GPU 指标自定义配置¶
运营管理支持自定义 GPU 指标的采集规则。可以根据 GPU 厂商（如 NVIDIA、AMD、华为）及其 Exporter 提供的原始指标，通过 PromQL 公式计算并展示以下性能数据：
- GPU 使用率
- 显存使用量
- 显存利用率
支持从 Pod、Namespace、Node、Cluster 维度进行聚合统计。
操作指南¶
1. 进入配置页面¶
- 登录运营管理控制台。
- 在左侧导航栏选择 配置管理 -> GPU 配置 。
2. 新增或编辑配置¶
- 点击 创建 或点击已有配置右侧的 编辑 。
- 在表单中填写基本信息：
- 厂商：输入 GPU 厂商标识（如
nvidia）。 - 状态：开启或关闭该配置。
- 厂商：输入 GPU 厂商标识（如
- 在指标列表中为每一项编写 PromQL 公式。
Tip
代码编辑器支持实时语法校验。如果公式有误，编辑器下方会显示具体错误。
3. 指标说明¶
配置公式时可参考下表：
| 指标名称 | 说明 | 推荐公式示例 (NVIDIA DCGM) |
|---|---|---|
| Pod 显存占用 | 单个 Pod 的显存使用量 (Bytes) | sum(DCGM_FI_DEV_FB_USED) by (pod) * 1024 * 1024 |
| Pod GPU 利用率 | 单个 Pod 的 GPU 算力使用率 (%) | avg(DCGM_FI_DEV_GPU_UTIL) by (pod) |
| Pod 显存利用率 | 单个 Pod 的显存使用百分比 (%) | sum(DCGM_FI_DEV_FB_USED) / sum(DCGM_FI_DEV_FB_TOTAL) * 100 |
Note
实际公式需根据环境中的 Prometheus 指标名称（如 DCGM_FI_DEV_...）和标签（pod, namespace 等）进行调整。
4. 验证与保存¶
- 确认 PromQL 语法无误后，点击 确定 保存。
- 系统后台会自动同步，采集任务在下一周期生效。
常见问题¶
Q: 配置后报表没有数据？
- 检查 Prometheus 中是否有原始指标。
- 检查公式中的标签是否对齐（例如
podvspod_name）。 - 确认配置状态为“开启”。
Q: 可以配置多个厂商吗？
可以。支持为不同厂商分别创建规则，系统会根据节点的标签自动匹配。