本文件說明如何設定 Google Kubernetes Engine 部署作業,以便使用 Google Cloud Managed Service for Prometheus 從 NVIDIA Data Center GPU Manager 收集指標。本文件說明如何執行下列操作:
- 設定 DCGM 匯出工具,以便回報指標。
- 為 Managed Service for Prometheus 設定 PodMonitoring 資源,以便收集匯出的指標。
只有在您將 代管收集作業與 Managed Service for Prometheus 搭配使用時,才適用這些操作說明。如果您使用的是自行部署的收集資料,請參閱 DCGM 匯出工具的來源存放區,瞭解安裝資訊。
這些操作說明僅供參考,應可在大多數 Kubernetes 環境中運作。如要瞭解代管 DCGM 服務,請參閱「 收集及查看 DCGM 指標」。
如果您因安全性限制或機構政策而無法順利安裝應用程式或匯出程式,建議您參閱開放原始碼文件尋求支援。
如要瞭解 NVIDIA Data Center GPU Manager,請參閱 NVIDIA DCGM。
事前準備
如要使用 Managed Service for Prometheus 和代管收集作業,從 DCGM 收集指標,您的部署作業必須符合下列規定:
- 您的叢集必須執行 Google Kubernetes Engine 1.21.4-gke.300 以上版本。
- 您必須在啟用代管收集作業的情況下,執行 Managed Service for Prometheus。詳情請參閱「 開始使用代管集合」。
確認您 有足夠的 NVIDIA GPU 配額。
如要列舉 GKE 叢集中的 GPU 節點,以及相關叢集中的 GPU 類型,請執行下列指令:
kubectl get nodes -l cloud.google.com/gke-gpu -o jsonpath='{range .items[*]}{@.metadata.name}{" "}{@.metadata.labels.cloud\.google\.com/gke-accelerator}{"\n"}{end}'
請注意,如果自動安裝功能已停用,或是您的 GKE 版本不支援自動安裝,您可能需要在節點上 安裝相容的 NVIDIA GPU 驅動程式。如要確認 NVIDIA GPU 裝置外掛程式是否正在執行,請執行下列指令:
kubectl get pods -n kube-system | grep nvidia-gpu-device-plugin
安裝 DCGM 匯出工具
建議您使用下列設定安裝 DCGM 匯出工具 DCGM-Exporter
:
使用下列指令設定通訊埠轉送:
kubectl -n gmp-public port-forward POD_NAME 9400
在其他終端機工作階段中,使用瀏覽器或
curl
公用程式存取端點localhost:9400/metrics
。
您可以自訂 ConfigMap 部分,選取要產生的GPU 指標。
或者,您也可以考慮使用官方 Helm 資訊套件來安裝 DCGM 匯出工具。
如要套用本機檔案中的設定變更,請執行下列指令:
kubectl apply -n NAMESPACE_NAME -f FILE_NAME
您也可以使用 Terraform 管理設定。
定義 PodMonitoring 資源
針對目標探索,Managed Service for Prometheus Operator 需要 PodMonitoring 資源,該資源必須與相同命名空間中的 DCGM Exporter 相對應。
您可以使用下列 PodMonitoring 設定:
如要套用本機檔案中的設定變更,請執行下列指令:
kubectl apply -n NAMESPACE_NAME -f FILE_NAME
您也可以使用 Terraform 管理設定。
驗證設定
您可以使用 Metrics Explorer 確認是否已正確設定 DCGM 匯出工具。Cloud Monitoring 可能需要一或兩分鐘的時間才能擷取指標。
如要確認已擷取指標,請執行下列操作:
-
前往 Google Cloud 控制台的 leaderboard「Metrics Explorer」頁面:
如果您是使用搜尋列尋找這個頁面,請選取子標題為「Monitoring」的結果。
- 在查詢建構工具窗格的工具列中,選取名稱為 code MQL 或 code PromQL 的按鈕。
- 確認「Language」切換鈕中已選取「PromQL」。語言切換鈕位於可讓您設定查詢格式的工具列中。
- 輸入並執行以下查詢:
DCGM_FI_DEV_GPU_UTIL{cluster="CLUSTER_NAME", namespace="gmp-public"}
疑難排解
如要瞭解如何排解指標攝入問題,請參閱「 排解攝入端問題」一文中的「 從匯出工具收集資料時發生的問題」。