Add ROCm stats via rocm-smi (#767)
Add ROCm GPU stats support using `rocm-smi`.
This commit is contained in:
@@ -38,6 +38,13 @@ func getGpuStats(ctx context.Context, every time.Duration, logger *logmon.Monito
|
|||||||
logger.Debugf("nvidia-smi: %s", err.Error())
|
logger.Debugf("nvidia-smi: %s", err.Error())
|
||||||
}
|
}
|
||||||
|
|
||||||
|
if ch, err := tryRocmSmi(ctx, every, logger); err == nil {
|
||||||
|
logger.Info("using rocm-smi for GPU monitoring")
|
||||||
|
return ch, nil
|
||||||
|
} else {
|
||||||
|
logger.Debugf("rocm-smi: %s", err.Error())
|
||||||
|
}
|
||||||
|
|
||||||
if ch, err := trySysfs(ctx, every, logger); err == nil {
|
if ch, err := trySysfs(ctx, every, logger); err == nil {
|
||||||
logger.Info("using sysfs for GPU monitoring")
|
logger.Info("using sysfs for GPU monitoring")
|
||||||
return ch, nil
|
return ch, nil
|
||||||
@@ -213,6 +220,113 @@ func parseNvidiaSmiLine(line string) *GpuStat {
|
|||||||
}
|
}
|
||||||
}
|
}
|
||||||
|
|
||||||
|
func tryRocmSmi(ctx context.Context, every time.Duration, logger *logmon.Monitor) (chan []GpuStat, error) {
|
||||||
|
if _, err := exec.LookPath("rocm-smi"); err != nil {
|
||||||
|
return nil, ErrNoGpuTool
|
||||||
|
}
|
||||||
|
if every < time.Second {
|
||||||
|
every = time.Second
|
||||||
|
}
|
||||||
|
const pollTimeout = 5 * time.Second
|
||||||
|
|
||||||
|
ch := make(chan []GpuStat, 1)
|
||||||
|
|
||||||
|
go func() {
|
||||||
|
defer close(ch)
|
||||||
|
ticker := time.NewTicker(every)
|
||||||
|
defer ticker.Stop()
|
||||||
|
|
||||||
|
for {
|
||||||
|
select {
|
||||||
|
case <-ctx.Done():
|
||||||
|
return
|
||||||
|
case <-ticker.C:
|
||||||
|
pollCtx, cancel := context.WithTimeout(ctx, pollTimeout)
|
||||||
|
cmd := exec.CommandContext(pollCtx, "rocm-smi", "-i", "-P", "-t", "-f", "-u", "--showmemuse", "--showmeminfo", "vram", "--showproductname", "--csv")
|
||||||
|
out, err := cmd.Output()
|
||||||
|
timedOut := pollCtx.Err() == context.DeadlineExceeded
|
||||||
|
cancel()
|
||||||
|
if err != nil {
|
||||||
|
if timedOut {
|
||||||
|
logger.Debug("rocm-smi timed out")
|
||||||
|
}
|
||||||
|
continue
|
||||||
|
}
|
||||||
|
|
||||||
|
stats := make([]GpuStat, 0)
|
||||||
|
scanner := bufio.NewScanner(strings.NewReader(string(out)))
|
||||||
|
for scanner.Scan() {
|
||||||
|
line := strings.TrimSpace(scanner.Text())
|
||||||
|
if line == "" || strings.HasPrefix(line, "device,") {
|
||||||
|
continue
|
||||||
|
}
|
||||||
|
|
||||||
|
stat := parseRocmSmiLine(line)
|
||||||
|
if stat != nil {
|
||||||
|
stats = append(stats, *stat)
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
if len(stats) > 0 {
|
||||||
|
select {
|
||||||
|
case ch <- stats:
|
||||||
|
default:
|
||||||
|
}
|
||||||
|
}
|
||||||
|
}
|
||||||
|
}
|
||||||
|
}()
|
||||||
|
|
||||||
|
return ch, nil
|
||||||
|
}
|
||||||
|
|
||||||
|
func parseRocmSmiLine(line string) *GpuStat {
|
||||||
|
fields := strings.Split(line, ",")
|
||||||
|
if len(fields) < 20 {
|
||||||
|
return nil
|
||||||
|
}
|
||||||
|
|
||||||
|
device := strings.TrimSpace(fields[0])
|
||||||
|
id, err := strconv.Atoi(strings.TrimPrefix(device, "card"))
|
||||||
|
if err != nil {
|
||||||
|
return nil
|
||||||
|
}
|
||||||
|
deviceName := strings.TrimSpace(fields[1])
|
||||||
|
uuid := strings.TrimSpace(fields[5])
|
||||||
|
tempC, _ := strconv.ParseFloat(strings.TrimSpace(fields[6]), 64)
|
||||||
|
vramTempC, _ := strconv.ParseFloat(strings.TrimSpace(fields[8]), 64)
|
||||||
|
fanSpeed, _ := strconv.ParseFloat(strings.TrimSpace(fields[10]), 64)
|
||||||
|
powerDraw, _ := strconv.ParseFloat(strings.TrimSpace(fields[12]), 64)
|
||||||
|
gpuUtil, _ := strconv.ParseFloat(strings.TrimSpace(fields[13]), 64)
|
||||||
|
memUtil, _ := strconv.ParseFloat(strings.TrimSpace(fields[14]), 64)
|
||||||
|
memTotal, _ := strconv.ParseUint(strings.TrimSpace(fields[17]), 10, 64)
|
||||||
|
memUsed, _ := strconv.ParseUint(strings.TrimSpace(fields[18]), 10, 64)
|
||||||
|
cardSeries := strings.TrimSpace(fields[19])
|
||||||
|
name := device
|
||||||
|
if cardSeries != "" && cardSeries != "N/A" {
|
||||||
|
name = cardSeries + " " + device
|
||||||
|
} else if deviceName != "" && deviceName != "N/A" {
|
||||||
|
name = deviceName + " " + device
|
||||||
|
}
|
||||||
|
|
||||||
|
const toMB = 1024 * 1024
|
||||||
|
|
||||||
|
return &GpuStat{
|
||||||
|
Timestamp: time.Now(),
|
||||||
|
ID: id,
|
||||||
|
Name: name,
|
||||||
|
UUID: uuid,
|
||||||
|
TempC: int(tempC),
|
||||||
|
VramTempC: int(vramTempC),
|
||||||
|
GpuUtilPct: gpuUtil,
|
||||||
|
MemUtilPct: memUtil,
|
||||||
|
MemUsedMB: int(memUsed / toMB),
|
||||||
|
MemTotalMB: int(memTotal / toMB),
|
||||||
|
FanSpeedPct: fanSpeed,
|
||||||
|
PowerDrawW: powerDraw,
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
func trySysfs(ctx context.Context, every time.Duration, logger *logmon.Monitor) (chan []GpuStat, error) {
|
func trySysfs(ctx context.Context, every time.Duration, logger *logmon.Monitor) (chan []GpuStat, error) {
|
||||||
return nil, ErrNotImplemented
|
return nil, ErrNotImplemented
|
||||||
}
|
}
|
||||||
|
|||||||
Reference in New Issue
Block a user