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。

3.7 KiB Raw Blame History Unescape Escape