12.8. DPF のトラブルシューティング

管理クラスターで CSR ステータスをリスト表示するには、次のコマンドを実行します。

$ oc get csr

ワーカーノードのすべての CSR が Approved ステータスであることを確認します。

DPF Operator Pod の状態を確認するには、次のコマンドを実行します。

$ oc get pod -n dpf-operator-system

すべての Pod が Running 状態であることを確認します。

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

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

出力には、NFD が DPU プロビジョニング用にラベル付けしたワーカーノードのリストが表示されます。以下に例を示します。

NAME           STATUS     ROLES               AGE   VERSION
host-worker1   NotReady   worker,worker-dpu   62s   v1.36.3
host-worker2   NotReady   worker,worker-dpu   66s   v1.36.3

BlueField Bootstream File (BFB) イメージがダウンロードされ、準備が整っていることを確認するには、次のコマンドを実行します。

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

ダウンロードの進捗状況やエラーメッセージについては、status.conditions フィールドを確認してください。

BFB のダウンロードが失敗する場合は、以下のコマンドを実行してイメージ URL に到達可能であることを確認します。$BFB_URL はイメージ URL に置き換えてください。

$ curl -I $BFB_URL

レスポンスが 200 OK ステータスコードを返すことを確認します。ダウンロードが失敗した場合は、イメージレジストリーへのネットワークの接続性を確認し、ファイアウォールまたはプロキシーによる制限をチェックするとともに、ノードに十分なディスク容量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状況を監視します。

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

各 DPU が Pending から Provisioning を経て Ready に進むまで待ちます。

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 がリストに表示されない場合は、PCIe スロットに正しく装着されていること、およびサーバーの BIOS で無効化されていないことを確認します。

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

sh-5.1# mlxfwmanager --query

DPU 上の BlueField ファームウェアと DOCA ソフトウェアのバージョンが、デプロイ済みの DPF Operator のバージョンと互換性があることを確認します。

DPUDeployment オブジェクトを調べて、以下のリソースに関する情報を確認します。

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

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

または、以下の dpfctl コマンドを実行して、概要ビューを表示します。

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