默认监控告警

模型在进行训练时，需要重点关注系统资源的使用情况，例如：NPU，CPU，存储。

当前AOM服务可以监控上述系统资源，同时支持设置告警规则，关键指标如表1 指标查看与告警配置建议所示。

表1 指标查看与告警配置建议
分类	关键指标	告警阈值	参考文档
NPU	AI处理器HBM内存利用率	连续2个周期原始值 > 98%	通过AOM查看ModelArts监控指标创建指标告警
CPU	CPU使用率	连续2个周期原始值 > 90%
存储	cache空间的使用率	连续2个周期原始值 > 90%
存储	容器空间的使用率	连续2个周期原始值 > 90%
内存	物理内存使用率	连续2个周期原始值 > 90%
文件系统	文件系统使用率	连续2个周期原始值 > 90%

提交成功！非常感谢您的反馈，我们会继续努力做到更好！您可在我的云声建议查看反馈及问题处理状态。

系统繁忙，请稍后重试

如您有其它疑问，您也可以通过华为云社区问答频道来与我们联系探讨