容器监控工具（2）Prometheus + cAdvisor + grafana
上一篇介绍了Google开发的容器监控工具cAdvisor，但是其提供的操作界面较为简陋，且不支持监控多Host，实用性有待提高。因此，本篇会介绍一个流行的生产级监控工具，不，准确说来应该是一个监控方案，它就是Prometheus！Prometheus提供了一整套的包括监控数据搜集、存储、处理、可视化和告警的完整解决方案。
无痛入门Prometheus：一个强大的开源监控和告警系统，如何快速安装和使用？
Prometheus 是一个完全开源的系统监控和告警工具包，受 Google 内部 BorgMon 系统启发，自2012年由前 Google 工程师在 SoundCloud 开发以来，已被众多公司采用。它拥有活跃的开发者和用户社区，现为独立开源项目，并于2016年加入云原生计算基金会（CNCF）。Prometheus 的主要特点包括多维数据模型、灵活的查询语言 PromQL、不依赖分布式存储、通过 HTTP 拉取时间序列数据等。其架构简单且功能强大，支持多种图形和仪表盘展示模式。安装和使用 Prometheus 非常简便，可以通过 Docker 快速部署，并与 Grafana 等可
78_资源监控：NVIDIA-SMI进阶
在大语言模型（LLM）训练和推理过程中，GPU资源的高效监控和管理至关重要。随着模型规模的不断增长和计算需求的提升，如何精确监控GPU利用率、及时发现性能瓶颈并进行优化，成为AI研究人员和工程师面临的重要挑战。NVIDIA-SMI作为NVIDIA官方提供的GPU监控工具，提供了丰富的功能来监控和管理GPU资源。本文将深入探讨NVIDIA-SMI的进阶使用方法，以及如何利用其与其他工具结合构建高效的GPU利用率可视化监控系统。
Prometheus 的报警机制：Alertmanager 的配置与使用
【8月更文第29天】Prometheus 是一个非常强大的监控系统，它不仅能够收集和存储时间序列数据，还能通过 Alertmanager 提供灵活的报警机制。Alertmanager 负责接收 Prometheus 发送的警报，并根据配置的规则执行相应的通知动作。本文将详细介绍如何配置 Alertmanager 以及如何使用它来实现基于 Prometheus 指标的报警通知。