AICS支持的监控指标说明
功能说明
超节点的镜像中已安装CES Agent监控插件，为用户提供服务器的系统级、主动式、细颗粒度监控服务。
目前支持的监控指标：CPU相关监控项、CPU负载类相关监控项、内存相关监控项、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、NPU相关监控项。
客户可以通过管理控制台直观地查看监控指标，也可以为监控指标设置告警规则，并开启消息通知服务。当某个监控指标达到告警条件时，系统可通过短信、邮件、HTTP、HTTPS等多种方式发送告警通知，便于客户及时发现节点健康风险。
前提条件
节点中已安装CES Agent插件。具体操作，请参见Agent安装。
命名空间
AGT.ECS
监控指标
此处仅展示NPU相关指标，具体如下表所示。
其他指标项请参考Agent支持的指标列表。
| 指标 | 指标名称 | 指标含义 | 取值范围 | 单位 | 进制 | 维度 | 监控周期（原始指标） |
|---|---|---|---|---|---|---|---|
| npu_device_health | NPU健康状况 | NPU卡的健康状况 | 0：正常 1：一般告警 2：重要告警 3：紧急告警 | - | 不涉及 | instance_id,npu | 1分钟 |
| npu_driver_health | NPU驱动健康状况 | NPU卡的驱动的健康状况 | 0：正常 3：紧急告警 | - | 不涉及 | instance_id,npu | 1分钟 |
| npu_power | NPU功率 | NPU卡功率 | >0 | W | 不涉及 | instance_id,npu | 1分钟 |
| npu_temperature | NPU温度 | NPU卡温度 | 自然数 | °C | 不涉及 | instance_id,npu | 1分钟 |
| npu_voltage | NPU电压 | 该指标描述NPU的电压 | 自然数 | V | 不涉及 | instance_id,npu | 1分钟 |
| npu_util_rate_general | NPU整体利用率 | NPU整体利用率，包括对AI Core和Vector Core的整体统计 | 0～100 | % | 不涉及 | instance_id,npu | 1分钟 |
| 指标 | 指标名称 | 指标含义 | 取值范围 | 单位 | 进制 | 维度 | 监控周期（原始指标） |
|---|---|---|---|---|---|---|---|
| npu_util_rate_hbm | NPU的HBM占用率 | 该指标描述NPU的HBM占用率 | 0～100 | % | 不涉及 | instance_id,npu | 1分钟 |
| npu_hbm_freq | HBM频率 | NPU卡HBM频率（旧版指标） | >0 | MHz | 不涉及 | instance_id,npu | 1分钟 |
| npu_freq_hbm | NPU的HBM频率 | NPU卡HBM频率（新版指标） | >0 | MHz | 不涉及 | instance_id,npu | 1分钟 |
| npu_hbm_usage | HBM使用量 | NPU卡HBM使用量 | ≥0 | MB | 不涉及 | instance_id,npu | 1分钟 |
| npu_hbm_temperature | HBM温度 | NPU卡HBM温度 | 自然数 | °C | 不涉及 | instance_id,npu | 1分钟 |
| npu_hbm_bandwidth_util | HBM带宽利用率 | NPU卡HBM带宽利用率（旧版指标） | 0～100 | % | 不涉及 | instance_id,npu | 1分钟 |
| npu_util_rate_hbm_bw | NPU的HBM带宽占用率 | NPU卡HBM带宽利用率（新版指标） | 0～100 | % | 不涉及 | instance_id,npu | 1分钟 |
| npu_hbm_mem_capacity | NPU的HBM内存容量 | 该指标描述NPU的HBM内存容量 | ≥0 | MB | 不涉及 | instance_id,npu | 1分钟 |
| npu_hbm_ecc_enable | HBM ECC开关状态 | NPU卡HBM ECC开关状态 | 0：ecc检测未使能 1：ecc检测使能 | - | 不涉及 | instance_id,npu | 1分钟 |
| npu_hbm_single_bit_error_cnt | HBM当前单bit错误数量 | NPU卡HBM当前单bit错误数量 | ≥0 | count | 不涉及 | instance_id,npu | 1分钟 |
