Skip to main content

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。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。

    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

      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：

      • 鉴于安全因素，需要使用集群用户名和密码登录访问。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

        观测范围：文件系统

        计算节点

          Node Exporter Full v2：单节点最全指标（CPU/内存/硬盘/网络） 并行文件系统Node Exporter Server Metrics v2：多节点汇总视图 所有节点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 GPUInfiniBand Exporter Overview：IB 总体状态与错误统计 EthernetInfiniBand Exporter Detailed：IB 单节点详细指标 InfinibandNetwork 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。