88 lines
2.9 KiB
Markdown
88 lines
2.9 KiB
Markdown
---
|
||
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"
|