网点监控 在网点监控界面提供环境、能耗、关键设备、告警和安防监控。通过多网点集中监控，减小业务影响，降低运维成本。 环境监控：包括温度、湿度、水浸和烟感状态监测。 能耗监控：实时呈现网点的PUE和负载率。 关键设备监控：提供UPS、空调及相关配电设备的实时监控，包括能量流图及空调链路图等图形化显示。

查看更多 →

关监控项、磁盘相关监控项、磁盘I/O相关监控项、文件系统类相关监控项、网卡类相关监控项、NTP类相关监控项、TCP连接数类相关监控、GPU相关监控项、NPU相关监控项。 安装Agent后，对于不同的操作系统、不同的 弹性云服务器 类型，您可以查看不同类型的操作系统监控指标。指标采集周期是1分钟。

查看更多 →

到GPU。 处理方法 根据报错提示，请您排查代码，是否已添加以下配置，设置该程序可见的GPU： os.environ['CUDA_VISIBLE_DEVICES'] = '0,1,2,3,4,5,6,7' 其中，0为 服务器 的GPU编号，可以为0，1，2，3等，表明对程序可见的GP

查看更多 →

准备GPU虚拟化资源 CCE GPU虚拟化采用自研xGPU虚拟化技术，能够动态对GPU设备显存与算力进行划分，单个GPU卡最多虚拟化成20个GPU虚拟设备。本文介绍如何在GPU节点上实现GPU的调度和隔离能力。 前提条件 配置 支持版本 集群版本 v1.23.8-r0、v1.25

查看更多 →

选择GPU节点驱动版本 使用GPU加速型 云服务器 时，需要安装正确的Nvidia基础设施软件，才可以使用GPU实现计算加速功能。在使用GPU前，您需要根据GPU型号，选择兼容配套软件包并安装。 本文将介绍如何选择GPU节点的驱动版本及配套的CUDA Toolkit。 如何选择GPU节点驱动版本

查看更多 →

如何避免非GPU/NPU负载调度到GPU/NPU节点？ 问题现象 当集群中存在GPU/NPU节点和普通节点混合使用的场景时，普通工作负载也可以调度到GPU/NPU节点上，可能出现GPU/NPU资源未充分利用的情况。 问题原因 由于GPU/NPU节点同样提供CPU、内存资源，在一般

查看更多 →

应用GPU资源调度方式 IEF支持多应用共享的方式使用GPU显卡。 IEF支持单个应用使用多个GPU显卡。 GPU资源调度基于GPU显存容量，调度采用GPU显存预分配方式而非实时GPU显存资源。 当应用需要使用的GPU显存资源小于单个GPU卡显存时，支持以共享方式进行资源调度，对

查看更多 →

CCE AI套件（NVIDIA GPU） 插件介绍 CCE AI套件（NVIDIA GPU）插件是支持在容器中使用GPU显卡的设备管理插件，集群中使用GPU节点时必须安装本插件。 字段说明 表1 参数描述 参数 是否必选 参数类型 描述 basic 是 object 插件基础配置参数。

查看更多 →

gpu-device-plugin 插件简介 gpu-device-plugin插件是支持在容器中使用GPU显卡的设备管理插件，集群中使用GPU节点时必须安装本插件。 约束与限制 下载的驱动必须是后缀为“.run”的文件。 仅支持Nvidia Tesla驱动，不支持GRID驱动。

查看更多 →

GPU卡 GPU时钟频率 cce_gpu_memory_clock GPU卡 GPU显存频率 cce_gpu_graphics_clock GPU卡 GPU图形处理器频率 cce_gpu_video_clock GPU卡 GPU视频处理器频率 物理状态数据 cce_gpu_temperature

查看更多 →

GPU插件检查异常处理 检查项内容 检查到本次升级涉及GPU插件，可能影响新建GPU节点时GPU驱动的安装。 解决方案 由于当前GPU插件的驱动配置由您自行配置，需要您验证两者的兼容性。建议您在测试环境验证安装升级目标版本的GPU插件，并配置当前GPU驱动后，测试创建节点是否正常使用。

