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
【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.cn/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 和 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[$__rate_interval])
# Legend(建议)
node_infiniband_port_data_transmitted_rate.{{device}}.{{port}}
b. 下行流量
# 查询语句
rate(node_infiniband_port_data_received_bytes_total[$__rate_interval])
# Legend(建议)
node_infiniband_port_data_received_rate.{{device}}.{{port}}
c. 效果展示
【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)