使用云监控实现GPU云服务器的GPU监控和报警(下)

  • 时间:
  • 浏览:0
  • 来源:大发5分3DAPP下载_大发5分3DAPP官方

gpu_power_readings_power_draw

GPU维度显存使用量

可不要能使用OpenAPI来查询GPU监控数据。参考文档:https://help.aliyun.com/document_detail/51936.html

下图是以折线图形式展示特定分组的分组维度GPU温度的平均值,可不要能一目了然的查看指定分组相关实例的GPU温度波动请况。

W

instance_gpu_gpu_temperature

         通过使用阿里云提供的云监控插件,可不要能一键安装就实现GPU指标的分派和上报,共同展示维度可不要都可以 与目前的ECS一样获得更多维度的展示,比如Dashborad监控大盘,可不要能监控集群级别的GPU指标,主机监控则可不要能在一另另另有俩个页面显示该实例所有GPU的所有监控指标。

MetricName

dimensions

分组维度GPU功率

group_gpu_memory_usedspace

实例维度GPU显存总量

groupId

上一篇文章亲戚亲戚亲戚大伙儿介绍了怎样使用阿里云云监控服务提供的自定义监控功能,利用自定义监控提供的API不可能 SDK,通过自定义脚本可不要能将GPU云主机内分派的GPU数据上报,在云监控控制台加进进相应的GPU监控项,就可不要能实现对指定GPU实例内指定GPU的相应数据进行监控,对相应监控项设置相应数据的报警规则,就能实现监控数据的自动报警。

instanceId,gpuId

instanceId,gpuId

GPU维度GPU使用率

groupId

group_gpu_memory_usedutilization

分组维度GPU编码器使用率

instanceId

instanceId,gpuId

本文不可能 完整介绍怎样通过安装云监控插件来实现更全面、更易用的GPU云监控和报警。

名称

gpu_gpu_temperature

  分组维度GPU温度

Bytes

分组维度GPU显存空闲率

分组维度GPU解码器使用率

instanceId

MetricName

单位

groupId

在云监控控制台中进入主机监控,进入还要查看监控数据的实例,点击GPU监控标签页,就可不要能看多该实例所有GPU的GPU使用率、编码器/解码器使用率、显存使用量、GPU功率、GPU温度等监控数据。

GPU维度显存总量

gpu_memory_useutilization

单位

实例维度指标对单个ECS实例上的多个GPU监控数据做最大值、最小值、平均值的聚合。便于查看实例层面的整体使用请况。

实例维度GPU解码器使用率

%

GPU维度显存空闲率

instanceId,gpuId

实例维度GPU使用率

instance_gpu_gpu_usedutilization

instanceId

W

下图是以TopN表格形式展示实例维度GPU温度的最大值,并以倒序最好的办法展示,可不要能一目了然的查看用户账号下所有GPU实例的实时温度请况,并选择GPU温度最高的实例。

Bytes

gpu_memory_totalspace

参数说明:Project=acs_ecs_dashboard,Metric及Dimensions参考上述监控项表格中的GPU指标。

gpu_memory_usedspace

实例维度GPU显存使用量

instance_gpu_decoder_utilization

Bytes

目前可不要能了GPU计算型实例支持GPU云监控,实例还要要安装GPU驱动和云监控插件的1.2.28以上版本,即可在主机监控查看GPU相关监控数据、配置报警规则,或在Dashboard中配置监控图表。

gpu_decoder_utilization

instanceId

instance_gpu_memory_totalspace

dimensions

GPU维度GPU温度

gpu_gpu_usedutilization

单位

instanceId

instanceId

group_gpu_gpu_temperature

名称

GPU维度的指标,分派每个GPU层面的监控数据。

Bytes

gpu_memory_freeutilization

group_gpu_memory_totalspace

group_gpu_memory_freeutilization

实例维度GPU功率

%

分组维度GPU显存使用率

instance_gpu_power_readings_power_draw

Bytes

groupId

         而且 自定义监控的分派脚本还要用户当事人实现,而且 云监控控制台上自定义监控的展示维度也很有限,可不要能了查看指定VM指定GPU的某个数据。

%

%

instance_gpu_memory_usedspace

groupId

instanceId,gpuId

instanceId,gpuId

分组维度GPU显存空闲量

Bytes

dimensions

实例维度GPU温度

gpu_memory_freespace

%

gpu_encoder_utilization

groupId

instanceId,gpuId

%

新增的GPU监控项加进报警规则最好的办法同ECS的一些指标一样,可不要能针对某一特定指标设置报警规则,如下图:

groupId

Bytes

%

group_gpu_decoder_utilization

实例维度GPU编码器使用率

%

instanceId,gpuId

分组维度GPU显存使用量

MetricName

GPU维度GPU功率

实例维度GPU显存空闲率

%

推荐通过创建模板后将模板应用于分组的最好的办法批量加进GPU报警。查看报警模板最佳实践。

实例维度GPU显存空闲量

instanceId,gpuId

Bytes

℃ 

分组维度GPU显存总量

%

instance_gpu_encoder_utilization

GPU维度显存使用率

group_gpu_gpu_usedutilization

实例维度GPU显存使用率

分组维度GPU使用率

GPU相关监控指标提供六个维度的数据

℃ 

%

group_gpu_power_readings_power_draw

%

instanceId

TopN表格形式同样能非常方便的查看各个实例的GPU利用率和编码器/解码器利用率以及显存使用请况,从而判断业务运行与否正常,以及判断资源利用与否充分。

%

下图是以TopN表格形式展示实例维度GPU功率的平均,并以倒序最好的办法展示,可不要能一目了然的查看用户账号下所有GPU实例的实时功率请况,并选择GPU功率最高的实例。

%

group_gpu_encoder_utilization

也可不要能在云监控控制台主机监控部分一键点击安装最新的云监控插件,并查看云监控插件的版本,如下图:

GPU维度解码器使用率

下图是以折线图形式展示特定分组的实例维度GPU显存使用量的平均值,可不要能一目了然的查看相关实例的显存使用量波动请况。

分组维度指标对单个应用分组里的多个ECS 实例的监控数据做最大值、最小值、平均值的聚合。便于查看集群层面的整体使用请况。

instance_gpu_memory_freeutilization

instanceId,gpuId

使用云监控实现GPU云服务器的GPU监控和报警(下)- 云监控插件监控

云监控插件从1.2.28版本开始英语 英语 了了支持GPU数据的分派。云监控Agent(即云监控插件)的安装可不要能参考云监控官方使用文档:云监控Agent安装。共同支持Linux和Window操作系统。

GPU维度编码器使用率

可不要能在云监控控制台Dashboard中创建自定义GPU监控大盘,以多种图表类型大盘展示分别分组、实例、GPU维度的各个GPU指标。

instance_gpu_memory_freespace

groupId

名称

instanceId

instanceId

GPU维度显存空闲量

instanceId

%

groupId

group_gpu_memory_freespace

W

Bytes

instance_gpu_memory_usedutilization

groupId

使用云监控实现GPU云服务器的GPU监控和报警(上) - 自定义监控