Painéis de monitoramento e registro da Cloud TPU

O repositório de painéis de monitoramento e depuração da Cloud TPU contém toda a infraestrutura e lógica necessárias para monitorar e depurar fluxos de trabalho executados em VMs da TPU. Ele requer o Terraform, uma ferramenta de código aberto que usa arquivos de configuração para definir e gerenciar a infraestrutura do Google Cloud.

Painel de monitoramento

O painel de monitoramento exibe as seguintes métricas do Cloud TPU:

  • Utilização da CPU no worker da TPU: cpu/utilization
  • Uso de memória pela VM da TPU: memory/usage
  • Bytes de rede recebidos por um pod pela rede: network/received_bytes_count
  • Bytes de rede enviados por um pod pela rede: network/sent_bytes_count
  • Duração da inatividade do chip da TPU no TensorCore: tpu/tensorcore/idle_duration

O Cloud Monitoring gera dados de métricas automaticamente. Para acessar o painel de monitoramento, acesse o console do Google Cloud, selecione Monitoramento e Painéis. Selecione GCE - painel de monitoramento de TPU no lista de painéis. O painel de monitoramento do Cloud TPU é composto por vários painéis, cada um deles mostrando dados de métricas. Para cada métrica do Cloud TPU, o painel exibe os valores atuais das métricas, a média e os valores máximos. em painéis separados. Os painéis de média e máximo permitem identificar VMs de TPU fora da curva para uma investigação mais detalhada.

Também é possível visualizar as métricas da TPU usando o Metrics Explorer no Cloud Monitoring. console do Google Cloud. Para mais informações, consulte Como monitorar VMs do Cloud TPU.

Painel do Logging

O painel de registro mostra duas seções:

  1. Métricas de registro: mostra a contagem de entradas de stack trace coletadas para cada worker de VM de TPU.
  2. Painel de registros: exibe todas as entradas de stack trace com colunas de gravidade. carimbo de data/hora e um resumo da entrada. É possível filtrar esse painel por uma ou rótulos de worker da TPU, como node_id e worker_id. Por exemplo, adicionar um filtro resource.labels.node_id:"testing" mostra todas as entradas de rastro coletadas para o worker da VM de TPU com o ID definido como "testing".

O Cloud Logging coleta entradas de registro geradas pelos serviços do Google Cloud serviços de terceiros, frameworks de ML e seu código. É possível instalar cloud-tpu-diagnostics PyPi para gravar stack traces do Python quando ocorre uma falha ou exceção ou quando a carga de trabalho não responde. Para mais informações, consulte Depuração de VMs do Cloud TPU.

Para conferir o painel de geração de registros, acesse o console do Google Cloud e selecione Monitoramento, e em Painéis. Selecione GCE - TPU Logging Dashboard na lista de painéis.

Configurar os painéis de métricas e geração de registros

Siga estas instruções para configurar os painéis de métricas e de geração de registros.

Clone o repositório do painel

É possível clonar o repositório diretamente do repositório do GitHub de monitoramento e depuração do Cloud TPU ou da linha de comando:

git clone https://github.com/google/cloud-tpu-monitoring-debugging.git

Instale o Terraform

  1. Instale o Terraform na máquina local.
  2. Execute terraform init para adicionar os plug-ins necessários e criar o .terraform. diretório.
  3. Execute terraform init –upgrade para instalar as atualizações disponíveis.

Configurar permissões para monitoramento e geração de registros

As funções de administrador do monitoramento, editor de configuração do painel do Monitoring e administrador do Logging são necessárias para implantar recursos de monitoramento no seu projeto do Google Cloud. Para mais informações sobre os papéis de monitoramento, consulte Conceder acesso ao Cloud Monitoring.

Criar um bucket do Cloud Storage

Crie um bucket do Cloud Storage para armazenar arquivos de estado do Terraform. Você também pode usar um bucket atual do Cloud Storage. O uso de um bucket do Cloud Storage garante que vários usuários possam executar o Terraform ao mesmo tempo e acessar a mesma infraestrutura.

  1. No Cloud Shell, crie o bucket do Cloud Storage:

    gcloud storage buckets create gs://${GCS_BUCKET_NAME}
    
  2. Ative o controle de versões do objeto para manter o histórico das implantações. Ativar o controle de versões do objeto aumenta os custos de armazenamento, que podem ser reduzidos com a configuração do Gerenciamento do ciclo de vida de objetos para excluir versões de estado mais antigas.

    gcloud storage buckets update gs://${GCS_BUCKET_NAME} --versioning
    

Inicialize o Terraform

Execute terraform init no diretório gcp_resources/gce do repositório. O comando solicita que você insira o nome de um bucket do Cloud Storage para armazenar arquivos de estado do Terraform.

Implantar os painéis de monitoramento e geração de registros

Execute terraform apply no diretório gcp_resources/gce para implantar os painéis de monitoramento e registro no projeto do Google Cloud. O comando pede que você forneça valores para as seguintes variáveis:

  • var.monitoring_dashboard_config
  • var.project_name
  • var.stack_trace_bucket_config

Para implantar apenas o painel de monitoramento, execute terraform init e terraform apply dentro de gcp_resources/gce/dashboard/monitoring_dashboard diretório. Da mesma forma, execute esses comandos dentro da gcp_resources/gce/dashboard/logging_dashboard para implantar apenas o painel de geração de registros.

Exemplos de configurações

Quando você executa terraform apply, o Terraform solicita uma configuração valores variáveis. Esta seção mostra alguns exemplos de configurações que você pode usar. Cada exemplo mostra também a saída exibida pelo comando terraform apply como valores sugeridos para cada variável de configuração em negrito. Contribuição deve estar no formato JSON entre chaves ("{}").

