サーバーの監視

監視機能は AI Infrastructure – Metal Cloud サービスに標準で含まれます。

メトリクス、ログ、イベントを収集して可視化することで、潜在的な問題を特定し、今後のワークロードを最適化できます。要件に合った可観測性ソリューションを選択できます。

メトリクス	Cluster（同一 VPC）	単一サーバー
ノード総数とダウン中のノード数	✔
GPU モデル、Driver および CUDA バージョン		✔
電源状態	✔
Uptime		✔
GPU 総数とダウン中の GPU 数	✔	✔
GPU 使用率	✔	✔
GPU メモリ	✔	✔
CPU 使用率	✔	✔
システムメモリ	✔	✔
Root Storage の使用量	✔	✔
ローカルディスクの使用量	✔	✔
GPU ごとの詳細: 消費電力、温度、使用率、VRAM		✔
ネットワーク帯域幅（送信／受信）	✔	✔
ネットワークパケット（送信／受信）	✔	✔
ネットワークエラー率（Rx/Tx）		✔
InfiniBand の帯域幅／パケット／エラー		✔
システムファン回転数		✔
システム電圧		✔
共通アラート	✔

カスタムメトリクスや高度なメトリクスは、追加料金がかかる Cloud Monitoring (FMON) サービスで対応できます。