介绍
资源监控是 Alauda AI Platform 监控与运维模块的核心组件,专门用于跟踪和分析推理服务的资源利用率指标。作为全栈 MLOps 平台的一部分,它可实时查看基础设施资源消耗,帮助用户优化模型部署、防止资源瓶颈,并确保 AI 工作负载稳定运行。资源监控集成于 Alauda AI Platform 的统一监控生态系统中,无需使用分散的工具,即可直接在 MLOps 工作流中提供可执行的洞察。
目录
使用限制使用限制
使用资源监控时,请注意以下限制:
-
数据采集间隔
- 最小指标抓取间隔:60 秒
- 历史数据默认保留期限:7 天
-
依赖要求
- 目标集群中必须部署 Prometheus/VictoriaMetrics 监控栈
- 所有工作节点上必须运行 node exporter
- GPU 节点上必须运行 DCGM exporter
-
版本要求
- Hami 的 GPU 仪表板仅支持 Alauda AI 1.4 及更高版本