En este documento, se describe cómo configurar la implementación de Google Kubernetes Engine para que puedas usar Google Cloud Managed Service para Prometheus para recopilar métricas del administrador de GPU de NVIDIA Data Center. Este documento te muestra cómo hacer lo siguiente:
- Configurar el exportador de DCGM para que informe las métricas.
- Configurar un recurso PodMonitoring para que Managed Service para Prometheus recopile las métricas exportadas.
Estas instrucciones se aplican solo si usas la colección administrada con Managed Service para Prometheus. Si usas la colección con implementación automática, consulta el repositorio de origen para DCGM Exporter para obtener información de instalación.
Estas instrucciones se proporcionan como ejemplo y se espera que funcionen en la mayoría de los entornos de Kubernetes. Para obtener información sobre una oferta de DCGM administrada, consulta Recopila y visualiza métricas de DCGM.
Si tienes problemas para instalar una aplicación o un exportador debido a políticas restringidas de la organización o de seguridad, te recomendamos que consultes la documentación de código abierto a fin de obtener asistencia.
Para obtener información sobre DCGM, consulta NVIDIA DCGM.
Requisitos previos
Para recopilar métricas desde DCGM mediante Managed Service para Prometheus y la colección administrada, tu implementación debe cumplir los siguientes requisitos:
- Tu clúster debe ejecutar la versión 1.21.4-gke.300 o posterior de Google Kubernetes Engine.
- Debes ejecutar Managed Service para Prometheus con la colección administrada habilitada. Para obtener más información, consulta Primeros pasos con la recopilación administrada.
Verifica si tienes cuota suficiente para las GPU de NVIDIA.
Para enumerar los nodos de GPU en tu clúster de GKE y sus tipos de GPU en el clúster relevante, ejecuta el siguiente comando:
kubectl get nodes -l cloud.google.com/gke-gpu -o jsonpath='{range .items[*]}{@.metadata.name}{" "}{@.metadata.labels.cloud\.google\.com/gke-accelerator}{"\n"}{end}'
Ten en cuenta que es posible que debas instalar un controlador de GPU de NVIDIA compatible en los nodos si se inhabilitó la instalación automática o no es compatible con tu versión de GKE. Para verificar que el complemento del dispositivo de GPU de NVIDIA esté en ejecución, ejecuta el siguiente comando:
kubectl get pods -n kube-system | grep nvidia-gpu-device-plugin
Instala el exportador de DCGM
Te recomendamos instalar el exportador de DCGM, DCGM-Exporter
, con la siguiente configuración:
Configure la redirección de puertos con el siguiente comando:
kubectl -n gmp-public port-forward POD_NAME 9400
Accede al extremo
localhost:9400/metrics
mediante el navegador o la utilidadcurl
en otra sesión de la terminal.
Puedes personalizar la sección ConfigMap para seleccionar qué métricas de GPU emitir.
También puedes usar el gráfico oficial de Helm. para instalar DCGM Exporter.
Para aplicar los cambios de configuración desde un archivo local, ejecuta el siguiente comando:
kubectl apply -n NAMESPACE_NAME -f FILE_NAME
También puedes usar Terraform para administrar tus opciones de configuración.
Define un recurso PodMonitoring
Para el descubrimiento de destinos, el operador de Managed Service para Prometheus requiere un recurso PodMonitoring que corresponda al exportador de DCGM en el mismo espacio de nombres.
Puedes usar la siguiente configuración de PodMonitoring:
Para aplicar los cambios de configuración desde un archivo local, ejecuta el siguiente comando:
kubectl apply -n NAMESPACE_NAME -f FILE_NAME
También puedes usar Terraform para administrar tus opciones de configuración.
Verifica la configuración
Puedes usar el Explorador de métricas para verificar que configuraste correctamente el exportador de DCGM. Cloud Monitoring puede tardar uno o dos minutos en transferir las métricas.
Para verificar que se hayan transferido las métricas, haz lo siguiente:
-
En la consola de Google Cloud, ve a la página leaderboard Explorador de métricas:
Si usas la barra de búsqueda para encontrar esta página, selecciona el resultado cuyo subtítulo es Monitoring.
- En la barra de herramientas del panel del compilador de consultas, selecciona el botón cuyo nombre sea codeMQL o codeMQL.
- Verifica que PromQL esté seleccionado en el botón de activación PromQL. El botón de activación de lenguaje se encuentra en la misma barra de herramientas que te permite dar formato a tu consulta.
- Ingresa y ejecuta la siguiente consulta:
DCGM_FI_DEV_GPU_UTIL{cluster="CLUSTER_NAME", namespace="gmp-public"}
Soluciona problemas
Para obtener información sobre la solución de problemas de transferencia de métricas, consulta Problemas de recopilación de exportadores en Solución de problemas de transferencia.