4. NVIDIA网络操作系统与软件栈
在NVIDIA数据中心网络平台交付中，操作系统与软件栈的选型、安装和版本对齐，是决定后续自动化、遥测与运维能否顺利落地的基础环节。NVIDIA当前主推的网络软件栈覆盖多个层面：面向交换机操作系统的Cumulus Linux、SONiC和NVIDIA Onyx，面向主机侧与DPU编程的DOCA，以及面向全网可视化与验证的NVIDIA NetQ。它们并非互相替代，而是分别处于“设备操作系统—主机/DPU开发框架—网络验证与遥测”三个层次，交付时必须先明确每台设备、每台服务器各自承担的角色，再决定安装哪一套软件。
一、四类软件栈的定位与适用对象
Cumulus Linux是基于Linux的开放网络操作系统，运行在NVIDIA Spectrum系列交换机上，采用标准Debian用户空间，支持NVUE（NVIDIA User Experience）声明式配置，适合需要Linux原生工具链、Ansible自动化或容器化网络功能的场景。SONiC是开源社区主导的网络操作系统，同样可运行在Spectrum平台，其优势在于容器化架构和SAI抽象层，适合希望与社区生态保持一致、或已有SONiC运维体系的用户。NVIDIA Onyx则是面向Mellanox传统交换机的操作系统，配置模型与Cumulus差异较大，常见于既有Mellanox设备的存量网络。DOCA是面向BlueField DPU及主机侧的网络开发框架，提供SDK、运行时和一系列服务，用于卸载、加速和安全隔离。NetQ是网络验证与遥测平台，通过采集交换机与主机的状态数据，提供实时验证、历史回溯和故障定位能力。
因此，交付前第一件事是建立“设备—软件”映射表：哪些交换机跑Cumulus Linux，哪些跑SONiC，哪些存量设备保留Onyx；哪些服务器或DPU节点需要安装DOCA；NetQ服务器或NetQ云接入点部署在哪里。映射不清，后续版本检查就无从谈起。
二、安装与初始化的关键动作
以Cumulus Linux为例，典型安装流程是：通过ONIE引导进入安装环境，指定镜像源后执行安装，首次启动后使用默认账号登录并强制修改密码，随后配置管理口IP、主机名、NTP和DNS。初始化阶段建议立即启用NVUE并导入基线配置，例如：
# 查看系统与版本
cat /etc/os-release
nv --version
# 配置管理口与默认路由
nv set interface eth0 ip address 10.10.0.11/24
nv set interface eth0 ip gateway 10.10.0.1
nv set system hostname leaf-01
nv config applySONiC的安装通常通过ONIE或SONiC镜像直接刷写，初始化后需确认config_db状态、端口拆分模式和容器健康度，常用命令包括 show version、show interface status、docker ps。Onyx设备则通过MLNX-OS的CLI完成初始配置，重点确认管理口、许可证和固件版本。DOCA的安装分为主机侧和DPU侧：主机侧安装DOCA Host软件包并加载驱动，DPU侧通过DOCA Runtime和容器化服务完成初始化，需确认DPU模式（DPU模式或分离模式）与固件版本匹配。NetQ的部署分为NetQ服务器（本地部署）或NetQ Cloud接入，初始化时需在交换机上安装NetQ Agent，并确认Agent与NetQ服务器的连通性和证书状态。
三、版本兼容性检查的核心逻辑
版本兼容性是本节最容易出问题的部分。它至少包含四条链路：交换机操作系统版本与硬件平台/固件的匹配；Cumulus Linux或SONiC与NetQ Agent版本的匹配；DOCA版本与BlueField DPU固件、主机驱动、CUDA/OFED组件的匹配；以及NetQ服务器版本与所管理交换机操作系统版本的兼容矩阵。NVIDIA官方会发布兼容性列表和生命周期表，交付时应以官方矩阵为准，而不是凭经验假设“新版本一定兼容旧设备”。
实际操作中，建议在安装前先做一次“版本快照”：记录每台设备的平台型号、当前固件、目标操作系统版本、NetQ Agent版本、DOCA版本和DPU固件版本，再逐条对照官方兼容矩阵。对于不匹配的条目，要么升级固件，要么调整目标版本，不能带着已知不兼容项进入下一阶段。
四、交付前的版本检查清单
把上述逻辑固化成一份可执行的检查清单，能显著降低返工率。建议至少包含以下字段：设备名称、角色（Leaf/Spine/Super-Spine/DPU节点）、硬件平台、当前固件版本、目标OS及版本、NetQ Agent版本、DOCA版本（如适用）、DPU固件版本、官方兼容矩阵结论、处理动作、责任人、完成状态。清单不是形式，而是把“版本兼容性”从口头确认变成可追溯的记录。
完成安装、初始化和版本检查后，应形成一份“软件栈基线记录”，作为后续验收和运维的参照。基线记录中至少应包含每类设备的操作系统版本、NetQ Agent版本、DOCA版本、DPU固件版本以及对应的官方兼容性结论。这样在后续出现遥测异常或自动化任务失败时，可以快速判断是配置问题还是版本漂移问题，而不是从头排查。