12.8. DPF のトラブルシューティング

以下のコマンドを実行して、管理クラスターの CSR ステータスを一覧表示します。

$ oc get csr

ワーカーノードのすべての CSR に Approved ステータスが表示されることを確認します。

以下のコマンドを実行して、DPF Operator Pod のステータスを確認します。

$ oc get pod -n dpf-operator-system

すべての Pod が Running 状態にあることを確認します。

次のコマンドを実行して、dpu-enabled ラベルがワーカーノードに存在することを確認します。

$ oc get nodes -l feature.node.kubernetes.io/dpu-enabled=""

出力には、NFD で DPU プロビジョニング用にラベル付けされたワーカーノードが一覧表示されます。以下に例を示します。

NAME           STATUS     ROLES               AGE   VERSION
host-worker1   NotReady   worker,worker-dpu   62s   v1.35.6
host-worker2   NotReady   worker,worker-dpu   66s   v1.35.6

以下のコマンドを実行して、BlueField Bootstream File (BFB)イメージがダウンロードされ、準備状態にあることを確認します。

$ oc describe bfb -n dpf-operator-system bf-bundle

status.conditions フィールドで、ダウンロードの進行状況とエラーメッセージを確認します。

BFB のダウンロードに失敗した場合は、以下のコマンドを実行してイメージ URL に到達でき、$BFB_URL をイメージの URL に置き換えます。

$ curl -I $BFB_URL

応答が 200 OK のステータスコードを返すようにしてください。ダウンロードに失敗した場合は、イメージレジストリーへのネットワーク接続を確認し、ファイアウォールまたはプロキシーの制限を確認し、ノードで十分なディスク領域があることを確認します。

以下のコマンドを実行して、DPU オブジェクトのプロビジョニングの進捗を監視します。

$ oc get dpu -n dpf-operator-system -w

各 DPU が Pending to Provisioning から Ready に進むまで待機します。

ワーカーノードでデバッグシェルを開きます。

$ oc debug node/<worker-node-name>

デバッグシェル内で以下のコマンドを実行して、BlueField デバイスが存在することを確認します。

sh-5.1# chroot /host

sh-5.1# lspci | grep -i mellanox

DPU が一覧にない場合は、PCIe スロットで適切に固定されており、サーバー BIOS で無効になっていないことを確認してください。

デバッグシェル内で次のコマンドを実行して、DPU ファームウェアバージョンを確認します。

sh-5.1# mlxfwmanager --query

DPU 上の BlueField ファームウェアおよび DOCA ソフトウェアバージョンが、デプロイした DPF Operator バージョンと互換性があることを確認します。

以下のリソースについては、DPUDeployment オブジェクトを調べます。

以下のコマンドを実行して、完全な DPUDeployment のステータスを表示します。

$ oc get dpudeployments -n dpf-operator-system dpudeployment -o yaml

または、要約ビューに対して、以下の dpfctl コマンドを実行します。

$ oc -n dpf-operator-system exec deploy/dpf-operator-controller-manager -- /dpfctl describe dpudeployments