Cluster List

在 Cluster List 屏幕上，整个 GPU 基础设施以多个集群卡的形式显示。每个卡片代表一个独立的 Kubernetes 集群，按用途组织，如开发、培训或生产。

集群以网格格式排列。每个集群显示为一个单独的卡片，具有不同的颜色和图标，直观地概述其健康状态。存在问题的集群以红色或橙色突出显示，便于快速识别和处理。

访问 GPU 监控屏幕

在系统管理员控制面板中，点击主导航中的 GPU。然后，在左侧导航中，选择 GPU Monitoring。

每个集群都表示为一个包含以下信息的单独卡片：

项目	意义
可用 GPU	集群中的总 GPU 和可分配 GPU
节点	GPU 节点的总数和可用于 GPU 分配的节点数
状态迷你地图	以颜色迷你地图显示每个 GPU 的状态： - 蓝色：可用 - 黄色：正在使用 - 红色：错误
分配率	当前使用的 GPU 占总 GPU 的百分比。
效率	基于 GPU 状态的平均效率。
节点饱和度	每个节点的平均总 GPU 资源使用情况。
内存带宽	正在使用的 GPU 的平均内存利用率。
功率	所有 GPU 的总功耗。
ECC	GPU 内存中发生的错误计数器
S (会话)	GPU 运行时发生的双比特错误数量。
L (生命周期)	GPU 整个生命周期内的双比特错误累计数量。