问题说明

本文用于排查“GPU 透传 / 任务超时”类问题。

适用环境

• 产品：ZCF
• 组件：Cloud
• 涉及对象：GPU透传
• 版本：4.x、5.x
• 场景：GPU 透传 / 任务超时

问题现象

• GPU/vGPU 透传或加载后云主机启动失败、任务超时或 qemu 报错。

可能原因

• IOMMU、vfio 绑定、设备组、驱动、GPU 型号、license 或物理机硬件兼容性异常。

排查步骤

1. 确认 GPU 型号、驱动、IOMMU/vfio 状态和云主机 XML。
2. 检查透传任务、kvmagent、libvirt/qemu 日志。
3. 同型号物理机交叉验证，区分硬件/驱动/平台逻辑。

关键命令

lspci | grep -i -E "nvidia|vga|3d"
dmesg | grep -i -E "vfio|iommu|nvidia|pcie"
grep -a -nE "vfio|iommu|gpu|nvidia|qemu|libvirt" /usr/local/zstack/apache-tomcat/logs/management-server.log* /var/log/libvirt/qemu/*.log 2>/dev/null

解决方案

• 按排查结果修复对应组件、配置、数据状态或链路问题。
• 若涉及数据库、底层存储、快照链、云主机磁盘、GPU 直通或管理服务重启，先确认备份、影响面和回滚路径。

验证方法

• 复核本文所述现象是否消失。
• 平台 UI、API、管理节点日志和底层命令输出能够相互印证。
• 至少观察一个相关任务周期或告警周期，确认问题不再复现。

风险与回滚

• 生产环境执行修复前必须确认客户业务影响、变更窗口和回滚方案。
• 涉及数据删除、数据库修改、快照链修复、底层文件处理和硬件操作时，建议联系 ZStack 官方技术支持确认。

注意事项

• 涉及云主机启动、迁移、HA、Unknown 状态或强制停止时，必须先确认云主机实际运行位置，防止脑裂、双写或误停业务。
• 涉及主机驱动、GPU、RAID、网卡、IPMI/BMC、固件或 BIOS 修改时，需结合硬件兼容性和厂商建议，提前准备回退方案。
• 若需要数据库修改、底层文件处理、锁释放、服务重启、驱动/固件升级或批量资源变更，应联系 ZStack 官方技术支持确认后再执行。