yuyr
1e5e91b193
Reviewed-on: #17 Reviewed-by: sundapeng <sundp@mail.zgclab.edu.cn> Reviewed-by: xuxt <xuxt@zgclab.edu.cn>
996 B
996 B
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
构建账号配置
镜像构建和运行账号的 UID/GID 可通过 configs/build_user.conf 配置，详细说明见 doc/build-user-config.md。
本地端口占用提示
如需运行 BIND 模块端到端测试且宿主机 53 端口已占用，可通过环境变量 HOST_DNS_PORT（默认 1053）指定对外映射端口，例如 HOST_DNS_PORT=12053 ./scripts/00_e2e_test.sh。