OpenStack创建RTX-3090规格实例时PCI设备申请失败，疑似资源缓存异常

看起来你遇到的问题确实和Nova的资源状态缓存/同步异常有关——毕竟KVM层面能正常直通第四块GPU，说明硬件本身没问题，问题出在OpenStack对资源的感知环节。下面给你几个针对性的排查和修复步骤：

1. 强制刷新计算节点的资源上报状态 #

Nova的Resource Tracker会定期同步计算节点的资源状态，但如果同步机制出现卡顿，就会出现实际资源可用但Nova认为已耗尽的情况。你可以手动触发资源重新扫描和上报：

• 先在控制节点确认计算节点服务状态正常：

  openstack compute service list
  

• 登录到异常的计算节点（比如compute-23），重启nova-compute服务，让它重新扫描PCI设备并上报最新状态：

  sudo systemctl restart nova-compute
  

• 回到控制节点，查看该计算节点的PCI资源统计，确认可用设备数是否正确：

  openstack hypervisor show compute-23
  

2. 清理Nova本地的PCI设备缓存文件 #

Nova会在计算节点本地缓存PCI设备状态，这个文件如果出现异常，会导致资源统计错误：

• 登录计算节点，查看缓存文件的内容（路径可能因发行版略有不同，一般是这个）：

  cat /var/lib/nova/pci_devices.json
  

  检查里面标记为"available": true的设备数量，如果和实际可用数不符（比如只有0或1个，但实际还有1个空闲），直接删除这个缓存文件：

  sudo rm /var/lib/nova/pci_devices.json
  

• 再次重启nova-compute服务，让它重新生成正确的缓存文件。

3. 排查残留实例/僵尸域占用资源 #

有时候实例异常删除后，libvirt的残留域或者Nova的实例状态不同步，会导致GPU资源被“假占用”：

• 在计算节点执行以下命令，查看所有KVM域（包括已停止的）：

  virsh list --all
  

• 如果发现状态为shut off但属于已删除OpenStack实例的域，手动清理：

  virsh destroy <domain-name-or-id>
  virsh undefine <domain-name-or-id>
  

• 回到控制节点，同步实例状态，确保Nova感知到这些残留实例已被清理：

  nova-manage cell_v2 sync_instances --verbose
  

4. 重启控制节点的核心服务 #

如果是Conductor或Scheduler的资源缓存出现问题，重启这两个服务可以强制刷新它们的资源视图：

sudo systemctl restart nova-conductor nova-scheduler

额外检查点 #

虽然你说配置没问题，但可以再快速核对下nova.conf里的PCI相关配置：

• 确认pci_passthrough_whitelist已经正确包含RTX3090的vendor_id（10de）和product_id（2204/1aef）
• 确认flavor绑定的PCI别名x1、x2对应的设备规格和实际GPU一致，且每个实例的PCI请求数量正确（比如是否每个实例只申请1张GPU，而不是多张）

这些步骤应该能解决资源缓存不同步导致的PCI申请失败问题，建议在业务低峰期操作，避免影响现有运行的实例。

备注：内容来源于stack exchange，提问作者Mahdi