【亲测免费】 DCGM-Exporter 使用教程

项目介绍

DCGM-Exporter 是一个基于 NVIDIA DCGM 的 Go API 工具，旨在帮助用户收集 GPU 指标，理解工作负载行为或监控集群中的 GPU。该项目使用 Go 语言编写，并通过 HTTP 端点（/metrics）暴露 GPU 指标，以便于如 Prometheus 等监控解决方案的使用。

项目快速启动

安装与运行

首先，确保 Docker 已安装在你的系统上。然后，使用以下命令启动 DCGM-Exporter 容器：

docker run -d --gpus all --rm -p 9400:9400 nvcr.io/nvidia/k8s/dcgm-exporter:3.3.7-3.5.0-ubuntu22.04

查看指标

启动容器后，你可以通过以下命令查看 GPU 指标：

curl localhost:9400/metrics

应用案例和最佳实践

集成 Prometheus 和 Grafana

DCGM-Exporter 可以与 Prometheus 和 Grafana 集成，以实现更高级的监控和可视化。以下是基本步骤：

1. 配置 Prometheus：在 Prometheus 配置文件中添加 DCGM-Exporter 作为数据源。
2. 启动 Grafana：配置 Grafana 以使用 Prometheus 作为数据源，并创建仪表板以显示 GPU 指标。

在 Kubernetes 中部署

DCGM-Exporter 可以作为 DaemonSet 部署在 Kubernetes 集群中的 GPU 节点上，以实现集群级别的 GPU 监控。

典型生态项目

NVIDIA GPU Operator

NVIDIA GPU Operator 是一个 Kubernetes 插件，它自动化了 GPU 管理，包括监控、优化和故障排除。DCGM-Exporter 是 GPU Operator 的一部分，提供了详细的 GPU 监控功能。

Prometheus

Prometheus 是一个开源监控系统，它与 DCGM-Exporter 集成，提供了强大的时间序列数据收集和查询功能。

Grafana

Grafana 是一个开源分析和监控平台，它与 Prometheus 集成，提供了丰富的可视化仪表板，帮助用户更好地理解和分析 GPU 性能数据。

通过以上模块的介绍和实践，你可以快速上手并有效利用 DCGM-Exporter 进行 GPU 监控和管理。