Monitoraggio delle prestazioni della GPU sulle VM Linux

Linux

---

Puoi monitorare metriche come l'utilizzo e la memoria GPU dalle tue istanze di macchine virtuali (VM) utilizzando Ops Agent, la soluzione di raccolta della telemetria consigliata da Google per Compute Engine. Con Ops Agent puoi gestire le VM GPU come segue:

• Visualizza lo stato del tuo parco di GPU NVIDIA con le nostre dashboard preconfigurate.
• Ottimizza i costi identificando le GPU sottoutilizzate e consolidando i carichi di lavoro.
• Pianifica la scalabilità osservando le tendenze per decidere quando espandere la capacità delle GPU o eseguire l'upgrade delle GPU esistenti.
• Utilizza le metriche di profilazione di NVIDIA Data Center GPU Manager (DCGM) per identificare i colli di bottiglia e i problemi di prestazioni delle GPU.
• Configura i gruppi di istanze gestite (MIG) per eseguire la scalabilità automatica delle risorse.
• Ricevi avvisi sulle metriche delle tue GPU NVIDIA.

Questo documento illustra le procedure per il monitoraggio delle GPU sulle VM Linux mediante l'Ops Agent. In alternativa, su GitHub è disponibile uno script di generazione di report che può essere configurato anche per monitorare l'utilizzo della GPU sulle VM Linux. Consulta lo script di monitoraggio compute-gpu-monitoring. Questo script non è più mantenuto.

Per monitorare le GPU sulle VM Windows, consulta Monitoraggio delle prestazioni della GPU (Windows).

Panoramica

Ops Agent, versione 2.38.0 o successive, può monitorare automaticamente l'utilizzo della GPU e i tassi di utilizzo della memoria GPU sulle VM Linux su cui è installato l'agente. Queste metriche, ottenute dalla NVIDIA Management Library (NVML), vengono monitorate per GPU e per processo per qualsiasi processo che utilizza le GPU. Per visualizzare le metriche monitorate da Ops Agent, consulta Metriche dell'agente: GPU.

Puoi anche configurare l'integrazione di NVIDIA Data Center GPU Manager (DCGM) con l'Ops Agent. Questa integrazione consente all'Ops Agent di monitorare le metriche utilizzando i contatori hardware sulla GPU. DCGM fornisce l'accesso alle metriche a livello di dispositivo GPU. Sono inclusi l'utilizzo dei blocchi dello Streaming Multiprocessor (SM), l'occupazione SM, l'utilizzo del canale SM, la frequenza del traffico PCIe e la frequenza del traffico NVLink. Per visualizzare le metriche monitorate da Ops Agent, consulta Metriche delle applicazioni di terze parti: NVIDIA Data Center GPU Manager (DCGM).

Per esaminare le metriche della GPU utilizzando Ops Agent, segui questi passaggi:

1. Su ogni VM, verifica di aver soddisfatto i requisiti.
2. Su ogni VM, installa l'agente operativo.
3. (Facoltativo) Su ogni VM, configura l'integrazione di NVIDIA Data Center GPU Manager (DCGM).
4. Esamina le metriche in Cloud Monitoring.

Limitazioni

• L'Ops Agent non monitora l'utilizzo della GPU sulle VM che utilizzano Container-Optimized OS.

Requisiti

In ogni VM, verifica di soddisfare i seguenti requisiti:

• Ogni VM deve avere GPU collegate.
• In ogni VM deve essere installato un driver GPU.
• Il sistema operativo e la versione di Linux per ogni VM devono supportare Ops Agent. Consulta l'elenco dei sistemi operativi Linux che supportano Ops Agent.
• Assicurati di avere accesso sudo a ogni VM.