| npu_hbm_double_bit_error_cnt | HBM当前双bit错误数量 | NPU卡HBM当前双bit错误数量 | ≥0 | count | 不涉及 | instance_id,npu | 1分钟 |
| npu_hbm_total_single_bit_error_cnt | HBM生命周期内单bit错误数量 | NPU卡HBM生命周期内单bit错误数量 | ≥0 | count | 不涉及 | instance_id,npu | 1分钟 |
| npu_hbm_total_double_bit_error_cnt | HBM生命周期内双bit错误数量 | NPU卡HBM生命周期内双bit错误数量 | ≥0 | count | 不涉及 | instance_id,npu | 1分钟 |
| npu_hbm_single_bit_isolated_pages_cnt | HBM单比特错误隔离内存页数量 | NPU卡HBM单比特错误隔离内存页数量 | ≥0 | count | 不涉及 | instance_id,npu | 1分钟 |
| npu_hbm_double_bit_isolated_pages_cnt | HBM多比特错误隔离内存页数量 | NPU卡HBM多比特错误隔离内存页数量 | ≥0 | count | 不涉及 | instance_id,npu | 1分钟 |
| 指标 | 指标名称 | 指标含义 | 取值范围 | 单位 | 进制 | 维度 | 监控周期（原始指标） |
|---|---|---|---|---|---|---|---|
| npu_freq_ai_core | NPU卡AI核心频率 | NPU卡的AI核心时钟频率 | >0 | MHz | 不涉及 | instance_id,npu | 1分钟 |
| npu_freq_ai_core_rated | NPU的AI核心额定频率 | 该指标描述NPU的AI核心额定频率 | >0 | MHz | 不涉及 | instance_id,npu | 1分钟 |
| npu_util_rate_ai_core | NPU卡AI核心使用率 | NPU卡的AI核心使用率 | 0～100 | % | 不涉及 | instance_id,npu | 1分钟 |
| 指标 | 指标名称 | 指标含义 | 取值范围 | 单位 | 进制 | 维度 | 监控周期（原始指标） |
|---|---|---|---|---|---|---|---|
| npu_util_rate_vector_core | NPU卡Vector核心使用率 | NPU卡Vector核心使用率 | 0～100 | % | 不涉及 | instance_id,npu | 1分钟 |
| 指标 | 指标名称 | 指标含义 | 取值范围 | 单位 | 进制 | 维度 | 监控周期（原始指标） |
|---|---|---|---|---|---|---|---|
| npu_aicpu_num | NPU的AI CPU 数量 | 该指标描述NPU的AI CPU数量 | ≥0 | count | 不涉及 | instance_id,npu | 1分钟 |
| npu_util_rate_ai_cpu | NPU卡AI CPU使用率 | NPU卡的AI CPU使用率 | 0～100 | % | 不涉及 | instance_id,npu | 1分钟 |
| npu_aicpu_avg_util_rate | NPU的AI CPU平均使用率 | 该指标描述NPU的AI CPU平均使用率 | 0～100 | % | 不涉及 | instance_id,npu | 1分钟 |
| npu_aicpu_max_freq | NPU的AI CPU最大频率 | 该指标描述NPU的AI CPU最大频率 | >0 | MHz | 不涉及 | instance_id,npu | 1分钟 |
| npu_aicpu_cur_freq | NPU的AI CPU频率 | 该指标描述NPU的AI CPU频率 | >0 | MHz | 不涉及 | instance_id,npu | 1分钟 |
| 指标 | 指标名称 | 指标含义 | 取值范围 | 单位 | 进制 | 维度 | 监控周期（原始指标） |
|---|---|---|---|---|---|---|---|
| npu_util_rate_ctrl_cpu | NPU控制CPU使用率 | 该指标描述NPU卡的控制CPU使用率 | 0～100 | % | 不涉及 | instance_id,npu | 1分钟 |
