Deux drivers NVIDIA sur un nœud : l’opérateur et un paquet hôte

Le symptôme est brouillé. nvidia-smi répond en SSH. Le pod démarre et meurt avec Driver/library version mismatch. Deux drivers sont sur la machine. Ils ne sont pas le même build.
Le problème
Quelqu'un a installé nvidia-driver avec apt pour voir la carte avant l'opérateur. Plus tard l'opérateur déploie aussi un driver. Le module noyau et la bibliothèque viennent de deux builds. L'outil sur l'hôte et le conteneur ne sont pas d'accord.
Le choix
Sur les clusters que je tiens, l'opérateur possède le driver. Je vide le nœud, je purge les paquets nvidia-* et libnvidia-*, je redémarre, et je laisse le pod driver charger le module. Si le driver hôte doit rester, je fais l'inverse dans la ClusterPolicy : driver.enabled: false. L'opérateur pose le toolkit et le device plugin, et il arrête de charger un second module.
Je ne laisse pas les deux actifs. Le décalage revient au prochain redémarrage. L'installation propre est dans la note opérateur.
Conseil & Partenariat Ingénierie de Plateforme et Cloud
Besoin d'un accompagnement senior pour fiabiliser et faire évoluer votre infrastructure ?
Des clusters Kubernetes et Talos Linux bare-metal à la réduction substantielle de facture cloud, en passant par la résolution des verrous PostgreSQL et l'architecture IA souveraine, j'interviens directement avec vos équipes de production.