O ACS expõe métricas do Prometheus para nós GPU-HPN no nível do nó. Essas métricas abrangem os subsistemas de CPU, memória, disco, rede e GPU. Use-as para criar painéis no Grafana e configurar alertas em PromQL para suas cargas de trabalho de GPU.
Métricas
As métricas estão organizadas por subsistema. A coluna Type indica se a métrica é um contador ou um medidor: use irate() ou rate() com contadores; leia os medidores diretamente.
CPU
|
Metric |
Type |
Description |
Labels |
Example |
|
|
counter |
Tempo total de CPU consumido no nó, em segundos. Os valores do contador retornam a zero quando o componente de monitoramento do ACS é atualizado ou quando ocorre uma migração por falha durante o ciclo de vida do nó GPU-HPN. Use |
|
|
Memória
|
Metric |
Type |
Description |
Labels |
Example |
|
|
gauge |
Memória disponível no nó, em bytes. |
|
|
|
|
gauge |
Memória livre no nó, em bytes. |
|
|
|
|
gauge |
Memória total no nó, em bytes. |
|
|
Disco
|
Metric |
Type |
Description |
Labels |
Example |
|
|
counter |
Total de bytes lidos dos discos do nó. |
|
|
|
|
counter |
Total de operações de leitura de disco concluídas no nó. |
|
|
|
|
counter |
Total de operações de escrita em disco concluídas no nó. |
|
|
|
|
counter |
Total de bytes gravados nos discos do nó. |
|
|
Rede
|
Metric |
Type |
Description |
Labels |
Example |
|
|
counter |
Total de bytes recebidos pelo nó. |
|
|
|
|
counter |
Total de bytes transmitidos pelo nó. |
|
|
GPU
|
Metric |
Type |
Description |
Labels |
Example |
|
|
gauge |
Quantidade de dispositivos GPU no nó. |
|
|
|
|
gauge |
Capacidade total do frame buffer no nó, em MB. |
|
|
|
|
gauge |
Frame buffer usado por dispositivo GPU, em MB. |
|
|
|
|
gauge |
Utilização da GPU por dispositivo, em porcentagem (0–100). |
|
|
|
|
gauge |
Desempenho da largura de banda de memória no nível do nó, agregado em vários soquetes NUMA. Coletado a cada 30 segundos. |
|
|
Ciclo de vida do nó
|
Metric |
Type |
Description |
Labels |
Example |
|
|
gauge |
Timestamp registrado no provisionamento do nó GPU-HPN. Atualiza-se para o horário de conclusão do evento de reparo automático mais recente quando o nó aciona esse recurso devido a uma falha. |
Nenhum |
|
Notas de uso
Timestamps
Cada métrica possui um atributo de timestamp no formato padrão de exposição de texto do Prometheus, indicando o momento da coleta da métrica do recurso:
node_cpu_seconds_total{NodeName="cn-wulanchabu-c.cr-xxx",instance="cn-wulanchabu-c.cr-xxx",mode="idle"} 17.509999999999998 1735112457237Use este recurso com a configuração honor_timestamps no Prometheus. O painel integrado do Prometheus no ACS já vem com honor_timestamps ativado por padrão.
Redefinição de contadores
Os nós GPU-HPN no ACS não são máquinas físicas. Diferentemente dos nós ECS, em que o sistema operacional rastreia os valores dos contadores e os redefine na reinicialização, o componente de monitoramento do ACS coleta as métricas de contador do serviço. Os valores do contador retornam a zero quando:
O componente de monitoramento do ACS é alterado ou atualizado
Ocorre uma migração por falha durante o ciclo de vida do nó GPU-HPN
Use irate() para calcular taxas a partir de métricas de contador, pois é mais robusto contra redefinições do que rate(). Para alertas baseados em limiares em métricas de contador, adicione filtros de rótulo para evitar falsos alarmes.
Perguntas frequentes
Como diferenciar métricas de Pod do ACS com o mesmo nome, como DCGM_FI_DEV_FB_USED, ao configurar um painel no Grafana?
As métricas de Pod possuem os rótulos Namespace e Pod, ausentes nas métricas de nível de nó. Filtre ou agrupe por esses rótulos em suas consultas PromQL para distinguir métricas com escopo de Pod das métricas com escopo de nó que tenham o mesmo nome.