rocm/device-metrics-exporter

AMD Device Metrics Exporter for Prometheus 镜像文档

镜像概述和主要用途

本镜像是一个针对Prometheus的AMD设备指标导出器，用于收集AMD硬件设备（如Radeon GPU、EPYC CPU等）的关键运行指标，并通过HTTP端点以Prometheus兼容格式暴露，支持Prometheus服务器进行指标抓取与监控分析。

核心功能和特性

核心功能

• 多设备支持：兼容AMD Radeon系列GPU、EPYC系列CPU及部分APU设备
• 全面指标采集：覆盖设备温度、利用率（GPU/CPU核心、内存）、功耗、时钟频率、内存使用量等关键指标
• Prometheus原生兼容：指标格式符合Prometheus规范，支持直接接入Prometheus监控体系
• 轻量部署：基于Alpine或Distroless基础镜像，镜像体积小，资源占用低

主要特性

• HTTP指标端点：默认通过/metrics路径暴露指标，支持自定义监听端口
• 设备筛选：支持通过设备ID、型号或类型筛选需监控的设备
• 实时采集：指标采集间隔可配置，默认10秒/次
• 日志分级：支持info/debug/warn/error多级日志，便于问题排查

使用场景和适用范围

典型使用场景

• 数据中心AMD GPU/CPU集群状态监控
• 高性能计算（HPC）环境中AMD设备资源利用率追踪
• 边缘计算节点AMD硬件健康状态监控
• 个人工作站/服务器AMD设备性能调优与故障预警

适用范围

• 运行AMD Radeon GPU（需ROCm驱动或开源AMDGPU驱动）的Linux主机
• 搭载AMD EPYC/Ryzen CPU的服务器/工作站
• 支持Docker容器化部署的环境（物理机、虚拟机、Kubernetes集群等）

使用方法和配置说明

前置要求

• 主机已安装AMD设备驱动（如ROCm 5.0+或开源AMDGPU驱动）
• 容器需具备访问主机设备信息的权限（通过挂载主机系统目录实现）

基本使用（Docker Run）

最简启动命令

bash
docker run -d \
  --name amd-metrics-exporter \
  -p 9255:9255 \
  -v /sys:/sys:ro \
  --device /dev/dri \
  amddevice/metrics-exporter:latest

自定义配置示例

bash
docker run -d \
  --name amd-metrics-exporter \
  -p 9255:9255 \
  -e LISTEN_PORT=9255 \
  -e DEVICE_FILTER="GPU-1234;CPU-5678" \
  -e SCRAPE_INTERVAL=5 \
  -e LOG_LEVEL=debug \
  -v /sys:/sys:ro \
  -v /dev/dri:/dev/dri \
  amddevice/metrics-exporter:latest

Docker Compose配置

yaml
version: '3.8'
services:
  amd-metrics-exporter:
    image: amddevice/metrics-exporter:latest
    container_name: amd-metrics-exporter
    ports:
      - "9255:9255"
    environment:
      - LISTEN_PORT=9255           # 监听端口（默认9255）
      - DEVICE_FILTER="GPU"         # 设备筛选（支持型号/ID模糊匹配，多设备用;分隔）
      - SCRAPE_INTERVAL=10          # 指标采集间隔（秒，默认10）
      - LOG_LEVEL=info              # 日志级别（info/debug/warn/error，默认info）
    volumes:
      - /sys:/sys:ro                # 只读挂载系统设备信息目录
    devices:
      - /dev/dri:/dev/dri           # 挂载GPU显示设备（若监控GPU）
    restart: unless-stopped

配置参数说明

环境变量配置

指标暴露与Prometheus集成

指标端点

exporter启动后，通过http://<容器IP>:<LISTEN_PORT>/<METRICS_PATH>暴露指标，例如：

http://localhost:9255/metrics

Prometheus抓取配置示例

在Prometheus的prometheus.yml中添加如下配置：

yaml
scrape_configs:
  - job_name: 'amd_device_metrics'
    static_configs:
      - targets: ['amd-metrics-exporter:9255']  # 替换为exporter容器地址:端口
    scrape_interval: 15s  # 建议与exporter采集间隔一致或更长

常见问题与注意事项

1. 设备访问权限：

   • 若监控GPU，需确保容器挂载/dev/dri设备（--device /dev/dri）
   • 部分系统信息需访问/sys目录，需通过-v /sys:/sys:ro挂载主机/sys目录（只读）

2. 驱动兼容性：

   • 推荐使用ROCm 5.2+或Linux内核自带的AMDGPU驱动（内核版本5.4+）
   • 驱动未安装或版本过低可能导致指标采集不全或失败

3. 多设备筛选：

   • 使用DEVICE_FILTER环境变量筛选设备，支持模糊匹配（如DEVICE_FILTER="Radeon"仅监控Radeon系列GPU）
   • 多设备用;分隔（如DEVICE_FILTER="card0;card1"监控指定GPU设备）

4. 容器资源限制：

   • 建议为容器分配至少1CPU核心和64MB内存（指标采集资源消耗低）

指标参考（部分关键指标）