Llama 3在虚拟机中运行报错PCIe直通失败_硬件虚拟化配置错误导致GPU不可用的修复
Llama3-8B-Instruct经GPTQ-INT4量化后仅占4GB显存，可在RTX3060（12GB）上稳定运行，支持8K上下文、MMLU 68.2、HumanEval 45.6，英语能力接近GPT-3.5，开源可商用（月活＜7亿）。
☞☞☞AI 智能聊天， 问答助手， AI 智能搜索， 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
一、验证ESXi主机PCIe直通支持状态
想在ESXi里玩转GPU直通？第一步得确保“大门”是敞开的。这个大门，就是BIOS里的Intel VT-d或AMD-Vi技术，以及ESXi内核的IOMMU支持。如果没开，GPU就算插在主板上，在vSphere客户端里也根本找不到“直通”那个选项。
具体怎么验证？跟着下面几步走：
1、通过SSH登录到ESXi主机，运行这条命令，看看IOMMU的状态：
esxcli system settings kernel list | grep iommu
2、关键看输出结果里“iommu_enabled”这一项是不是“true”。如果是“false”，那就得动手修改了。编辑/bootbank/boot.cfg文件，在“kernelopts”那一行的末尾，根据你的平台添加参数：Intel平台加iommu=pt intel_iommu=on，AMD平台则加iommu=pt amd_iommu=on。
3、改完别忘重启主机，让配置生效。重启后，再执行一遍第一步的命令，确认IOMMU已经成功启用。
4、最后，用lspci -v | grep -A 10 "VGA\|3D"命令，确认你的GPU设备ID（比如10de:2204这种格式）以及它属于哪个IOMMU组。
这里有个关键点：如果连lspci命令都看不到你的GPU，那问题就更靠前了——说明ESXi压根没识别到这块硬件。这时候，你得先解决驱动兼容性问题，直通配置的事儿得往后放。
二、修正虚拟机硬件版本与直通兼容性设置
硬件版本太老，就像给跑车装了个小马力的发动机，根本发挥不出性能。像vmx-13这样的旧版本，既不支持PCIe设备热插拔，也对64位MMIO空间映射支持不佳，直接后果就是开机报“DevicePowerOn”错误。要知道，运行Llama 3这类模型对GPU内存带宽很敏感，必须用上支持PCIe 4.0直通的硬件版本才行。
操作流程其实很清晰：
1、首先，关掉你要直通GPU的那台虚拟机。在vSphere客户端里右键点击它，选择“升级虚拟机硬件版本”，建议升到vmx-20或更高。
2、升级后，编辑虚拟机设置。找到“虚拟硬件”选项卡，点击“PCI设备”，然后选择“添加新设备”→“PCI Device”。
3、这时，设备列表里应该会出现你的GPU，注意要选择完整的PCI地址（格式如0000:0a:00.0）。最关键的是，状态栏必须显示“A vailable for passthrough”（可用于直通）。
4、勾选“此设备已连接”和“启动时连接”。同时，为了稳定性考虑，建议取消勾选“禁用此设备的电源管理”。
再划一个重点：如果设备列表空空如也，或者显示“Not supported”，别急着往下走。这说明ESXi还没把这GPU标记为可直通状态。你需要先回到ESXi命令行，执行esxcli hardware pci pcipassthru set -d [device_id] -e true来启用它。
三、调整VMkernel MMIO空间分配策略
这是很多人在配置GPU直通时容易忽略，但又至关重要的一步。ESXi默认只为PCIe设备预留256MB的64位MMIO空间。但对于Llama 3-8B-GPTQ，当使用vLLM框架加载时，它需要至少1.2GB的连续MMIO区域来进行显存映射。空间不够？虚拟机启动时直接就会失败。
怎么调整？分四步：
1、先看看当前给MMIO划了多大的“地盘”：
esxcli system settings kernel list | grep maxvmmem
2、如果不够，就把它扩大。执行命令修改高级参数：
esxcli system settings kernel set -s pciPassthru64bitMMIOSizeMB -v 2048
3、光改运行时的参数，重启可能就没了。得把它写进配置文件，实现持久化：
echo "/kernel/modules/pciPassthru64bitMMIOSizeMB = \"2048\"" >> /etc/vmware/esx.conf
4、最后，重启hostd服务，让改动生效：
services.sh restart hostd
这里有个技术细节要注意：maxvmmem这个值，必须是2的幂次方，比如1024、2048、4096。而且，从稳定性出发，这个值最好不要超过主机物理内存总量的10%。
四、禁用GPU固件级节能特性
消费级的NVIDIA显卡（比如RTX 3060或4090），在直通环境下可能会遇到一个“水土不服”的问题。它们自带的UEFI GOP固件和动态电源管理功能（比如PCIe ASPM L1子状态），可能会跟ESXi的VMkernel调度机制“打架”，结果就是设备初始化超时，直通失败。
解决这个问题，需要从ESXi层面做些调整：
1、首先，获取GPU的PCI地址：
lspci -nn | grep VGA
2、接着，禁用该设备的ASPM节能特性：
esxcli hardware pci pcipassthru set -d [device_id] -e false
3、然后，再强制将其设置为直通可用状态（这有助于绕过宿主机驱动抢占）：
esxcli hardware pci pcipassthru set -d [device_id] -e true
4、最后，在虚拟机的配置文件（.vmx文件）里手动追加两行参数，明确指定使用64位MMIO及其大小：
pciPassthru.use64bitMMIO = "TRUE"
pciPassthru.64bitMMIOSizeGB = "2"
执行上面第2、3步的esxcli命令前，务必确认GPU没有被任何虚拟机占用。否则，你会看到“Operation not permitted”的报错。
五、校验Guest OS内NVIDIA驱动与vLLM运行时兼容性
走到这一步，如果ESXi层面显示直通成功了，那只是万&里长征走完了一半。虚拟机内部的“软件生态”同样关键。直通成功只意味着虚拟机“看见”了这块卡，但能不能用起来，还得看Guest OS里的驱动和CUDA环境是否就位。Llama 3-8B-Instruct模型通常要求CUDA 12.1或更高版本，而很多Linux发行版自带的驱动可能只支持到CUDA 11.x。
所以，在虚拟机内部，我们需要做一次完整的验收测试：
1、运行nvidia-smi命令。如果一切正常，你应该能看到GPU的型号、温度等信息。这是最直观的“通行证”。
2、检查驱动版本是否满足要求（建议≥535.129.03）：
nvidia-smi --query-gpu=driver_version --format=csv,noheader,nounits
3、验证PyTorch是否能正确识别CUDA：
python3 -c "import torch; print(torch.cuda.is_a vailable(), torch.version.cuda)"
4、如果CUDA版本低于12.1，那就需要手动安装新版驱动。去NVIDIA官网下载对应版本的.run文件（例如NVIDIA-Linux-x86_64-535.129.03.run），然后在虚拟机内执行安装，记得加上这两个关键参数：
sudo ./NVIDIA-Linux-x86_64-535.129.03.run --no-opengl-files --no-x-check
最后这两个参数很有讲究：--no-opengl-files可以防止安装程序覆盖Xorg的图形模块，避免虚拟机图形界面崩溃；而--no-x-check则跳过了对X server的检测，特别适合我们这种只用于AI推理、不需要图形桌面的环境。