本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# Amazon SageMaker HyperPod Slurm 指标
<a name="smcluster-slurm-metrics"></a>

Amazon SageMaker HyperPod 提供了一组亚马逊 CloudWatch 指标，您可以使用这些指标来监控 HyperPod 集群的运行状况和性能。这些指标是从集 HyperPod 群上运行的 Slurm 工作负载管理器收集的，可在命名空间中`/aws/sagemaker/Clusters` CloudWatch 使用。

## 集群级别指标
<a name="smcluster-slurm-metrics-cluster"></a>

以下集群级别的指标可用于。 HyperPod这些指标使用`ClusterId`维度来标识特定的 HyperPod 集群。


| CloudWatch 指标名称 | 注意 | Amazon EKS Container Insights 指标名称 | 
| --- | --- | --- | 
| cluster\_node\_count | 集群中的节点总数 | cluster\_node\_count | 
| cluster\_idle\_node\_count | 集群中的空闲节点数 | N/A | 
| cluster\_failed\_node\_count | 集群中的故障节点数 | cluster\_failed\_node\_count | 
| cluster\_cpu\_count | 集群中的 CPU 内核总数 | node\_cpu\_limit | 
| cluster\_idle\_cpu\_count | 集群中的空闲 CPU 内核数 | N/A | 
| cluster\_gpu\_count | 集群中的 GPU 总数 | node\_gpu\_limit | 
| cluster\_idle\_gpu\_count | 集群中的空闲 GPU 数 | N/A | 
| cluster\_running\_task\_count | 集群中正在运行的 Slurm 作业数 | N/A | 
| cluster\_pending\_task\_count | 集群中的待处理 Slurm 作业数 | N/A | 
| cluster\_preempted\_task\_count | 集群中的已抢占 Slurm 作业数 | N/A | 
| cluster\_avg\_task\_wait\_time | 集群中的 Slurm 作业的平均等待时间 | N/A | 
| cluster\_max\_task\_wait\_time | 集群中的 Slurm 作业的最长等待时间 | N/A | 

## 实例级别指标
<a name="smcluster-slurm-metrics-instance"></a>

以下实例级别指标可用于。 HyperPod这些指标还使用`ClusterId`维度来标识特定的 HyperPod 集群。


| CloudWatch 指标名称 | 注意 | Amazon EKS Container Insights 指标名称 | 
| --- | --- | --- | 
| node\_gpu\_utilization | 所有实例的平均 GPU 利用率 | node\_gpu\_utilization | 
| node\_gpu\_memory\_utilization | 所有实例的平均 GPU 内存利用率 | node\_gpu\_memory\_utilization | 
| node\_cpu\_utilization | 所有实例的平均 CPU 利用率 | node\_cpu\_utilization | 
| node\_memory\_utilization | 所有实例的平均内存利用率 | node\_memory\_utilization |