.yaml
+```
+
+## 自动化
+
+为了避免之后再出现问题，于是创建了以下 hooks 以在 nvidia 更新时自动更新 `/etc/cdi/nvidia.yaml`，但由于刚刚更新一次 nvidia，该 hook 是否正常工作尚不得而知。
+
+```
+# This file located at /etc/pacman.d/hooks/nvidia-generate-cdi.hook
+[Trigger]
+Operation=Install
+Operation=Upgrade
+Operation=Remove
+Type=Package
+Target=nvidia
+
+[Action]
+Description=Update cdi for container
+Depends=nvidia-container-toolkit
+When=PostTransaction
+NeedsTargets
+Exec=/usr/bin/nvidia-ctk cdi generate --output=/etc/cdi/nvidia.yaml
+```
+
+[1]: https://docs.nvidia.com/datacenter/cloud-native/container-toolkit/install-guide.html "Installation Guide — NVIDIA Cloud Native Technologies  documentation"