问题描述

1. 执行npu-smi info命令查看是正常的。

2. dp日志显示为“healthy”。

3. node上显示只有15个设备。

4. kubelet注册信息里少了13的设备。

原因分析

“/var/log/mindx-dl/devicePlugin/devicePlugin.log”查看日志，无报错。

kubectl describe node查看上报的芯片数量，显示上报16张，可用15张，不可用1张。

kubectl get cm -A，找到mindx-dl-deviceinfo开头的cm，kubectl describe cm -n kube-system mindx-dl-deviceinfo-具体名字，查看configMap里的故障信息。

解决方案

通过configMap里的信息，联系mindx dl的华为工程师，根据故障码确定解决方案。