基于 DCGM 的用于 Prometheus 的 NVIDIA GPU 指标导出器
此仓库包含 DCGM-Exporter 项目。它为 Prometheus 提供了基于 NVIDIA DCGM 的 GPU 指标导出器。
有关 DCGM-Exporter 的官方文档可以在 docs.nvidia.com 中找到。
要收集 GPU 节点上的指标,只需启动 dcgm-exporter 容器:
docker run -d --gpus all --cap-add SYS_ADMIN --rm -p 9400:9400 nvcr.io/nvidia/k8s/dcgm-exporter:4.6.0-4.8.3-distroless然后检查指标端点:
curl localhost:9400/metrics
# HELP DCGM_FI_DEV_SM_CLOCK SM clock frequency (in MHz).
# TYPE DCGM_FI_DEV_SM_CLOCK gauge
# HELP DCGM_FI_DEV_MEM_CLOCK Memory clock frequency (in MHz).
# TYPE DCGM_FI_DEV_MEM_CLOCK gauge
# HELP DCGM_FI_DEV_MEMORY_TEMP Memory temperature (in C).
# TYPE DCGM_FI_DEV_MEMORY_TEMP gauge
...
DCGM_FI_DEV_SM_CLOCK{gpu="0", UUID="GPU-604ac76c-d9cf-fef3-62e9-d92044ab6e52"} 139
DCGM_FI_DEV_MEM_CLOCK{gpu="0", UUID="GPU-604ac76c-d9cf-fef3-62e9-d92044ab6e52"} 405
DCGM_FI_DEV_MEMORY_TEMP{gpu="0", UUID="GPU-604ac76c-d9cf-fef3-62e9-d92044ab6e52"} 9223372036854775794
...注意:建议使用 NVIDIA GPU Operator 而不是直接使用 DCGM-Exporter。
对于直接连接 NVIDIA GPU 的本地 Linux 开发,或默认使用本地 k3d 的更广泛的验证(也可以通过 --kubeconfig 目标现有集群),请参阅 Go E2E CLI。请确保您已经使用 默认运行时为 NVIDIA 设置了集群。推荐的 DCGM-Exporter 安装方式是使用 Helm 图表:
暂无开放 Issues，或尚未同步最近议题。