NASP/argus
52
0
Fork 0
Code Issues 7 Pull Requests Actions Packages Projects 1 Releases 1 Wiki Activity
argus/deployment_new/templates/client_gpu/docs/INSTALL_CLIENT_zh.md
yuyr 34cb239bf4 完成H20服务器部署及重启测试 (#51) 
当前部署情况
- h1: 部署server & client
- h2: 部署client
- 部署2025-11-25
- 部署目录：  /home2/argus/server  ,  /home2/argus/client
- 部署使用账号：argus

网络拓扑：
- h1 作为docker swarm manager
- h2 作为worker加入docker swarm
- docker swarm 上创建overlay network

访问方式：
- 通过ssh到h1服务器，端口转发 20006-20011 端口到笔记本本地；
- 门户网址：http://localhost:20006/dashboard

部署截图：
![image.png](/attachments/86c1a7af-dacc-4ba7-a182-f7cefd4e6427)
![image.png](/attachments/06f20852-771c-4264-b031-e6acd0f6ea1c)
![image.png](/attachments/091ab5a8-95bf-466f-a394-3255dcb49735)

注意事项：
- server各容器使用域名作为overlay network上alias别名，实现域名访问，当前版本禁用bind作为域名解析，原因是容器重启后IP变化场景bind机制复杂且不稳定。
- client 构建是内置安装包，容器启动时执行安装流程，后续重启容器跳过安装步骤。
- UID/GID：部署使用 argus账号 uid=2133, gid=2015。

Reviewed-on: #51
Reviewed-by: sundapeng <sundp@mail.zgclab.edu.cn>
Reviewed-by: xuxt <xuxt@zgclab.edu.cn>
Reviewed-by: huhy <husteryezi@163.com>
2025-11-25 15:54:29 +08:00

3.7 KiB
Raw Blame History

Argus Client‑GPU 安装指南（deployment_new）

一、准备条件（开始前确认）

  • GPU 节点安装了 NVIDIA 驱动，nvidia-smi 正常；
  • Docker & Docker Compose v2 已安装；
  • 使用统一账户 argus（UID=2133，GID=2015）执行安装，并加入 docker 组（如已创建可跳过）： 
    sudo groupadd --gid 2015 argus || true
sudo useradd --uid 2133 --gid 2015 --create-home --shell /bin/bash argus || true
sudo passwd argus
sudo usermod -aG docker argus
su - argus -c 'id; docker ps >/dev/null && echo OK || echo NO_DOCKER_PERMISSION'
    后续解压与执行（config/install/uninstall）均使用 argus 账户进行。
  • 从 Server 安装方拿到 cluster-info.env（包含 SWARM_MANAGER_ADDR/SWARM_JOIN_TOKEN_*；compose 架构下 BINDIP/FTPIP 不再使用）。

二、解包

  • tar -xzf client_gpu_YYYYMMDD.tar.gz
  • 进入目录：cd client_gpu_YYYYMMDD/
  • 你应当看到：images/（GPU bundle、busybox）、compose/、scripts/、docs/。

三、配置 config（预热 overlay + 生成 .env）

命令：

cp /path/to/cluster-info.env ./   # 或 export CLUSTER_INFO=/abs/path/cluster-info.env
./scripts/config.sh

脚本做了什么：

  • 读取 cluster-info.env 并 docker swarm join（幂等）；
  • 自动用 busybox 预热 external overlay argus-sys-net，等待最多 60s 直到本机可见；
  • 生成/更新 compose/.env：填入 SWARM_*，并“保留你已填写的 AGENT_* 与 GPU_NODE_HOSTNAME”（不会覆盖）。

看到什么才算成功：

  • 终端输出类似：已预热 overlay=argus-sys-net 并生成 compose/.env；可执行 scripts/install.sh；
  • compose/.env 至少包含：
    • AGENT_ENV/AGENT_USER/AGENT_INSTANCE/GPU_NODE_HOSTNAME（需要你提前填写）；
    • SWARM_MANAGER_ADDR/SWARM_JOIN_TOKEN_*；
  • NODE_GPU_BUNDLE_IMAGE_TAG=...:YYYYMMDD。

日志映射（重要）

  • 容器内 /logs/infer 与 /logs/train 已映射到包根 ./logs/infer 与 ./logs/train：
    • 你可以直接在宿主机查看推理/训练日志：tail -f logs/infer/*.log、tail -f logs/train/*.log；
    • install 脚本会自动创建这两个目录。

若提示缺少必填项：

  • 打开 compose/.env 按提示补齐 AGENT_* 与 GPU_NODE_HOSTNAME，再次执行 ./scripts/config.sh（脚本不会覆盖你已填的值）。

四、安装 install（加载镜像 + 起容器 + 跟日志）

命令：

./scripts/install.sh

脚本做了什么：

  • 如有必要，先自动预热 overlay；
  • 从 images/ 导入 argus-sys-metric-test-node-bundle-gpu-*.tar.gz 到本地 Docker；
  • docker compose up -d 启动 GPU 节点容器，并自动执行 docker logs -f argus-metric-gpu-node-swarm 跟踪安装过程。

看到什么才算成功：

  • 日志中出现：[BOOT] local bundle install OK: version=... / dcgm-exporter ... listening / node state present: /private/argus/agent/<hostname>/node.json；
  • docker exec argus-metric-gpu-node-swarm nvidia-smi -L 能列出 GPU；
  • 在 Server 侧 Prometheus /api/v1/targets 中，GPU 节点 9100（node-exporter）与 9400（dcgm-exporter）至少其一 up。

五、卸载 uninstall

命令：

./scripts/uninstall.sh

行为：Compose down（如有 .env），并删除 warmup 容器与节点容器。

六、常见问题

  • 本机未看到 overlay：config/install 已自动预热；若仍失败，请检查与 manager 的网络连通性以及 manager 上是否已创建 argus-sys-net。
  • busybox 缺失：确保包根 images/busybox.tar 在，或主机已有 busybox:latest。
  • 加入 Swarm 失败：确认 cluster-info.env 的 SWARM_MANAGER_ADDR 与 SWARM_JOIN_TOKEN_WORKER 正确，或在 manager 上重新 docker swarm join-token -q worker 后更新该文件。