Exemplo 1

Este exemplo especifica o nome do projeto do Google Cloud e usa os valores padrão para o restante da configuração.

var.project_name
  Name of gcp project

  Enter a value: <gcp_project_name>

var.stack_trace_bucket_config
    Configuration to create a log bucket to store stack traces:
    {
      "bucket_name": "name of log bucket to create",
      "retention_days": &lt;number of days to retain stack traces, default to 30 days if not set&gt;
    }
    Enter {} to not create separate bucket for stack traces.

  Enter a value: {}

var.monitoring_dashboard_config
    Configuration for monitoring dashboard:
    {
      "node_prefix": "prefix used to generate the node name in multislice node provision, default to empty string",
      "outlier_count": &lt;the number of outliers to show on dashboard, default to 10 if not set&gt;
    }
    Enter {} to set default configuration for monitoring dashboard.

  Enter a value: {}

Exemplo 2

Neste exemplo, configuramos o painel para exibir cinco VMs de TPU outlier.

var.project_name
  Name of gcp project

  Enter a value: <gcp_project_name>

var.stack_trace_bucket_config
    Configuration to create a log bucket to store stack traces:
    {
      "bucket_name": "name of log bucket to create",
      "retention_days": &lt;number of days to retain stack traces, default to 30 days if not set&gt;
    }
    Enter {} to not create separate bucket for stack traces.

  Enter a value: {}

var.monitoring_dashboard_config
    Configuration for monitoring dashboard:
    {
    "node_prefix": "prefix used to generate the node name in multislice node provision, default to empty string",
      "outlier_count": &lt;number of outliers to show on dashboard, default to 10 if not set&gt;
    }
    Enter {} to set default configuration for monitoring dashboard.

  Enter a value: {"outlier_count":5}

Exemplo 3

Essa configuração cria um painel que mostra 10 VMs de TPU outlier usando "teste" como o prefixo dos nomes dos nós gerados pelo painel:

var.project_name
  Name of gcp project

  Enter a value: <gcp_project_name>

var.stack_trace_bucket_config
    Configuration to create a log bucket to store stack traces:
    {
      "bucket_name": "name of log bucket to create",
      "retention_days": &lt;number of days to retain stack traces, default to 30 days if not set&gt;
    }
    Enter {} to not create separate bucket for stack traces.

  Enter a value: {}

var.monitoring_dashboard_config
    Configuration for monitoring dashboard:
    {
      "node_prefix": "prefix used to generate the node name in multislice node provision, default to empty string",
      "outlier_count": &ltnumber of outliers to show on dashboard, default to 10 if not set&gt;
    }
    Enter {} to set default configuration for monitoring dashboard.

  Enter a value: {"node_prefix":"test"}

Exemplo 4

Essa configuração cria um painel que mostra cinco VMs outlier usando "test" quando o prefixo dos nomes dos nós gerados pelo dashboard.

var.project_name
  Name of gcp project

  Enter a value: <gcp_project_name>

var.stack_trace_bucket_config
    Configuration to create a log bucket to store stack traces:
    {
      "bucket_name": "name of log bucket to create",
      "retention_days": &lt;number of days to retain stack traces, default to 30 days if not set&gt;
    }
    Enter {} to not create separate bucket for stack traces.

  Enter a value: {}

var.monitoring_dashboard_config
    Configuration for monitoring dashboard:
    {
    "node_prefix": "prefix used to generate the node name in multislice node provision, default to empty string",
      "outlier_count": "number of outliers to show on dashboard, default to 10 if not set"
    }
    Enter {} to set default configuration for monitoring dashboard.

  Enter a value: {"node_prefix":"test", "outlier_count":5}

Example 5

Este exemplo configura um bucket do Cloud Storage para armazenar rastros de pilha. O os stack traces têm uma política padrão de retenção de 30 dias.

var.project_name
  Name of gcp project

  Enter a value: <gcp_project_name>

var.stack_trace_bucket_config
    Configuration to create a log bucket to store stack traces:
    {
      "bucket_name": "name of log bucket to create",
      "retention_days": &lt;number of days to retain stack traces, default to 30 days if not set&gt;
    }
    Enter {} to not create separate bucket for stack traces.

  Enter a value: {"bucket_name":"stack_trace_log_bucket"}

var.monitoring_dashboard_config
    Configuration for monitoring dashboard:
    {
    "node_prefix": "prefix used to generate the node name in multislice node provision, default to empty string",
      "outlier_count": "number of outliers to show on dashboard, default to 10 if not set"
    }
    Enter {} to set default configuration for monitoring dashboard.

  Enter a value: {}

Exemplo 6

Este exemplo configura um bucket do Cloud Storage com um período de armazenamento de 20 dias.

var.project_name
  Name of gcp project

  Enter a value: <gcp_project_name>

var.stack_trace_bucket_config
    Configuration to create a log bucket to store stack traces:
    {
      "bucket_name": "name of log bucket to create",
      "retention_days": &lt;number of days to retain stack traces, default to 30 days if not set&gt;
    }
    Enter {} to not create separate bucket for stack traces.

  Enter a value: {"bucket_name":"stack_trace_log_bucket", "retention_days":20}

var.monitoring_dashboard_config
    Configuration for monitoring dashboard:
    {
    "node_prefix": "prefix used to generate the node name in multislice node provision, default to empty string",
      "outlier_count": "number of outliers to show on dashboard, default to 10 if not set"
    }
    Enter {} to set default configuration for monitoring dashboard.

  Enter a value: {}