# 运行观测

中心服务科研，自建设之初所有监控数据均开放访问；因硬件故障和系统变迁，早期数据已无法查看。

## 访问方式

- 地址：<https://mon.nju.edu.cn/hpc>
- 登录：使用**集群用户名和密码**登录，无动态口令。
- 权限：登录后为只读（可查看全部看板，不能修改或新建看板）

## 观测范围

- 作业调度系统：各队列的作业数（运行/排队/挂起），CPU 核数与 GPU 卡数的分配与使用率
- 并行文件系统：各文件系统的读写吞吐、IOPS 与元数据操作
- 计算节点：CPU、内存、磁盘、网络（Ethernet 与 InfiniBand）等
- GPU节点：利用率、显存、功耗、温度等
- 机房环境：各机房温度

### 公开访问

以下看板对外公开，无需登录即可访问：

- [机房温度](https://mon.nju.edu.cn/hpc/public-dashboards/cd8fc7e9f5ae4d92a81de71ea44c0376)
- [作业调度总览](https://mon.nju.edu.cn/hpc/public-dashboards/151313c211214157bfefbd246a22896f)

公开页为只读展示，不支持筛选变量，时间范围默认最近 24 小时。

### 首页

登录后默认进入首页 e-Science Center（<https://mon.nju.edu.cn/hpc/d/home>），展示集群整体状态：

- 卡片：在线节点、在线 CPU 核数、在线 GPU 卡数、运行中/排队中/挂起作业
- 曲线：作业调度系统 CPU 核数使用率与 GPU 卡数使用率；各文件系统读写吞吐、IOPS 与元数据操作
- 页面底部为全部看板的检索入口，并显示你收藏和最近查看的看板

### 看板一览

#### 作业调度

- [Job Scheduler](https://mon.nju.edu.cn/hpc/d/h2ewr4j082oix/job-scheduler)：各队列作业数与 CPU 核数使用情况

#### 文件系统

- [Parallel File System exporter](https://mon.nju.edu.cn/hpc/d/h2ewr4kvpdkzd/parallel-file-system-exporter)：各并行文件系统读写吞吐、IOPS、元数据操作

#### 计算节点

- [Node Exporter Full v2](https://mon.nju.edu.cn/hpc/d/h7q273id24qzc/node-exporter-full-v2)：单节点最全指标（CPU/内存/硬盘/网络/IB）
- [Node Exporter Server Metrics v2](https://mon.nju.edu.cn/hpc/d/h2ewr4jxj2m3v/node-exporter-server-metrics-v2)：多节点汇总视图
- [Node Exporter Server Simple Metrics v2](https://mon.nju.edu.cn/hpc/d/h2ewr4jk1zn4c/node-exporter-server-simple-metrics-v2)：多节点简化视图（CPU/内存/网络）

#### GPU / CPU

- [NVIDIA DCGM Exporter](https://mon.nju.edu.cn/hpc/d/h2ewr4jze2bm5/nvidia-dcgm-exporter)：GPU 利用率、显存、功耗、温度
- [Processor Counter Monitor (PCM) Dashboard](https://mon.nju.edu.cn/hpc/d/hnt9oxugfvffb/processor-counter-monitor-pcm-dashboard)：CPU 微架构级指标（内存带宽、缓存等）

#### 网络

- [Infiniband](https://mon.nju.edu.cn/hpc/d/h2ewr4jrynl4s/infiniband)：InfiniBand 端口收发与错误
- [InfiniBand Exporter Overview](https://mon.nju.edu.cn/hpc/d/h98kkhy5q4sd2/infiniband-exporter-overview)：IB 总体状态与错误统计
- [InfiniBand Exporter Detailed](https://mon.nju.edu.cn/hpc/d/hkxzczojstbv9/infiniband-exporter-detailed)：IB 单节点详细指标
- [Network device](https://mon.nju.edu.cn/hpc/d/hfyu22sk8v4j3/network-device)：以太网交换机与端口

#### 机房与监控系统

- [Infrastructure](https://mon.nju.edu.cn/hpc/d/h2ewr4k8ijmrr/infrastructure)：机房温度

## 使用提示

- 看板顶部通常有筛选变量。
- 右上角可调整时间范围与自动刷新间隔。
- 常用看板可点击标题旁的星标收藏。

## 数据期限

- 观测数据在采用容量上限滚动保留，超出后自动淘汰最旧数据。
- 其中作业调度、机房环境历史指标长期保存。