Hacktoberfest 2026: le issue che i maintainer hanno segnato per ottobre, aperte e adatte ai principianti. Sfoglia le issue Hacktoberfest

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

Aperta Adatta ai principianti
  • Qualcosa non va?
#3,012 1 commento 0 reazioni 0 assegnatari Vedi su GitHub

I maintainer di solito rispondono entro 1 giorno

@MrBeldum ci sta già lavorando.

Dal 5/10/2026.

  • #3013 di @MrBeldum — aperta

Valutazione

Difficoltà
2/5
Tempo stimato
1-3 ore
Idoneità per principianti
70/100
Tipo di issue
Bug
Chiarezza
Specificata chiaramente
Stato di attività
Attiva
Stack tecnologico
kubernetes, yaml
Ambito
devops

Direzione di ricerca

Inizia dal riferimento all’immagine vgpu-device-manager alla riga 282 di bundle/manifests/gpu-operator-certified.clusterserviceversion.yaml, quindi controlla come viene pubblicato il digest dell’immagine del bundle. Conferma che il riferimento identifica l’immagine multi-arch e verifica che un nodo GPU basato su ARM scarichi un’immagine che si avvia senza l’errore exec format segnalato.

Scritto dal modello di indicizzazione a partire dal testo della issue.

Descrizione

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
Lingua principale
Go
Stelle
2.9k
Fork
565
Merge medio
1g 14h
PR unite (30g)
68

Preparare l'ambiente

Come iniziare

  1. Leggi tutta la issue e poi la guida ai contributi del progetto.
  2. Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
  3. Fai un fork del repository e lavora su un branch.
  4. Apri una pull request che faccia riferimento al numero della issue.

Altre issue di NVIDIA/gpu-operator

Tutte le issue di NVIDIA/gpu-operator

Issue simili

Altre issue su Go

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.