监控Kubernetes集群的GPU资源(三)

$ kubectl get pods -A

NAMESPACE NAME READY STATUS RESTARTS AGE READY STATUS

kube-system calico-kube-controllers-8f59968d4-zrsdt 1/1 Running 0 18m

kube-system calico-node-c257f 1/1 Running 0 18m

部署dcgm-exporter

$ helm repo add gpu-helm-charts https://nvidia.github.io/gpu-monitoring-tools/helm-charts

$ helm repo update

使用helm安装

$ helm install --generate-name gpu-helm-charts/dcgm-exporter

结果验证

$ helm ls

NAME NAMESPACE REVISION APP VERSION

dcgm-exporter-1-1601677302 default 1 dcgm-exporter-1.1.0 2.0.10

nvidia-device-plugin-1601662841 default 1 nvidia-device-plugin-0.7.0 0.7.0

Prometheus和Grafana服务暴露如下:

$ kubectl get svc -A

NAMESPACE NAME TYPE CLUSTER-IP EXTERNAL-IP PORT(S) AGE

default dcgm-exporter ClusterIP 10.99.34.128 9400/TCP 43

ddefault kubernetes ClusterIP 10.96.0.1 443/TCP 20m

kube-system kube-dns ClusterIP 10.96.0.10 53/UDP,53/TCP,9153/TCP 20m

kube-system kube-prometheus-stack-1602-coredns ClusterIP None 9153/TCP 2m18s

kube-system kube-prometheus-stack-1602-kube-controller-manager ClusterIP None 10252/TCP 2m18s

使用32032端口暴露的Grafana服务,访问Grafana主页。使用Prometheus chart中设置的凭证登录到仪表板:prometheus.values中的adminPassword字段。

现在要启动一个用于GPU指标的Grafana仪表板,请从Grafana仪表板(https://grafana.com/grafana/dashboards/12239)导入NVIDIA仪表板。

相关推荐
蜡笔羊驼41 分钟前
ModuleNotFoundError: No module named ‘torchvision.transforms.functional_tensor‘
linux·人工智能·python
箓维43 分钟前
线程池&&线程安全与可重入
linux·网络·安全
程序员-Benothing1 小时前
Linux端口与连接排查:ss、lsof、nc、telnet、curl
linux·运维·服务器
java_logo1 小时前
Docker 部署青龙面板:轻松搭建定时任务管理平台
运维·docker·容器·定时任务·青龙面板·轩辕镜像·qinglong
邪修king1 小时前
Re:Linux系统篇(三十七):进程间通信Chapter4:System V 共享内存深度解析:为什么它是最快的 IPC?
android·linux·运维
流星白龙2 小时前
【Docker】14.存储卷与管理卷Volume
运维·docker·容器
amcomputer2 小时前
Docker 常用命令总结:从安装到日常使用
运维·docker·容器
张张123y2 小时前
2026 Agent 框架怎么选?拆 3 层底层逻辑(运行循环 / 记忆 / 工具协议)+ 一张决策表
linux·ubuntu·microsoft·langgraph·mcp·crewai·agent 框架
fb_123453 小时前
K8s部署带SSL的WordPress博客
容器·kubernetes·ssl