Hacktoberfest 2026: los issues que los mantenedores marcaron para octubre, abiertos y aptos para principiantes. Explorar issues de Hacktoberfest

[Bug]: multi-arch `vgpu-device-manager` image digest not pinned in OLM bundle

Cerrado Apto para principiantes
#3,012 1 comentario 0 reacciones 0 asignados Ver en GitHub

Los mantenedores suelen responder en 1 día

@MrBeldum ya está trabajando en esto.

Desde el 5/10/2026.

  • #3013 de @MrBeldum — abierto

Evaluación

Dificultad
2/5
Tiempo estimado
1-3 horas
Aptitud para principiantes
70/100
Tipo de issue
Error
Claridad
Bien especificado
Estado de actividad
Activo
Stack tecnológico
kubernetes, yaml
Área
devops

Línea de trabajo

Empieza por la referencia de imagen vgpu-device-manager en la línea 282 de bundle/manifests/gpu-operator-certified.clusterserviceversion.yaml y, después, comprueba cómo se publica el digest de imagen del bundle. Confirma que la referencia identifica la imagen multiarch y verifica que un nodo GPU basado en ARM descarga una imagen que se ejecuta sin el exec format error notificado.

Escrito por el modelo de indexación a partir del texto del issue.

Descripción

bug

Describe the bug

The vgpu-device-manager image digest in the OLM bundle refers to the amd64 digest instead of the multi-arch image digest. This leads to the following error message when running the image on an ARM system:

exec container process `/usr/bin/nvidia-k8s-vgpu-dm`: Exec format error

To Reproduce

Follow the procedure for deploying the GPU Operator with OpenShift Virtualization. Configure GPU nodes with the vm-vgpu workload type.

Expected behavior

The correct vgpu-device-manager image for ARM gets pulled on an ARM-based GPU node.

Environment (please provide the following information):

  • GPU Operator Version: v26.7.1
  • OS: RHEL
  • Kernel Version: 6.12
  • Container Runtime Version: cri-o
  • Kubernetes Distro and Version: OpenShift
Lenguaje dominante
Go
Estrellas
2.9k
Forks
569
Merge medio
1 d 10 h
PR fusionados (30 d)
78

Preparar el entorno

Primeros pasos

  1. Lee el issue completo y luego la guía de contribución del proyecto.
  2. Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
  3. Haz un fork del repositorio y trabaja en una rama.
  4. Abre un pull request que haga referencia al número del issue.

Más de NVIDIA/gpu-operator

Todos los issues de NVIDIA/gpu-operator

Issues similares

Más issues de Go

Recibe los nuevos issues en tu correo

Un resumen breve de issues de GitHub para principiantes.