本文介绍通过阿里云ARMS Prometheus对GPU资源进行监控，查看GPU各项指标。

前提条件

您已完成以下操作：

使用阿里云ARMS Prometheus进行GPU监控

  1. 登录容器服务管理控制台。
  2. 在集群列表页面中，单击目标集群名称或者目标集群右侧操作列下的详情。
  3. 在集群管理页左侧导航栏中，选择运维管理 > Prometheus监控。
  4. 在Prometheus监控大盘列表页面，单击GPU APP和GPU Node页签，您分别可以看到GPU APP和GPU Node两个监控大盘。
    • GPU APP用于监控Pod的GPU使用情况。
    • GPU Node用于监控集群节点的GPU使用情况。
  5. 使用以下YAML文件在GPU节点上部署一个服务，测试监控效果。
    apiVersion: apps/v1
kind: Deployment
metadata:
  name: bert-intent-detection
spec:
  replicas: 1
  selector:
    matchLabels:
      app: bert-intent-detection
  template:
    metadata:
      labels:
        app: bert-intent-detection
    spec:
      containers:
      - name: bert-container
        image: registry.cn-beijing.aliyuncs.com/ai-samples/bert-intent-detection:1.0.1
        ports:
        - containerPort: 80
        resources:
          limits:
            nvidia.com/gpu: 1
---
apiVersion: v1
kind: Service
metadata:
  labels:
    run: bert-intent-detection
  name: bert-intent-detection-svc
spec:
  ports:
  - port: 8500
    targetPort: 80
  selector:
    app: bert-intent-detection
  type: LoadBalancer
  6. 在Prometheus监控大盘列表页面，单击GPU APP页签。
    在GPU APP监控页面，您可以看到GPU显存、使用率、电量、稳定性几项指标，以及部署在GPU节点上的应用。GPU
  7. 压测部署在GPU节点上的应用，查看监控状态的变化。
    1. 执行以下命令查看推理服务并获取IP地址。
      kubectl get svc bert-intent-detection-svc
      预期输出：
      NAME                        TYPE           CLUSTER-IP     EXTERNAL-IP    PORT(S)          AGE
bert-intent-detection-svc   LoadBalancer   172.23.5.253   123.56.XX.XX   8500:32451/TCP   14m
    2. 执行以下命令进行压测。
      hey -z 10m -c 100 "http://123.56.XX.XX:8500/predict?query=music"
      下图可以看出压测时，GPU利用率有了明显的变化。GPU2