AMD设备指标导出器,用于向Prometheus提供监控指标
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
bashdocker run -d \ --name amd-metrics-exporter \ -p 9255:9255 \ -v /sys:/sys:ro \ --device /dev/dri \ docker.xuanyuan.run/amddevice/metrics-exporter:latest
自定义配置示例
bashdocker 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 \ docker.xuanyuan.run/amddevice/metrics-exporter:latest
Docker Compose配置
yamlversion: '3.8' services: amd-metrics-exporter: image: docker.xuanyuan.run/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
| 环境变量名 | 描述 | 默认值 | 示例值 |
|---|---|---|---|
LISTEN_PORT | HTTP服务监听端口 | 9255 | 9100 |
DEVICE_FILTER | 设备筛选规则(支持型号/ID模糊匹配,多设备用;分隔,空值表示全部设备) | 空值 | "GPU-1234;EPYC" |
SCRAPE_INTERVAL | 指标采集间隔(秒) | 10 | 5 |
LOG_LEVEL | 日志输出级别 | info | debug |
METRICS_PATH | 指标暴露HTTP路径 | /metrics | /amd_metrics |
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:
yamlscrape_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
-
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)
- 若监控GPU,需确保容器挂载
-
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
-
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)
- 使用
-
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)
| 指标名称 | 描述 | 标签 |
|---|---|---|
amd_gpu_temperature_celsius | GPU核心温度(摄氏度) | device_id, model, card |
amd_gpu_utilization_percent | GPU利用率(百分比) | device_id, model, card |
amd_gpu_memory_used_bytes | GPU内存已使用量(字节) | device_id, model, card |
amd_cpu_core_utilization | CPU核心利用率(百分比) | cpu_id, model, socket |
amd_device_power_watts | 设备实时功耗(瓦特) | device_id, model, type |
rocm 命名空间的其他可用镜像:
rocm/vllm
vLLM 推理服务,ROCm GPU 优化版本
rocm/pytorch
PyTorch 机器学习框架,ROCm GPU 加速版本
rocm/vllm-dev
基于 ROCm 的 vLLM 开发与推理镜像,适合 AMD GPU 上的大模型服务
rocm/vllm-ci
ROCm 场景下的 vLLM CI/构建相关镜像,适合 AMD GPU 大模型流水线验证
rocm/sgl-dev
ROCm SGLang 开发镜像,适合 AMD GPU 大模型推理开发
rocm/k8s-device-plugin
ROCm Kubernetes Device Plugin,适合 AMD GPU 在 K8s 中调度
镜像拉取方式
您可以使用以下命令拉取该镜像。请将 <标签> 替换为具体的标签版本。如需查看所有可用标签版本,请访问 标签列表页面。
轩辕镜像加速拉取命令点我查看更多 device-metrics-exporter 镜像标签
docker pull docker.xuanyuan.run/rocm/device-metrics-exporter:<标签>
DockerHub 原生拉取命令
docker pull rocm/device-metrics-exporter:<标签>
用户好评
来自真实用户的反馈,见证轩辕镜像的优质服务