1、安装监控
移动云的云监控产品可以监控GPU云主机使用率,如果您还未安装监控工具,请参照GPU云主机监控进行安装。
2、查看gpu-monitor服务状态
systemctl status gpu-monitor.service
如果状态非active,可通过以下命令重启gpu-monitor.service
systemctl restart gpu-monitor.service
如果服务重启失败后,可通过/usr/local/ecloudmonitor/gpu_monitor.log日志查看服务启动失败原因。
如果状态为active,可通过查看/usr/local/ecloudmonitor/xpu_monitor.json中是否正常写入GPU数据。
- 若正常写入则需要提交工单咨询。
- 若未正常写入数据,则可通过/usr/local/ecloudmonitor/gpu_monitor.log日志查看服务上报失败原因。
注意
数据未正常写入常见原因如下:
- GPU驱动异常。
- GPU卡故障,部分指标采集失败。