DGX Spark reboot 后黑屏无法进入桌面 — 完整踩坑记录

环境：NVIDIA DGX Spark Founders Edition，DGX OS 7.5.0，Linux 6.17.0-1021-nvidia，aarch64
起因：多次执行 sudo apt update && sudo apt upgrade 后重启，再也进不去桌面

症状

重启后流程如下：

显示 NVIDIA logo（正常）
黑屏，只有鼠标光标，停在这里不动
无法进入 Ubuntu 桌面

根本原因

apt upgrade 将内核从 6.11 升级到了 6.17，但 NVIDIA 主驱动模块包（linux-modules-nvidia-580-open-*）只为旧内核 6.11 编译，没有跟着升级到 6.17。

导致链式崩溃：

nvidia 主驱动模块在 6.17 内核下缺失
  → /dev/nvidia* 设备文件不存在
  → nvidia-persistenced 启动失败（"Failed to query NVIDIA devices"）
  → Wayland session 无法初始化
  → GDM 反复重试直到放弃（"maximum number of X display failures reached"）
  → 黑屏，只剩鼠标光标

完整排查过程

第一步：尝试进入 GRUB Recovery Mode

重启后在 NVIDIA logo 出现的瞬间狂按 Shift 键，进入 GRUB 菜单：

注意：Esc/Del 是进 UEFI/BIOS，进 GRUB 要按 Shift，两者不同。

Advanced options for DGX OS GNU/Linux
→ DGX OS GNU/Linux, with Linux 6.17.0-1021-nvidia (recovery mode)

进入 Recovery Menu 后选 root，进入 root shell。

检查磁盘（排除磁盘满导致黑屏的可能）：

df -h
# 结果：/ 只用了 15%，/dev/nvme0n1p2 还有 3.0T 空闲，排除磁盘满

尝试重启 GDM：

mount -o remount,rw /
systemctl restart gdm
# 无报错，但 reboot 后依然黑屏

第二步：尝试重装 nvidia-fs-dkms（走进死路）

查 GDM 日志发现 X server 崩溃，进一步发现 nvidia-persistenced 报错 Failed to query NVIDIA devices。

尝试重装驱动相关包：

sudo apt install --reinstall nvidia-fs-dkms

结果：进度条卡在 90% 一动不动，等了一晚上没反应。

无奈之下长按电源键强制关机。事后分析，这条路走不通，因为 nvidia-fs 不是根本问题，主驱动模块才是。

第三步：发现 TTY 救命后路

重启后再次进入黑屏状态，这时候发现：黑屏有光标 ≠ 系统崩溃，内核其实已经正常跑起来了，只是图形层挂了。

在黑屏状态下直接按：

Ctrl + Alt + F2

屏幕出现登录提示，正常输入用户名密码，成功登入 TTY。

系统完全正常，磁盘、内存、网络全都在线：

Usage of /: 13.7% of 3.67TB
Memory usage: 13%
IPv4 address: 192.168.3.69

第四步：开启 SSH，从 Mac 远程操作

TTY 下打字不方便，先把 SSH 开起来：

sudo systemctl enable ssh
sudo systemctl start ssh

然后在 Mac 上：

ssh user@192.168.3.69

SSH 连上之后排查效率天壤之别，可以直接复制粘贴命令，不用对着屏幕一个字一个字敲。强烈建议第一时间开 SSH。

第五步：定位根本原因

查 GDM 日志：

journalctl -u gdm --no-pager -n 50

关键报错：

GdmLocalDisplayFactory: maximum number of X display failures reached: check X server log for errors
GdmDisplay: Session never registered, failing
on_display_added: assertion 'GDM_IS_REMOTE_DISPLAY (display)' failed

查 nvidia-persistenced：

sudo systemctl status nvidia-persistenced
# Active: failed
# Failed to query NVIDIA devices. Please ensure that the NVIDIA device files exist.

确认设备文件根本不存在：

ls /dev/nvidia*
# 没有那个文件或目录

sudo modprobe nvidia
# FATAL: Module nvidia not found in directory /lib/modules/6.17.0-1021-nvidia

nvidia 主驱动模块在 6.17 内核下根本不存在。

查 dkms 状态：

sudo dkms status
# nvidia-fs/2.29.4: added
# 注意是 added，不是 installed，说明之前的编译没有完成

查已安装包，找到关键线索：

dpkg -l | grep nvidia | grep -v "^rc"

发现：

linux-modules-nvidia-580-open-nvidia-hwe-24.04   6.11.0-1014.14+2

主驱动模块只为 6.11 内核编译，当前跑的是 6.17 内核，完全对不上。

确认 6.17 内核的 dkms 目录：

ls /lib/modules/6.17.0-1021-nvidia/updates/dkms/
# 只有 nvidia-fs.ko.zst，没有 nvidia.ko

第六步：修复

先处理被强制关机中断的 dpkg：

sudo dpkg --configure -a

安装 6.17 内核对应的 nvidia 驱动模块：

sudo apt install linux-modules-nvidia-580-open-6.17.0-1021-nvidia

apt 自动处理了所有依赖，将驱动从 580.82 升级到 580.159，并自动重建 initramfs、更新 grub。整个过程下载了约 294 MB，耗时约 13 秒。

重启：

sudo reboot

✅ 桌面正常启动，问题解决。

教训

不要在 DGX Spark 上裸跑 apt upgrade。

DGX OS 的内核、NVIDIA 驱动模块、nvidia-fs 等组件版本绑定非常紧，Ubuntu 官方源的升级节奏和 NVIDIA 不一定同步，很容易出现内核升了但对应驱动模块没跟上的情况。

正确的更新方式应该走 NVIDIA 官方的 DGX 更新机制，或者在升级前明确确认 linux-modules-nvidia-* 会跟着一起升级。

快速参考

进不了桌面时的后路

情况	操作
黑屏有光标	`Ctrl + Alt + F2` 切 TTY，直接登录
需要远程操作	TTY 登录后 `sudo systemctl start ssh`，从别的电脑 SSH 进来
需要 root shell	重启 → 狂按 `Shift` → GRUB → Advanced options → recovery mode → root
最后手段（数据全清）	USB 恢复镜像，参考官方文档 `docs.nvidia.com/dgx/dgx-spark/system-recovery.html`

本次修复用到的关键命令

# 查磁盘使用
df -h

# 查 GDM 日志
journalctl -u gdm --no-pager -n 50

# 查 nvidia-persistenced 状态
sudo systemctl status nvidia-persistenced

# 确认 nvidia 设备文件是否存在
ls /dev/nvidia*

# 查 dkms 状态
sudo dkms status

# 查已安装的 nvidia 相关包
dpkg -l | grep nvidia | grep -v "^rc"

# 修复中断的 dpkg
sudo dpkg --configure -a

# 安装对应内核的 nvidia 驱动模块（根据实际内核版本替换）
sudo apt install linux-modules-nvidia-580-open-6.17.0-1021-nvidia

如何确认当前内核版本

uname -r
# 6.17.0-1021-nvidia

确保 linux-modules-nvidia-580-open-{uname -r} 这个包存在且已安装。