utkuozdemir/nvidia_gpu_exporter

nvidia_gpu_exporter

镜像概述

nvidia_gpu_exporter是一款专为Prometheus设计的Nvidia GPU指标导出工具，通过调用系统原生的nvidia-smi二进制程序采集GPU硬件信息及性能数据，并将指标以Prometheus可抓取的格式暴露，支持集成到监控系统中实现对GPU运行状态的实时监控与分析。

核心功能与特性

• 基于nvidia-smi采集指标：直接利用Nvidia官方工具nvidia-smi获取GPU核心数据，包括但不限于GPU利用率、显存使用率、温度、功耗、风扇转速等关键指标，确保数据准确性和完整性。
• Prometheus兼容输出：遵循Prometheus指标规范，通过HTTP端点暴露结构化指标数据，可直接被Prometheus服务器抓取并存储。
• 轻量低耗：专注于指标采集与导出核心功能，容器化部署资源占用低，适合各类GPU运行环境。

使用场景与适用范围

适用于需对Nvidia GPU进行性能监控的场景，包括：

• 搭载Nvidia GPU的服务器、工作站或边缘计算设备
• AI/机器学习训练/推理环境中的GPU资源监控
• 高性能计算（HPC）集群中的GPU节点状态跟踪
• 需实时掌握GPU负载、健康状态的运维与开发场景

使用方法与配置说明

前置条件

• 目标主机需安装Nvidia GPU驱动及nvidia-smi工具（通常随驱动一同安装，默认路径为/usr/bin/nvidia-smi）。
• 确保容器可访问主机的nvidia-smi二进制文件。

Docker部署示例

基础运行命令

bash
docker run -d \
  --name nvidia-gpu-exporter \
  -p 9835:9835 \  # 默认暴露端口（具体端口以项目最新配置为准）
  -v /usr/bin/nvidia-smi:/usr/bin/nvidia-smi \  # 挂载主机nvidia-smi工具
  --restart unless-stopped \
  utkuozdemir/nvidia_gpu_exporter  # 镜像名称（以实际仓库为准）

指标访问

容器启动后，可通过http://<容器IP>:9835/metrics访问导出的GPU指标，例如：

nvidia_gpu_utilization{index="0",name="Tesla V100"} 85
nvidia_gpu_memory_used_bytes{index="0",name="Tesla V100"} 12884901888
nvidia_gpu_temperature_celsius{index="0",name="Tesla V100"} 72

集成Prometheus

在Prometheus配置文件中添加如下抓取规则：

yaml
scrape_configs:
  - job_name: 'nvidia_gpu'
    static_configs:
      - targets: ['<容器IP>:9835']  # 替换为实际容器IP和端口

参考与扩展

更多配置参数（如自定义端口、指标过滤、超时设置等）及高级用法，请参考项目官方文档：https://github.com/utkuozdemir/nvidia_gpu_exporter