更新时间:2025-07-25 GMT+08:00
分享

GPU日志收集上传

场景描述

当GPU出现故障,您可以通过本方案收集GPU的日志信息。本方案中生成的日志会保存在节点上,并自动上传至技术支持提供的OBS桶中,日志仅用于问题定位分析,因此需要您提供AK/SK给技术支持,用于授权认证。

操作步骤

  1. 获取AK/SK。该AK/SK用于后续脚本配置,做认证授权。

    如果已生成过AK/SK,则可跳过此步骤,找到原来已下载的AK/SK文件,文件名一般为:credentials.csv。

    如下图所示,文件包含了租户名(User Name),AK(Access Key Id),SK(Secret Access Key)。

    图1 credential.csv文件内容
    AK/SK生成步骤:
    1. 登录华为云管理控制台
    2. 单击右上角的用户名,在下拉列表中单击“我的凭证”。
    3. 单击“访问密钥”。
    4. 单击“新增访问密钥”。
    5. 下载密钥,并妥善保管。
  2. 准备租户名ID和IAM用户名ID,用于OBS桶配置。

    将您的租户名ID和IAM用户名ID提供给华为技术支持,技术支持将根据您提供的信息,为您配置OBS桶策略,以便用户收集的日志可以上传至对应的OBS桶。

    技术支持配置完成后,会给您提供对应的OBS桶目录“obs_dir”,该目录用于后续配置的脚本中。

    图2 租户名ID和IAM用户名ID
  3. 准备日志收集上传脚本。
    修改以下脚本中GpuLogCollection的参数,将ak、sk、obs_dir替换为前面步骤中获取到的值。然后把该脚本上传到要收集GPU日志的节点上。
    import json
    import os
    import sys
    import hashlib
    import hmac
    import binascii
    from datetime import datetime
    class GpuLogCollection(object):
        GPU_LOG_PATH = "nvidia-bug-report.log.gz"
        SUPPORT_REGIONS = ['cn-north-4', 'cn-north-9']
        OPENSTACK_METADATA = "http://169.254.169.254/openstack/latest/meta_data.json"
        OBS_BUCKET_PREFIX = "npu-log-"
        def __init__(self, ak, sk, obs_dir):
            self.ak = ak
            self.sk = sk
            self.obs_dir = obs_dir
            self.region_id = self.get_region_id()
        def get_region_id(self):
            meta_data = os.popen("curl {}".format(self.OPENSTACK_METADATA))
            json_meta_data = json.loads(meta_data.read())
            meta_data.close()
            region_id = json_meta_data["region_id"]
            if region_id not in self.SUPPORT_REGIONS:
                print("current region {} is not support.".format(region_id))
                raise Exception('region exception')
            return region_id
        def gen_collect_gpu_log_shell(self):
            collect_gpu_log_shell = "nvidia-bug-report.sh"
            return collect_gpu_log_shell
        def collect_gpu_log(self):
            print("begin to collect gpu log")
            os.system(self.gen_collect_gpu_log_shell())
            date_collect = datetime.now().strftime('%Y%m%d%H%M%S')
            instance_ip_obj = os.popen("curl http://169.254.169.254/latest/meta-data/local-ipv4")
            instance_ip = instance_ip_obj.read()
            instance_ip_obj.close()
            log_tar = "%s-gpu-log-%s.gz" % (instance_ip, date_collect)
            os.system("cp %s %s" % (self.GPU_LOG_PATH, log_tar))
            print("success to collect gpu log with {}".format(log_tar))
            return log_tar
        def upload_log_to_obs(self, log_tar):
            obs_bucket = "{}{}".format(self.OBS_BUCKET_PREFIX, self.region_id)
            print("begin to upload {} to obs bucket {}".format(log_tar, obs_bucket))
            obs_url = "https://%s.obs.%s.myhuaweicloud.com/%s/%s" % (obs_bucket, self.region_id, self.obs_dir, log_tar)
            date = datetime.utcnow().strftime('%a, %d %b %Y %H:%M:%S GMT')
            canonicalized_headers = "x-obs-acl:public-read"
            obs_sign = self.gen_obs_sign(date, canonicalized_headers, obs_bucket, log_tar)
            auth = "OBS " + self.ak + ":" + obs_sign
            header_date = '\"' + "Date:" + date + '\"'
            header_auth = '\"' + "Authorization:" + auth + '\"'
            header_obs_acl = '\"' + canonicalized_headers + '\"'
            cmd = "curl -X PUT -T " + log_tar + " " + obs_url + " -H " + header_date + " -H " + header_auth + " -H " + header_obs_acl
            os.system(cmd)
            print("success to upload {} to obs bucket {}".format(log_tar, obs_bucket))
        #  calculate obs auth sign
        def gen_obs_sign(self, date, canonicalized_headers, obs_bucket, log_tar):
            http_method = "PUT"
            canonicalized_resource = "/%s/%s/%s" % (obs_bucket, self.obs_dir, log_tar)
            IS_PYTHON2 = sys.version_info.major == 2 or sys.version < '3'
            canonical_string = http_method + "\n" + "\n" + "\n" + date + "\n" + canonicalized_headers + "\n" + canonicalized_resource
            if IS_PYTHON2:
                hashed = hmac.new(self.sk, canonical_string, hashlib.sha1)
                obs_sign = binascii.b2a_base64(hashed.digest())[:-1]
            else:
                hashed = hmac.new(self.sk.encode('UTF-8'), canonical_string.encode('UTF-8'), hashlib.sha1)
                obs_sign = binascii.b2a_base64(hashed.digest())[:-1].decode('UTF-8')
            return obs_sign
        def execute(self):
            log_tar = self.collect_gpu_log()
            self.upload_log_to_obs(log_tar)
    if __name__ == '__main__':
        gpu_log_collection = GpuLogCollection(ak='ak',
                                              sk='sk',
                                              obs_dir='xxx')
        gpu_log_collection.execute()
  4. 执行脚本收集日志。

    在节点上执行该脚本,可以看到有如下输出,代表日志收集完成并成功上传至OBS。

    图3 日志收集完成
  5. 查看在脚本的同级目录下。可以看到收集到的日志压缩包。
    图4 查看结果

相关文档