云服务器内容精选

华为云首页用户手册

监控Lite Server资源

AI开发平台MODELARTS-使用CES监控Lite Server资源:监控插件安装步骤

监控插件安装步骤当前账户需要给 CES 授权委托，请参考创建用户并授权使用云监控服务。当前还不支持在CES界面直接一键安装监控，需要登录到服务器上执行以下命令安装配置Agent。其它region的安装请参考单台主机下安装Agent。 cd /usr/local && curl -k -O https://obs.cn-north-4.myhuaweicloud.com/uniagent-cn-north-4/script/agent_install.sh && bash agent_install.sh 安装成功的标志如下：图1 安装成功提示在CES界面查看具体的监控项，加速卡类的监控项必须在主机安装加速卡驱动后才会有相关指标。图2 监控界面至此，监控插件已经安装完成，相关指标的采集可以在UI界面直接查看或者根据指标值配置相关告警。

AI开发平台MODELARTS 监控Lite Server资源
AI开发平台MODELARTS-使用CES监控Lite Server资源:裸金属服务器监控介绍

裸金属服务器监控介绍监控概述请参考BMS官方文档。除文档所列支持的镜像之外，目前还支持Ubuntu20.04。监控指标采样周期1分钟。当前监控指标项已经包含CPU、内存、磁盘、网络。在主机上安装加速卡驱动后，可以自动采集的如下指标：表1 指标列表指标英文名指标中文名说明单位维度 gpu_status gpu健康状态。 BMS上GPU健康状态，是一个综合指标，0代表健康，1代表亚健康，2代表故障。 - instance_id，gpu gpu_utilization gpu使用率。该GPU的算力使用率。 % instance_id，gpu memory_utilization 显存使用率。该GPU的显存使用率。 % instance_id，gpu gpu_performance gpu性能状态。该GPU的性能状态。 - instance_id，gpu encoder_utilization 编码使用率。该GPU的编码能力使用率。 % instance_id，gpu decoder_utilization 解码使用率。该GPU的解码能力使用率。 % instance_id，gpu volatile_correctable 短期可纠正ECC错误数量。该GPU重置以来可纠正的ECC错误数量，每次重置后归0。个 instance_id，gpu volatile_uncorrectable 短期不可纠正ECC错误数量。该GPU重置以来不可纠正的ECC错误数量，每次重置后归0。个 instance_id，gpu aggregate_correctable 累计可纠正ECC错误数量。该GPU累计的可纠正ECC错误数量。个 instance_id，gpu aggregate_uncorrectable 累计不可纠正ECC错误数量。该GPU累计的不可纠正ECC错误数量。个 instance_id，gpu retired_page_single_bit retired page single bit错误数量。 retired page single bit错误数量，表示当前卡隔离的单比特页数。个 instance_id，gpu retired_page_double_bit retired page double bit错误数量。 retired page double bit错误数量，表示当前卡隔离的双比特页的数量。个 instance_id，gpu

AI开发平台MODELARTS 监控Lite Server资源