GPU裸金属服务器使用Node Exporter实现RDMA网卡指标监控可视化方案

举报
modelarts-dev-server 发表于 2023/08/26 10:36:13 2023/08/26
【摘要】 GPU裸金属服务器使用Node Exporter实现N卡指标监控可视化方案

0. 前置条件

裸金属服务器需要安装nvidia-driver、nvidia-cuda、nvidia-fabric-manager、promtheus、docker软件包;

上述软件安装方法可参考:GPU Ant8裸金属服务器装机和验证-云社区-华为云 (huaweicloud.com)

promtheus和docker安装可以参考: https://bbs.huaweicloud.com/blogs/399818


1. 运行Node Exporter

docker run -d -p 9100:9100 prom/node-exporter


2. 配置Prometheus

将Node expertor的指标获取端口9100添加到Prometheus配置文件中

vim /usr/local/prometheus/prometheus.yml
global:
  scrape_interval: 15s # 采集间隔
scrape_configs:
  - job_name: 'prometheus'
    static_configs:
    - targets: ['xx.xx.xx.xx:9100']  # Node-Exporter指标获取端口,替换xx.xx.xx.xx为节点的IP地址


3. 重启Prometheus

a. 找出Prometheus的container ID

docker ps | grep prometheus
>755c1573602c    prom/prometheus   "/bin/prometheus --c…"   2 days ago          Up 2 days

b. 杀掉Prometheus

docker kill 755c1573602c

c. 启动Prometheus

docker run -d \
    -p 9090:9090 \
    -v /usr/local/prometheus/prometheus.yml:/etc/prometheus/prometheus.yml \
    prom/prometheus


4. 制作Grafana报表

通过 node_infiniBand_port_data_received_bytes_total node_infiniBand_port_data_transmitted_bytes_total 这两个指标来计算N卡的RoCE上行流量和下行流量,详细配置如下:

a. 上线流量

# 查询语句
rate(node_infiniband_port_data_transmitted_bytes_total[$__rate_interval])
# Legend(建议)
node_infiniband_port_data_transmitted_rate.{{device}}.{{port}}

3.png

b. 下行流量

# 查询语句
rate(node_infiniband_port_data_received_bytes_total[$__rate_interval])
# Legend(建议)
node_infiniband_port_data_received_rate.{{device}}.{{port}}

4.png

c. 效果展示

5.png

【版权声明】本文为华为云社区用户原创内容,转载时必须标注文章的来源(华为云社区)、文章链接、文章作者等基本信息, 否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。