华为 RH2288 V3 安装 Ubuntu 24.04 后黑屏：Tesla V100 与 simpledrm 冲突的绕开方案

环境与故障现象

硬件

• 服务器：华为 RH2288 V3
• 板载显卡：Hi171x BMC 芯片（负责物理显示输出）
• 计算卡：NVIDIA Tesla V100 SXM2 16 GB（无显示输出）

软件

• 操作系统：全新安装 Ubuntu 24.04.4 desktop amd64
• 安装时未勾选“Install third-party software for graphics and Wi-Fi”
• 内核：6.17.0-22-generic（Ubuntu 24.04 的 HWE 内核，注意该版本号为 Ubuntu 打包版本，非主线 Linux 版本）
• NVIDIA 驱动：nvidia-driver-535-server（安装后自动拉入 nvidia_drm 等显示模块）

现象
安装 NVIDIA 驱动并重启后，系统黑屏，仅左上角闪烁下划线光标。可切换至命令行（Ctrl+Alt+F2），网络和 SSH 正常。

---

排查要点

ls -la /dev/dri/                 # 只有 card1（来自 nvidia_drm），没有 card0
lsmod | grep nvidia              # nvidia_drm 和 nvidia_modeset 已加载
grep -i hibmc /boot/config-$(uname -r)
# 输出：# CONFIG_DRM_HISI_HIBMC is not set

• 板载 BMC 显卡驱动 hibmc_drm 被 Ubuntu 内核禁用（编译选项未开启），因此无法使用。
• 内核自带的 simpledrm 已接管 BMP 帧缓冲，生成 /dev/fb0，并应提供 card0。
• 但由于 nvidia_drm 加载后，DRM 主设备 minor 号被抢占，导致 card0 节点消失。
• GDM 不断报错：maximum number of X display failures reached。

根本原因：nvidia_drm 显示模块与 simpledrm 冲突，而 Tesla V100 无物理输出，导致图形子系统彻底瘫痪。

---

解决方案（两步走）

第一步：现场恢复图形（无需重启）

# 注意卸载顺序：先卸载依赖模块 nvidia_modeset，再卸载 nvidia_drm
sudo rmmod nvidia_modeset
sudo rmmod nvidia_drm

# 让 udev 为 simpledrm 创建设备节点
sudo udevadm trigger --subsystem-match=drm
sudo udevadm settle

# 验证 card0 出现
ls -la /dev/dri/          # 此时应出现 card0

# 启动图形界面
sudo systemctl restart gdm3

第二步：永久防止冲突

使用 install 指令彻底阻止 nvidia_drm 和 nvidia_modeset 加载（blacklist 无效，因为它阻止不了依赖加载）。

sudo tee /etc/modprobe.d/disable-nvidia-drm.conf > /dev/null << 'EOF'
install nvidia_drm /bin/false
install nvidia_modeset /bin/false
EOF

必须更新 initramfs，使配置在启动早期生效（针对所有已安装内核）：

sudo update-initramfs -u -k all

重启系统：

sudo reboot

为什么不用 GRUB 内核参数？
你最初可能尝试了 modprobe.blacklist=nvidia_drm,nvidia_modeset，但在 install /bin/false 存在时这是多余的，而且内核参数黑名单与 install 拦截机制可能冲突，建议删除 /etc/default/grub 中的该参数，仅保留 install 拦截即可。

---

验证结果

重启后直接进入图形桌面：

$ ls -la /dev/dri/
total 0
drwxr-xr-x   3 root root      80 Apr 30 19:18 .
drwxr-xr-x  20 root root    4400 Apr 30 19:18 ..
drwxr-xr-x   2 root root      60 Apr 30 19:18 by-path
crw-rw----+  1 root video 226, 0 Apr 30 19:18 card0

$ lsmod | grep nvidia
nvidia_uvm           1769472  0
nvidia              56930304  10 nvidia_uvm

$ nvidia-smi
# 正常显示 Tesla V100，驱动 535.288.01，CUDA 12.2

• card0 存在，card1 消失
• NVIDIA 核心模块加载，显示模块被彻底禁止
• 图形与计算各司其职，再无冲突

---

经验与副作用说明

1. blacklist 不够用，install /bin/false 才是悬崖
   blacklist 无法阻止模块被依赖拉入，只有 install 能彻底拦截。

2. RMmod 顺序很重要
   必须按 nvidia_modeset → nvidia_drm 的顺序卸载，否则会报错。

3. update-initramfs -u -k all 是关键
   配置文件修改后必须重建所有内核的 initramfs，否则重启依旧加载旧模块。

4. 副作用提示

   • 禁用 nvidia_drm 后，NVIDIA GPU 将无法用于图形渲染（如 OpenGL 直接显示），但 CUDA 计算任务完全不受影响。
   • 如果你需要运行依赖 GPU 图形加速的应用程序（如某些可视化工具），需评估影响。
   • 对于纯粹的服务器计算环境，这是理想的隔离方案。

5. 为何选择绕开而非启用 hibmc？
   由于 Ubuntu 内核未启用 CONFIG_DRM_HISI_HIBMC，无法使用华为 BMC 专用驱动。但 simpledrm 已能提供稳定的基础显示，因此绕开 NVIDIA 显示模块是最简可行方案。