Installazione dell'agente operativo

Per installare Ops Agent, completa i seguenti passaggi:

1. Se in precedenza utilizzavi lo script di monitoraggio compute-gpu-monitoring per monitorare l'utilizzo della GPU, disattiva il servizio prima di installare Ops Agent. Per disattivare lo script di monitoraggio, esegui il seguente comando:

   sudo systemctl --no-reload --now disable google_gpu_monitoring_agent

2. Installa la versione più recente di Ops Agent. Per istruzioni dettagliate, consulta Installazione di Ops Agent.

3. Dopo aver installato Ops Agent, se devi installare o eseguire l'upgrade dei driver GPU utilizzando gli script di installazione forniti da Compute Engine, consulta la sezione Limitazioni.

Esamina le metriche NVML in Compute Engine

Puoi esaminare le metriche NVML raccolte da Ops Agent dalle schede Osservabilità per le istanze VM Linux di Compute Engine.

Per visualizzare le metriche di una singola VM:

1. Nella console Google Cloud, vai alla pagina Istanze VM.

   Vai a Istanze VM

2. Seleziona una VM per aprire la pagina Dettagli.

3. Fai clic sulla scheda Osservabilità per visualizzare le informazioni sulla VM.

4. Seleziona il filtro rapido GPU.

Per visualizzare le metriche di più VM:

1. Nella console Google Cloud, vai alla pagina Istanze VM.

   Vai a Istanze VM

2. Fai clic sulla scheda Osservabilità.

3. Seleziona il filtro rapido GPU.

(Facoltativo) Configura l'integrazione di NVIDIA Data Center GPU Manager (DCGM)

Ops Agent fornisce anche l'integrazione di NVIDIA Data Center GPU Manager (DCGM) per raccogliere le metriche GPU avanzate chiave, come l'utilizzo dei blocchi SM (Streaming Multiprocessor), l'occupazione SM, l'utilizzo del canale SM, la frequenza di traffico PCIe e la frequenza di traffico NVLink.

Queste metriche avanzate della GPU non vengono raccolte dai modelli NVIDIA P100 e P4.

Per istruzioni dettagliate su come configurare e utilizzare questa integrazione su ogni VM, consulta NVIDIA Data Center GPU Manager (DCGM).

Esamina le metriche DCGM in Cloud Monitoring

1. Nella console Google Cloud, vai alla pagina Monitoraggio > Dashboard.

   Vai a Monitoring

2. Seleziona la scheda Sample Library (Raccolta di Sample).

3. Nel campo Filtro, digita NVIDIA. Viene visualizzata la dashboard Panoramica del monitoraggio delle GPU NVIDIA (GCE e GKE).

   Se hai configurato l'integrazione di NVIDIA Data Center GPU Manager (DCGM), viene visualizzata anche la dashboard Metriche DCGM avanzate per il monitoraggio delle GPU NVIDIA (solo GCE).

   

4. Per la dashboard richiesta, fai clic su Anteprima. Viene visualizzata la pagina Anteprima dashboard di esempio.

5. Nella pagina Anteprima dashboard di esempio, fai clic su Importa dashboard di esempio.

   • La dashboard Panoramica del monitoraggio delle GPU NVIDIA (GCE e GKE) visualizza le metriche della GPU, come l'utilizzo della GPU, la frequenza del traffico NIC e l'utilizzo della memoria GPU.

     La visualizzazione dell'utilizzo della GPU è simile al seguente output:

     

   • La dashboard Metriche DCGM avanzate per il monitoraggio delle GPU NVIDIA (solo GCE) mostra metriche avanzate chiave come utilizzo SM, occupazione SM, utilizzo del canale SM, frequenza di traffico PCIe e frequenza di traffico NVLink.

     La visualizzazione delle metriche DCGM avanzate è simile al seguente output:

     

Passaggi successivi

• Per gestire la manutenzione dell'host GPU, consulta Gestione degli eventi di manutenzione dell'host GPU.
• Per migliorare le prestazioni della rete, consulta Utilizzare una larghezza di banda di rete superiore.