nfd-worker默认不发现gpu和rdma设备，因其插件需在configmap中显式启用且依赖驱动、工具及内核模块就绪；标签生成有延迟，且调度需匹配精确的字符串型标签。
为什么 nfd-worker 默认不发现 GPU 和 RDMA 设备
因为 NFD 的默认配置只启用基础硬件特征（如 CPU 架构、内核版本），GPU 和 RDMA 属于可选插件，需要显式开启。不改配置的话，kubectl get nodes -o wide 里压根看不到 feature.node.kubernetes.io/pci-xxx 或 feature.node.kubernetes.io/rdma.available 这类标签。
实操建议：
- 确认
nfd-workerPod 正在运行且日志无failed to load plugin "gpu"类报错：kubectl logs -n nfd nfd-worker-xxxxx
- 编辑 ConfigMap
nfd-worker-conf，在featureSources列表中加入"gpu"和"rdma" - 确保节点上已安装对应驱动：NVIDIA 驱动（非 CUDA Toolkit）、
rdma-core包、且ibstat或nvidia-smi命令可用
nfd-worker 启用 GPU 插件后仍没打标签的常见原因
不是开了插件就自动生效——GPU 插件依赖 /proc/driver/nvidia/gpus/ 下存在设备目录，且要求 nvidia-smi 可执行、返回非错误码。任意一环断掉，插件静默跳过，日志里可能只有一行 skipping gpu feature source: no devices found。
实操建议：
- 进
nfd-worker容器手动验证：ls /proc/driver/nvidia/gpus/ && nvidia-smi -L
，二者必须都成功 - 若用容器运行时（如 containerd），检查
nfd-worker是否挂载了/dev/nvidiactl、/dev/nvidia-uvm等设备节点（否则nvidia-smi会失败） - 部分云厂商实例（如 AWS p3）需额外加载
nvidia-fs模块，否则/proc/driver/nvidia/为空
RDMA 标签没出现？先看 ibstat 和内核模块
RDMA 插件只认 ibstat 命令输出，不解析 ibv_devinfo 或 sysfs。如果 ibstat 找不到、返回空、或提示 No HCAs found，插件直接放弃，连日志都不多打一行。
实操建议：
- 在节点上运行
ibstat；失败则装rdma-core工具包（Ubuntu/Debian 用apt install rdma-core，RHEL/CentOS 用yum install rdma-core） - 确认
ib_uverbs、ib_core、mlx5_core（或对应网卡驱动）已加载：lsmod | grep -E "(ib_|mlx)"
- NFD 不会自动加载内核模块，必须由管理员提前配置好，否则插件看到的是“没硬件”
标签打上了但 Pod 没法调度到带 GPU/RDMA 的节点
标签本身只是“声明”，真正起作用的是你写的 nodeSelector 或 nodeAffinity。NFD 加的标签名是固定的，比如 GPU 是 feature.node.kubernetes.io/pci-10de.present（10de 是 NVIDIA PCI vendor ID），写错一个字符就匹配不上。
实操建议：
- 用
kubectl get node xxx -o jsonpath='{.metadata.labels}' | jq确认实际打出的标签名，别凭记忆写 - RDMA 相关标签有多个层级，常用的是
feature.node.kubernetes.io/rdma.available（布尔值）和feature.node.kubernetes.io/pci-15b3.present（Mellanox） - 注意 label value 类型：GPU 插件写的是
"true"（字符串），不是true（布尔），nodeSelector里必须用引号
最常被忽略的一点：NFD 的标签更新有延迟，从插件识别到标签出现在 Node 对象上，可能隔 30–60 秒。别刚改完配置就立刻查，等一小会儿再 kubectl get node。