| npu_freq_ctrl_cpu | NPU的控制CPU频率 | 该指标描述NPU的控制CPU频率 | >0 | MHz | 不涉及 | instance_id,npu | 1分钟 |
| 指标 | 指标名称 | 指标含义 | 取值范围 | 单位 | 进制 | 维度 | 监控周期（原始指标） |
|---|---|---|---|---|---|---|---|
| npu_macro1_serdes_lane0_snr | NPU Macro1 Serdes Lane0的信噪比 | 该指标描述NPU Macro1 Serdes Lane0的信噪比 | 自然数 | db | 不涉及 | instance_id,npu | 1分钟 |
| npu_macro1_serdes_lane1_snr | NPU Macro1 Serdes Lane1的信噪比 | 该指标描述NPU Macro1 Serdes Lane1的信噪比 | 自然数 | db | 不涉及 | instance_id,npu | 1分钟 |
| npu_macro1_serdes_lane2_snr | NPU Macro1 Serdes Lane2的信噪比 | 该指标描述NPU Macro1 Serdes Lane2的信噪比 | 自然数 | db | 不涉及 | instance_id,npu | 1分钟 |
| npu_macro1_serdes_lane3_snr | NPU Macro1 Serdes Lane3的信噪比 | 该指标描述NPU Macro1 Serdes Lane3的信噪比 | 自然数 | db | 不涉及 | instance_id,npu | 1分钟 |
| npu_macro2_serdes_lane0_snr | NPU Macro2 Serdes Lane0的信噪比 | 该指标描述NPU Macro2 Serdes Lane0的信噪比 | 自然数 | db | 不涉及 | instance_id,npu | 1分钟 |
| npu_macro2_serdes_lane1_snr | NPU Macro2 Serdes Lane1的信噪比 | 该指标描述NPU Macro2 Serdes Lane1的信噪比 | 自然数 | db | 不涉及 | instance_id,npu | 1分钟 |
| npu_macro2_serdes_lane2_snr | NPU Macro2 Serdes Lane2的信噪比 | 该指标描述NPU Macro2 Serdes Lane2的信噪比 | 自然数 | db | 不涉及 | instance_id,npu | 1分钟 |
| npu_macro2_serdes_lane3_snr | NPU Macro2 Serdes Lane3的信噪比 | 该指标描述NPU Macro2 Serdes Lane3的信噪比 | 自然数 | db | 不涉及 | instance_id,npu | 1分钟 |
| npu_macro3_serdes_lane0_snr | NPU Macro3 Serdes Lane0的信噪比 | 该指标描述NPU Macro3 Serdes Lane0的信噪比 | 自然数 | db | 不涉及 | instance_id,npu | 1分钟 |
| npu_macro3_serdes_lane1_snr | NPU Macro3 Serdes Lane1的信噪比 | 该指标描述NPU Macro3 Serdes Lane1的信噪比 | 自然数 | db | 不涉及 | instance_id,npu | 1分钟 |
| npu_macro3_serdes_lane2_snr | NPU Macro3 Serdes Lane2的信噪比 | 该指标描述NPU Macro3 Serdes Lane2的信噪比 | 自然数 | db | 不涉及 | instance_id,npu | 1分钟 |
| npu_macro3_serdes_lane3_snr | NPU Macro3 Serdes Lane3的信噪比 | 该指标描述NPU Macro3 Serdes Lane3的信噪比 | 自然数 | db | 不涉及 | instance_id,npu | 1分钟 |
| npu_macro4_serdes_lane0_snr | NPU Macro4 Serdes Lane0的信噪比 | 该指标描述NPU Macro4 Serdes Lane0的信噪比 | 自然数 | db | 不涉及 | instance_id,npu | 1分钟 |
