一种GPU集群监控系统及监控报警发布方法

摘要

本发明提供了一种GPU集群监控系统及监控报警发布方法，属于信息技术领域。所述GPU集群监控系统包括数据采集模块、分析模块和展现模块；在GPU集群中的每一个计算节点上均安装有所述数据采集模块，所述数据采集模块采集该计算节点的数据信息，所述数据信息为GPU卡的利用率；所述分析模块设置在所述代理节点上，所述分析模块将所述采集模块采集到的数据信息收集到代理节点当中，并对数据信息进行统计分析，生成精简数据表；所述展现模块设置在所述信息发布服务器上，所述展现模块接收分析模块生成的精简数据表，并建立web平台，将精简数据表以图形的形势直观表现出来，让运维人员实时监控。

主权项

一种GPU集群监控系统，包括代理节点、生产网交换机和信息发布服务器；被监控的GPU集群与代理节点连接，代理节点与生产网交换机连接，生产网交换机与信息发布服务器连接；所述GPU集群是由至少一个计算节点组成的且做并行计算的系统，一个计算节点是一个含有GPU卡的节点，其特征在于：所述GPU集群监控系统包括数据采集模块、分析模块和展现模块；在GPU集群中的每一个计算节点上均安装有所述数据采集模块，所述数据采集模块采集该计算节点的数据信息，所述数据信息为GPU卡的利用率；所述分析模块设置在所述代理节点上，所述分析模块将所述采集模块采集到的数据信息收集到代理节点当中，并对数据信息进行统计分析，生成精简数据表；所述展现模块设置在所述信息发布服务器上，所述展现模块接收分析模块生成的精简数据表，并建立web平台，将精简数据表以图形的形势直观表现出来。