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
作业调度总览
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：各队列作业数与 CPU 核数使用情况
文件系统
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：单节点最全指标（CPU/内存/硬盘/网络/IB）
Node Exporter Server Metrics v2：多节点汇总视图
Node Exporter Server Simple Metrics v2：多节点简化视图（CPU/内存/网络）
GPU / CPU
NVIDIA DCGM Exporter：GPU 利用率、显存、功耗、温度
Processor Counter Monitor (PCM) Dashboard：CPU 微架构级指标（内存带宽、缓存等）
网络
Infiniband：InfiniBand 端口收发与错误
InfiniBand Exporter Overview：IB 总体状态与错误统计
InfiniBand Exporter Detailed：IB 单节点详细指标
Network device：以太网交换机与端口
机房与监控系统
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。