AI算力与应用

无盘部署别忽略启动顺序,网络与镜像配置错误会拖慢上线

梳理无盘节点从网络引导到挂载根文件系统的启动链路,说明 DHCP、引导文件、镜像和存储配置的检查顺序,并给出分阶段排错方法。

无盘节点并不是“接上网络、放好镜像”就能启动。计算节点网络启动与无盘部署配置需要按链路逐段校验:网卡先取得网络参数,再加载引导程序、内核与初始内存文件系统,最后连接远端根文件系统。任一环节地址、文件名或启动模式不匹配,都可能表现为黑屏、反复重启或停在挂载阶段。

先把启动链路排成顺序

常见网络引导大致经过四步:固件请求启动信息;DHCP 服务返回地址及引导参数;客户端取得网络引导程序和启动文件;内核启动后连接 NFS 根目录或 iSCSI 磁盘。实际顺序和可用协议会受主板固件、引导程序及操作系统镜像影响,不能只凭服务器端文件存在就判断配置正确。

先核对客户端与服务端是否在同一条路径

确认网卡已启用网络启动,交换网络能够转发客户端的启动请求,DHCP 作用域覆盖目标网段。若客户端与服务不在同一广播域,需要检查网络设备是否配置了 DHCP 中继。随后对照启动模式、客户端架构和引导文件:不同固件可能需要不同的启动程序,不能把一台机器能用的文件名直接套给所有节点。

镜像与根文件系统要分开检查

引导镜像负责让内核和初始系统起来,根文件系统则提供持续运行所需的目录与程序。NFS 适合共享文件系统、集中维护镜像的场景,但需关注并发写入、权限和客户端状态隔离;iSCSI 提供块设备语义,更接近远端磁盘,配置时要明确目标盘、访问权限及多节点是否会写入同一文件系统。未经专门设计,不应让多个节点同时读写同一个普通根文件系统。

更新镜像时,内核、初始内存文件系统和根目录内容应保持兼容。若内核已启动但找不到根目录,重点检查启动参数中的服务器地址、导出路径或目标名称,以及网络驱动是否已包含在初始镜像中。不要把“能加载内核”等同于“整机启动成功”。

无盘部署别忽略启动顺序,网络与镜像配置错误会拖慢上线

按阶段验证,缩小故障范围

  1. 记录启动模式。在固件设置中确认目标网卡启用了网络启动,并记录启动模式、网卡型号和节点所在网段。
  2. 检查地址分配。查看 DHCP 租约或服务端日志,确认客户端确实收到地址、网关及预期的引导信息;若没有请求记录,先排查链路、交换网络和中继。
  3. 核对文件获取。查看引导服务日志或用 Wireshark 抓取启动流量,确认客户端请求的文件名与服务器实际路径一致,并检查文件权限、大小写和传输可达性。
  4. 单独验证根目录。在一台测试节点上检查 NFS 导出权限或 iSCSI 目标授权,再核对镜像版本和启动参数。成功后再扩大到其他节点。
  5. 固定变更再扩容。记录可工作的固件设置、地址分配规则、镜像版本及回退方式。批量上线前先重启测试节点,验证冷启动也能完整通过。

看到停顿位置,就查对应环节

客户端拿不到地址,问题多在物理链路、广播域或地址服务;已取得地址却取不到引导文件,检查启动信息与文件服务;内核启动后提示根设备不可用,则检查网络驱动、根路径和授权。若启动耗时不稳定,还要比较高峰时段的链路拥塞、存储响应与镜像读取负载,而不是先盲目增大镜像。

把计算节点网络启动与无盘部署配置拆成“地址—引导文件—内核—根存储”四段,每次只改一段并保留日志,通常比反复更换整套镜像更容易定位。上线前再验证多节点并发访问和重启恢复,才能避免单机成功、批量失败。

常见问题

拿到地址后仍无法启动,先看哪里?

先核对客户端请求的引导文件名、对应启动模式和服务器文件路径,再查看文件传输日志。

NFS 和 iSCSI 哪个更适合?

需要共享目录并集中维护时可评估 NFS;需要远端块设备语义时可评估 iSCSI。选择取决于写入方式、存储管理和节点隔离要求。

为什么一台节点成功,其他节点失败?

检查节点所在网段、网卡与固件差异、地址分配规则及并发访问权限;逐项对照成功节点的配置,而不是直接复制其镜像。