文档中心

云服务器

指标监控

查看实例GPU/RDMA监控数据

查看实例GPU/RDMA监控数据

针对GPU云服务器，火山引擎为您提供了其特有的GPU监控及RDMA监控，可帮助您快速了解实例显卡、RDMA网络信息。

前提条件

请根据云服务器监控指引查看实例是否已安装O11yAgent采集插件，若未安装请参考白屏化安装指引或手动安装插件指引完成安装。

使用说明

暂仅支持GPU云服务器使用，规格详情可查看异构计算。

您还可根据创建告警策略指引，配置GPU卡、RDMA卡指标数据异常告警。

说明

“告警对象”请选择“弹性计算 > 云服务器”。

“维度”请选择“GPU卡”或“RDMA网卡”。

实例GPU/RDMA监控指标采集频率为60s，即每隔60s，对GPU/RDMA监控指标进行一次统计。

操作步骤

登录云服务器控制台。

在顶部导航栏选择目标实例所属的项目和地域。

在左侧导航树，选择“实例与镜像 > 实例”。

单击目标实例名称，进入该实例的详情页面。

选择“监控”页签，您可以在“GPU监控”、“RDMA监控”两个数据页签查看实例数据。

GPU监控

您可以在本页面查看显存使用量、GPU使用率、GPU温度、GPU编码器使用率、GPU解码器使用率和GPU显存使用率等指标信息。

说明

仅显卡类型为A100/A800且显卡数量≥2的规格实例，可查看“NVLINK出/入方向总带宽”指标。

RDMA监控

您可以在本页面查看“RDMA网络流入/流出速率”、“接收/发送的RDMA数据包数量”、“RDMA网络出/入方向暂停包数量”等指标信息。

说明

仅高性能计算GPU型及显卡类型为A100/A800的规格实例，可查看“RDMA网络发送/接收包数量”、“RDMA网络出/入方向暂停包数量”、“RDMA网络出/入方向流量暂停时间”指标。

相关操作

您还可以进行如下操作：

为GPU监控和RDMA监控创建告警策略，以便及时获取实例异常状态，确保其正常运行。

将高性能计算GPU型云服务器接入托管Prometheus，并实现GPU/RDMA指标毫秒级监控，可在故障排查、资源优化、成本管控等多个维度，为HPC业务的稳定运行与效能提升提供技术保障。了解更多。

常见问题

使用RDMA网卡独占模式的容器训练任务时，RDMA监控数据为空如何解决？

最近更新时间：2025.12.05 10:06:45

这个页面对您有帮助吗？

有用

有用

无用

无用