云原生AI的监控组件能够帮助您监控集群的GPU资源使用情况以及集群的各命名空间下的资源配额使用情况。本文介绍如何安装和使用云原生AI的监控组件。

前提条件

安装云原生AI监控组件

  1. 登录容器服务管理控制台。
  2. 在控制台左侧导航栏中，单击集群。
  3. 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。
  4. 在左侧导航栏，选择应用 > AI工程加速（公测）。
  5. 安装监控组件。
    • 如果您之前已经部署过云原生AI套件：

      在云原生AI套件页面，找到云原生AI监控组件ack-alibaba-cloud-metrics-adapter，然后单击右侧操作列下的部署。

    • 如果您之前未部署过云原生AI套件：

      在云原生AI套件页面，单击一键部署，然后在监控区域，选中监控组件后，单击部署云原生AI套件。

使用云原生AI监控组件查看GPU资源及不同命名空间下的资源配额

说明 使用云原生AI监控组件前，您需要安装ack-ai-dashboard组件并且设置AI-Dashboard访问配置。关于如何安装和访问AI-Dashboard，请参见安装云原生AI套件及访问AI Dashbaord。
进入云原生AI Dashboard页面后，可以进行以下操作：
  • 登录云原生AI Dashboard后，系统默认呈现集群维度的资源信息。您可以查看集群相关的资源，例如节点个数、运行Job数、GPU使用率等。
  • 在云原生AI Dashboard页面右上角，单击Nodes查看节点GPU资源信息。nodes
  • 在云原生AI Dashboard页面右上角，单击TrainingJobs查看Training Job的监控信息。
  • 在云原生AI Dashboard页面右上角，单击Quota查看集群各命名空间的资源配额使用情况。