ACS expone métricas de Prometheus para los nodos GPU-HPN a nivel de nodo. Estas métricas abarcan los subsistemas de CPU, memoria, disco, red y GPU. Úselas para construir paneles de Grafana y alertas PromQL para sus cargas de trabajo de GPU.
Métricas
Las métricas se agrupan por subsistema. La columna Type indica si una métrica es un contador o un medidor: utilice irate() o rate() con los contadores; lea los medidores directamente.
CPU
|
Métrica |
Tipo |
Descripción |
Etiquetas |
Ejemplo |
|
|
counter |
Tiempo total de CPU consumido en el nodo, en segundos. Los valores del contador se restablecen a cero cuando se actualiza el componente de monitoreo de ACS o cuando ocurre una migración por falla durante el ciclo de vida del nodo GPU-HPN. Utilice |
|
|
Memoria
|
Métrica |
Tipo |
Descripción |
Etiquetas |
Ejemplo |
|
|
gauge |
Memoria disponible en el nodo, en bytes. |
|
|
|
|
gauge |
Memoria libre en el nodo, en bytes. |
|
|
|
|
gauge |
Memoria total en el nodo, en bytes. |
|
|
Disco
|
Métrica |
Tipo |
Descripción |
Etiquetas |
Ejemplo |
|
|
counter |
Total de bytes leídos de los discos del nodo. |
|
|
|
|
counter |
Total de operaciones de lectura de disco completadas en el nodo. |
|
|
|
|
counter |
Total de operaciones de escritura de disco completadas en el nodo. |
|
|
|
|
counter |
Total de bytes escritos en los discos del nodo. |
|
|
Red
|
Métrica |
Tipo |
Descripción |
Etiquetas |
Ejemplo |
|
|
counter |
Total de bytes recibidos por el nodo. |
|
|
|
|
counter |
Total de bytes transmitidos por el nodo. |
|
|
GPU
|
Métrica |
Tipo |
Descripción |
Etiquetas |
Ejemplo |
|
|
gauge |
Número de dispositivos GPU en el nodo. |
|
|
|
|
gauge |
Capacidad total del búfer de fotogramas en el nodo, en MB. |
|
|
|
|
gauge |
Búfer de fotogramas utilizado por cada dispositivo GPU, en MB. |
|
|
|
|
gauge |
Utilización de la GPU por dispositivo, en porcentaje (0–100). |
|
|
|
|
gauge |
Rendimiento del ancho de banda de memoria a nivel de nodo, agregado entre varios sockets NUMA. Se recopila cada 30 segundos. |
|
|
Ciclo de vida del nodo
|
Métrica |
Tipo |
Descripción |
Etiquetas |
Ejemplo |
|
|
gauge |
Marca de tiempo registrada cuando se aprovisiona el nodo GPU-HPN. Se actualiza con la hora de finalización del evento de reparación automática más reciente cuando el nodo activa dicha reparación debido a una falla. |
Ninguna |
|
Notas de uso
Marcas de tiempo
Cada métrica incluye un atributo de marca de tiempo en el formato estándar de exposición de texto de Prometheus. Este atributo indica cuándo se recopiló la métrica del recurso:
node_cpu_seconds_total{NodeName="cn-wulanchabu-c.cr-xxx",instance="cn-wulanchabu-c.cr-xxx",mode="idle"} 17.509999999999998 1735112457237Utilice este atributo junto con la configuración honor_timestamps en Prometheus. El panel predeterminado de Prometheus integrado en ACS tiene habilitado honor_timestamps de forma predeterminada.
Reinicio de contadores
Los nodos GPU-HPN en ACS no son máquinas físicas. A diferencia de los nodos ECS, donde el sistema operativo rastrea los valores de los contadores y los restablece al reiniciarse, el componente de monitoreo de ACS recopila las métricas de contador. Los valores de los contadores se restablecen a cero cuando:
Se modifica o actualiza el componente de monitoreo de ACS.
Ocurre una migración por falla durante el ciclo de vida del nodo GPU-HPN.
Utilice irate() para calcular las tasas a partir de las métricas de contador, ya que tolera mejor los reinicios que rate(). En las alertas basadas en umbrales para métricas de contador, agregue filtros de etiquetas para evitar alarmas falsas.
Preguntas frecuentes
¿Cómo distingo las métricas de pods de ACS que tienen el mismo nombre, como DCGM_FI_DEV_FB_USED, al configurar un panel de Grafana?
Las métricas de pod incluyen las etiquetas Namespace y Pod, las cuales no están presentes en las métricas a nivel de nodo. Filtre o agrupe por estas etiquetas en sus consultas PromQL para distinguir las métricas con alcance de pod de las métricas con alcance de nodo que comparten el mismo nombre.