| npu_macro4_serdes_lane1_snr | NPU Macro4 Serdes Lane1的信噪比 | 该指标描述NPU Macro4 Serdes Lane1的信噪比 | 自然数 | db | 不涉及 | instance_id,npu | 1分钟 |
| npu_macro4_serdes_lane2_snr | NPU Macro4 Serdes Lane2的信噪比 | 该指标描述NPU Macro4 Serdes Lane2的信噪比 | 自然数 | db | 不涉及 | instance_id,npu | 1分钟 |
| npu_macro4_serdes_lane3_snr | NPU Macro4 Serdes Lane3的信噪比 | 该指标描述NPU Macro4 Serdes Lane3的信噪比 | 自然数 | db | 不涉及 | instance_id,npu | 1分钟 |
| npu_macro5_serdes_lane0_snr | NPU Macro5 Serdes Lane0的信噪比 | 该指标描述NPU Macro5 Serdes Lane0的信噪比 | 自然数 | db | 不涉及 | instance_id,npu | 1分钟 |
| npu_macro5_serdes_lane1_snr | NPU Macro5 Serdes Lane1的信噪比 | 该指标描述NPU Macro5 Serdes Lane1的信噪比 | 自然数 | db | 不涉及 | instance_id,npu | 1分钟 |
| npu_macro5_serdes_lane2_snr | NPU Macro5 Serdes Lane2的信噪比 | 该指标描述NPU Macro5 Serdes Lane2的信噪比 | 自然数 | db | 不涉及 | instance_id,npu | 1分钟 |
| npu_macro5_serdes_lane3_snr | NPU Macro5 Serdes Lane3的信噪比 | 该指标描述NPU Macro5 Serdes Lane3的信噪比 | 自然数 | db | 不涉及 | instance_id,npu | 1分钟 |
| npu_macro6_serdes_lane0_snr | NPU Macro6 Serdes Lane0的信噪比 | 该指标描述NPU Macro6 Serdes Lane0的信噪比 | 自然数 | db | 不涉及 | instance_id,npu | 1分钟 |
| npu_macro6_serdes_lane1_snr | NPU Macro6 Serdes Lane1的信噪比 | 该指标描述NPU Macro6 Serdes Lane1的信噪比 | 自然数 | db | 不涉及 | instance_id,npu | 1分钟 |
| npu_macro6_serdes_lane2_snr | NPU Macro6 Serdes Lane2的信噪比 | 该指标描述NPU Macro6 Serdes Lane2的信噪比 | 自然数 | db | 不涉及 | instance_id,npu | 1分钟 |
| npu_macro6_serdes_lane3_snr | NPU Macro6 Serdes Lane3的信噪比 | 该指标描述NPU Macro6 Serdes Lane3的信噪比 | 自然数 | db | 不涉及 | instance_id,npu | 1分钟 |
| npu_macro7_serdes_lane0_snr | NPU Macro7 Serdes Lane0的信噪比 | 该指标描述NPU Macro7 Serdes Lane0的信噪比 | 自然数 | db | 不涉及 | instance_id，npu | 1分钟 |
| npu_macro7_serdes_lane1_snr | NPU Macro7 Serdes Lane1的信噪比 | 该指标描述NPU Macro7 Serdes Lane1的信噪比 | 自然数 | db | 不涉及 | instance_id,npu | 1分钟 |
| npu_macro7_serdes_lane2_snr | NPU Macro7 Serdes Lane2的信噪比 | 该指标描述NPU Macro7 Serdes Lane2的信噪比 | 自然数 | db | 不涉及 | instance_id,npu | 1分钟 |
| npu_macro7_serdes_lane3_snr | NPU Macro7 Serdes Lane3的信噪比 | 该指标描述NPU Macro7 Serdes Lane3的信噪比 | 自然数 | db | 不涉及 | instance_id,npu | 1分钟 |
