背景：保障大规模GPU智算集群（以下简称“集群”）能够稳定、高效、安全地运行，需构建一个自动化、可视化、智能化的全方位运维体系。 一期目标：实现“看得见”，能收到关键告警，解决从无到有的问题，完成GPU集群机器各种性能指标、日志数据以及告警集中监控。 项目暂定名字：ARGUS，AI Reliable and GPU Unified Supervision，希腊神话中百眼巨人，阿耳戈斯代表着警惕与守护。

项目文档：【腾讯文档】GPU集群运维系统 https://docs.qq.com/doc/DQUxDdmhIZ1dpeERk