GPU 监控指标

 

exporter	指标	说明		示例	示例说明
gpu-exporter	nvidia_gpu_num_devices	节点上GPU总数量
gpu-exporter	nvidia_gpu_allocated_num_devices	节点已经分配的GPU数量	节点	nvidia_gpu_allocated_num_devices{node_name}
gpu-exporter	nvidia_gpu_memory_total_bytes	每张 NVIDIA GPU 的总显存容量（以字节为单位）	卡	nvidia_gpu_memory_used_bytes / nvidia_gpu_memory_total_bytes	计算显存使用率
gpu-exporter	nvidia_gpu_memory_allocated_bytes	节点已经被分配的显存大小，单位是 字节（bytes）	节点
gpu-exporter	nvidia_gpu_memory_used_bytes	每张 NVIDIA GPU 当前正在使用的显存大小，单位是 字节（bytes）	卡	nvidia_gpu_memory_used_bytes / nvidia_gpu_memory_total_bytes	计算显存使用率
gpu-exporter	nvidia_gpu_temperature_celsius	每张 NVIDIA GPU 当前的核心温度（单位：摄氏度，°C） 空载/轻载 30 – 50 正常工作 50 – 75 高负载/警戒 75 – 85 过热风险 85+（应降频或报警）	卡
gpu-exporter	nvidia_gpu_duty_cycle	GPU卡使用率	卡	nvidia_gpu_duty_cycle{gpu="0", node_name="aaa"} 75	表示在节点 aaa 上的 GPU 0 的使用率为 75%
gpu-exporter	nvidia_gpu_power_usage_milliwatts	每张 NVIDIA GPU 当前的功耗，单位是 毫瓦（mW）