查看更多 →

GPU虚拟化概述 CCE GPU虚拟化采用自研xGPU虚拟化技术，能够动态对GPU设备显存与算力进行划分，单个GPU卡最多虚拟化成20个GPU虚拟设备。相对于静态分配来说，虚拟化的方案更加灵活，最大程度保证业务稳定的前提下，可以完全由用户自己定义使用的GPU量，提高GPU利用率。

查看更多 →

应用配置存活探针，探针检测到异常 容器探针检测成功 重要 申请GPU资源失败 部署GPU应用，申请GPU资源失败 成功申请到GPU资源 紧急 获取GPU信息失败 边缘节点配置GPU使能时，查询GPU信息失败 成功查询到GPU信息 紧急 AK/SK无效 EdgeHub连续10次分发临时AK/SK，检测到过期或者状态异常

查看更多 →

查看详细日志 在AOM查看节点监控信息 登录AOM管理控制台。 选择左侧导航栏“监控 > 主机监控”。 图11 主机监控 单击节点名称，在监控视图Tab页下，您可以设置监控节点使用的资源，如CPU、内存的使用率等。 图12 监控视图 在AOM查看应用监控信息 登录AOM管理控制台。

查看更多 →

Agent，可以为用户提供系统级、主动式、细颗粒度的监控，包含相关异构指标收集和系统事件上报。 当前支持的异构加速卡及对应的监控指标种类如下： GPU监控指标，请参见操作系统监控指标：GPU。 NPU监控指标，请参见操作系统监控指标：NPU。 本章节介绍如何通过安装脚本为异构（GPU加速型、AI加速型）实例安装支持对应监控的CES

查看更多 →

已使用内存，单位MB。 cpu_memory_total Integer 总内存，单位MB。 gpu_usage Float 已使用GPU个数。 gpu_total Float 总GPU个数。 表3 edge monitor结构 参数 参数类型 描述 node_id String

查看更多 →

为保证VR云渲游平台的正常使用，创建GPU云服务器时需要建立委托关系，将CES Administrator和OBS OperateAccess的权限委托给E CS 。委托成功后，用户可以通过VR云渲游平台动态监控GPU云服务器的运行状态，并通过GPU云服务器下载OBS桶内的应用。 执行如下操作前，请确认您已进入“VR云渲游平台

查看更多 →

ECS：弹性云服务器的基础监控指标。 - AGT.ECS：弹性云服务器操作系统监控的监控指标（GPU指标）。 metric_name 是 String 监控查询指标名称: - SYS.ECS命名空间的指标名称,请参考帮助文档：“弹性云服务器支持的基础监控指标”。 - AGT.ECS命名空间的指标名称,请参考帮助文档：“操作系统监控指标：GPU”。

查看更多 →

使用DCGM监控Lite Server资源 场景描述 本文主要介绍如何在Lite Server上配置DCGM监控，用于监控Lite Server上的GPU资源。 DCGM是用于管理和监控基于Linux系统的NVIDIA GPU大规模集群的一体化工具，提供多种能力，包括主动健康监控、诊断

查看更多 →

应用配置存活探针，探针检测到异常 容器探针检测成功 重要 申请GPU资源失败 部署GPU应用，申请GPU资源失败 成功申请到GPU资源 紧急 获取GPU信息失败 边缘节点配置GPU使能时，查询GPU信息失败 成功查询到GPU信息 紧急 AK/SK无效 EdgeHub连续10次分发临时AK/SK，检测到过期或者状态异常

查看更多 →

总内存，单位MB。 gpu_usage Float 已使用GPU个数。 node_name String 节点名称，边缘服务字段。 gpu_total Float 总GPU个数。 model_id String 模型ID，在线服务字段。 invocation_times Integer

查看更多 →