一种云平台可自定义监控的GPU监控告警系统技术方案

本发明专利技术公开了一种云平台可自定义监控的GPU监控告警系统，属于云平台的监控告警技术领域，本发明专利技术要解决的技术问题为如何能够实现用户根据需求自定义监控配置，灵活的生成满足用户需求的监控数据，采用的技术方案为：该系统包括数据采集模块、监控配置管理模块、告警规则管理模块和数据处理模块，数据采集模块用于周期性采集GPU的性能指标；监控配置管理模块用于配置GPU监控维度、GPU监控指标、GPU监控周期和GPU监控统计方法；告警规则管理模块，用于配置告警规则；数据处理模块用于保存采集的数据，根据监控配置和采集的数据生产监控数据；同时用于定时遍历告警规则，根据采集的数据生成告警数据或者清除告警数据，并按照配置的通知方式转发。

A kind of GPU monitoring and warning system with self defined monitoring on cloud platform

【技术实现步骤摘要】
一种云平台可自定义监控的GPU监控告警系统
本专利技术涉及云平台的监控告警
，具体地说是一种云平台可自定义监控的GPU监控告警系统。
技术介绍
三十年来，CPU性能的变化从未脱离摩尔定律。但是CPU性能的提升已经放缓。GPU计算定义了一种全新的超负荷定律。它始于高度专业化的并行处理器，通过系统设计、系统软件、算法以及优化应用程序的方式持续发展。尤其适用于日益增长的人工智能、HPC以及图形图像处理等应用场景的算力需求。裸金属形式的GPU云物理主机能提供“一机多卡”或“多机多卡”的算力。但是部分用户，多张GPU卡超出了用户的算力需求，用户需要更细颗粒度的GPU算力，例如1张GPU卡。所以，需要将宿主机中的GPU卡虚拟化后分配给用户。GPU云服务器的供应商，为了保证服务质量，需要掌握所有服务中的GPU的运行状态；在这种场景下，需要一个工具能够监控所有GPU的性能数据。故如何能够实现用户根据需求自定义监控配置，灵活的生成满足用户需求的监控数据是目前现有技术存在的问题。专利号为CN108733531A的专利文献公开了一种基于云计算的本文档来自技高网...

【技术保护点】
1.一种云平台可自定义监控的GPU监控告警系统，其特征在于，该系统包括，/n数据采集模块，用于周期性采集GPU的性能指标；/n监控配置管理模块，用于配置GPU监控维度、GPU监控指标、GPU监控周期和GPU监控统计方法；/n告警规则管理模块，用于配置告警规则；告警规则包括告警维度、告警指标、告警周期、频次、告警统计方法、条件、阈值、时间范围以及告警生成和告警清除通知的方式；/n数据处理模块，用于保存采集的数据，根据监控配置和采集的数据生产监控数据；同时用于定时遍历告警规则，根据采集的数据生成告警数据或者清除告警数据，并按照配置的通知方式转发。/n

【技术特征摘要】
1.一种云平台可自定义监控的GPU监控告警系统，其特征在于，该系统包括，
数据采集模块，用于周期性采集GPU的性能指标；
监控配置管理模块，用于配置GPU监控维度、GPU监控指标、GPU监控周期和GPU监控统计方法；
告警规则管理模块，用于配置告警规则；告警规则包括告警维度、告警指标、告警周期、频次、告警统计方法、条件、阈值、时间范围以及告警生成和告警清除通知的方式；
数据处理模块，用于保存采集的数据，根据监控配置和采集的数据生产监控数据；同时用于定时遍历告警规则，根据采集的数据生成告警数据或者清除告警数据，并按照配置的通知方式转发。


2.根据权利要求1所述的云平台可自定义监控的GPU监控告警系统，其特征在于，所述GPU的性能指标包括GPU利用率、GPU显存利用率、GPU内存占有率、GPU功率和GPU温度。


3.根据权利要求1或2所述的云平台可自定义监控的GPU监控告警系统，其特征在于，所述GPU监控维度包括GPU挂载云服务器的ID、GPU的ID以及用户名称或用户ID；
GPU监控指标包括GPU利用率、GPU显存利用率、GPU内存占有率、GPU功率以及GPU温度；
GPU监控周期的最小粒度为1分钟；
GPU监控统计方法包括最小值、最大值和平均值。


4.根据权利要求1或2所述的云平台可自定义监控的GPU监控告警系统，其特征在于，所述告警维度包括GPU挂载云服务器的ID、GPU的ID以及用户名称或用户ID；
告警指标包括GPU利用率、GPU显存利用率、GPU内存占有率、GPU功率以及GPU温度；
告警周期的最小粒度为1分钟；
告...

【专利技术属性】
技术研发人员：屈傲，高传集，于昊，张晓玉，
申请(专利权)人：浪潮云信息技术有限公司，
类型：发明
国别省市：山东;37