复盘：在Ubuntu 20.04下安装OFED驱动
起因
最近收到两台服务器，都搭载了ConnectX-5 EX网卡。由于供应商预装了Ubuntu 20.04操作系统，而我们的后端代码也是基于Ubuntu开发的，因此需要在Ubuntu上安装ConnectX-5网卡的驱动。
问题
尽管供应商已经预装了驱动，但运行我们的服务时出现以下错误：
EAL: /lib/x86_64-linux-gnu/libmlx5.so.1: version `MLX5_1.15' not found (required by so/x86_64/libmlx5-64.so)
EAL: FATAL: Cannot init plugins
EAL: Cannot init plugins
分析
首先怀疑OFED驱动是否已安装，通过运行命令ibv_devinfo查看网卡信息，确认驱动已安装。
按照手册的说法，我们想用英伟达网卡跑TRex那就必须在centos的特定版本下使用，版本对应关系如下：
| TRex 版本 | OFED | 操作系统 |
|---|---|---|
| 2.32及以下 | only 4.1 | CentOS 7.3 |
| 2.33-2.56 | only 4.3 | CentOS 7.4 |
| 2.57和v2.86 | only 4.6 | CentOS 7.6 |
| 2.89及以上 | only GA 5.3-1 | CentOS 7.9 |
http://www.zzvips.com/uploads/allimg/cbe0zg40tyn.html
然后注意到根据文档，使用NVIDIA网卡运行TRex需要特定版本的CentOS和OFED驱动。针对MCX516A系列网卡，需要下载OFED 5.x，并配套使用TRex 2.89版本。
决定重新安装驱动，因为不清楚供应商预装的驱动版本是否有问题。
下载OFED驱动：
http://www.zzvips.com/uploads/allimg/foujvza315z
按以下步骤安装：
tar -xf MLNX_OFED_LINUX-5.4-3.7.5.0-ubuntu20.04-x86_64.tgz
cd MLNX_OFED_LINUX-5.4-3.7.5.0-ubuntu20.04-x86_64
sudo ./mlnxofedinstall --with-mft --with-mstflint --dpdk --upstream-libs
安装过程中遇到问题：
在安装mlnx-ofed-kernel-dkms时失败，出现类似以下提示信息：
Error: mlnx-ofed-kernel-dkms installation failed!
Collecting debug info...
See:
/tmp/MLNX_OFED_LINUX.1976.logs/mlnx-ofed-kernel-dkms.debinstall.log
Removing newly installed packages...
查看日志发现以下提示信息：
Copying build sources from '/var/lib/dkms/mlnx-ofed-kernel/5.4/build/../build' to '/usr/src/ofa_kernel/5.15.0-58-generic' ...
/bin/cp: cannot stat 'Module*.symvers': No such file or directory
关键词是5.15.0-58-generic，即内核版本可能存在问题。
现有的安装方式在某些地方找不到对应的安装文件。
尝试复制报错中提到的文件到相应位置，但并未解决问题，因此决定尝试更换内核版本。
升级系统软件库和内核：
apt-get install build-essential dkms
这个过程较慢，并且在安装升级dkms时出现错误，进一步证实问题可能是由当前内核版本引起的。
通过搜索得知，Ubuntu 20.04 + 5.4内核可以使用MLNX_OFED_LINUX-4.9-6.0.6.0驱动。
而Ubuntu 20.04 + 5.15内核只能使用默认版本的4.0驱动。
在这篇博客中，作者的系统为Ubuntu 20.04，通过安装最新版的MLNX_OFED_LINUX-5.8-3.0.7.0成功解决了类似问题。
由于我们的系统内核版本也是5.15（似乎5.15是Ubuntu 20.04的默认内核版本），决定尝试安装最新的OFED驱动，看是否能解决问题。
果然，在安装MLNX_OFED_LINUX-5.8-3.0.7.0时，mlnx-ofed-kernel-dkms成功安装。
问题解决。
总结
整个问题主要是由于不同的内核版本导致文件路径不同，进而导致安装过程中某些库无法按预期安装而出现问题。
为什么使用最新的OFED驱动解决了问题呢？推测是最新驱动补充了之前缺失的某些文件，因此后续安装过程能够正常进行。
例如，在OFED 5.4中，某个安装所需的文件F位于A处，但安装程序却在B处查找该文件，导致报错。而在OFED 5.8中，该安装所需的文件F被移回到B处，此时不管去哪里查找都能找到文件F，因此安装可以正常进行。
ref:
1、https://skyao.io/learning-ubuntu-server/docs/router/update-drivers.html
2、https://blog.csdn.net/weixin_45485072/article/details/132892799
