更新 scripts/deploy_gpu_monitor.sh
This commit is contained in:
parent
1ea404d93f
commit
2e0567988c
|
|
@ -10,55 +10,232 @@ TARGET_DIR="/opt/scripts" # 脚本存放目录
|
||||||
TARGET_SCRIPT="${TARGET_DIR}/gpu_monitor.sh" # 目标脚本路径
|
TARGET_SCRIPT="${TARGET_DIR}/gpu_monitor.sh" # 目标脚本路径
|
||||||
CRON_SCHEDULE="*/2 * * * *" # 定时任务执行频率
|
CRON_SCHEDULE="*/2 * * * *" # 定时任务执行频率
|
||||||
LOG_FILE="/var/log/gpu_monitor.log" # 日志文件路径
|
LOG_FILE="/var/log/gpu_monitor.log" # 日志文件路径
|
||||||
|
METRICS_DIR="/var/lib/node_exporter/textfile_collector" # 指标文件目录
|
||||||
|
METRICS_FILE="${METRICS_DIR}/gpu_metrics.prom" # 指标文件
|
||||||
|
NODE_EXPORTER_SERVICE="node_exporter.service" # node_exporter服务名
|
||||||
|
|
||||||
# 创建目标目录
|
|
||||||
mkdir -p "${TARGET_DIR}"
|
|
||||||
cd "${TARGET_DIR}"
|
|
||||||
|
|
||||||
# 下载脚本
|
# 帮助信息
|
||||||
echo "正在下载GPU监控脚本..."
|
show_help() {
|
||||||
wget -q -O "${TARGET_SCRIPT}" "${SCRIPT_URL}" || {
|
echo "用法: $0 [选项]"
|
||||||
echo "错误: 无法从 ${SCRIPT_URL} 下载脚本" >&2
|
echo "GPU监控脚本部署工具（必须指定--install或--uninstall）"
|
||||||
exit 1
|
echo ""
|
||||||
|
echo "选项:"
|
||||||
|
echo " --install 安装并配置GPU监控脚本，重启node_exporter"
|
||||||
|
echo " --uninstall 卸载GPU监控脚本及配置，删除指标文件并重启node_exporter"
|
||||||
|
echo " --help 显示此帮助信息"
|
||||||
|
echo ""
|
||||||
}
|
}
|
||||||
|
|
||||||
# 赋予执行权限
|
# 检查是否以root权限运行
|
||||||
chmod +x "${TARGET_SCRIPT}"
|
check_root() {
|
||||||
|
if [ "$(id -u)" -ne 0 ]; then
|
||||||
# 修改脚本内容（示例：将GPU总数设置为8）
|
echo "错误: 此脚本需要root权限运行，请使用sudo" >&2
|
||||||
echo "正在修改脚本配置..."
|
exit 1
|
||||||
sed -i 's/BASELINE_GPUS=".*"/BASELINE_GPUS="0 1 2 3 4 5 6 7"/' "${TARGET_SCRIPT}"
|
fi
|
||||||
|
|
||||||
# 确保metrics文件目录存在
|
|
||||||
METRICS_DIR="/var/lib/node_exporter/textfile_collector"
|
|
||||||
mkdir -p "${METRICS_DIR}"
|
|
||||||
chmod 755 "${METRICS_DIR}"
|
|
||||||
|
|
||||||
# 添加定时任务到crontab
|
|
||||||
echo "正在配置定时任务..."
|
|
||||||
(
|
|
||||||
crontab -l 2>/dev/null || true # 获取现有crontab（如果有）
|
|
||||||
echo "${CRON_SCHEDULE} ${TARGET_SCRIPT} >> ${LOG_FILE} 2>&1" # 添加新任务
|
|
||||||
) | crontab -
|
|
||||||
|
|
||||||
# 验证定时任务
|
|
||||||
echo "验证定时任务配置:"
|
|
||||||
crontab -l | grep "${TARGET_SCRIPT}" || {
|
|
||||||
echo "错误: 定时任务添加失败" >&2
|
|
||||||
exit 1
|
|
||||||
}
|
}
|
||||||
|
|
||||||
# 首次执行脚本
|
# 检查服务是否存在
|
||||||
echo "执行脚本进行测试..."
|
service_exists() {
|
||||||
"${TARGET_SCRIPT}" || {
|
systemctl list-units --all --full -t service --no-legend "$1" | grep -q "$1"
|
||||||
echo "错误: 脚本首次执行失败，请检查 ${LOG_FILE}" >&2
|
|
||||||
exit 1
|
|
||||||
}
|
}
|
||||||
|
|
||||||
echo "====================================================="
|
# 重启node_exporter并检查状态
|
||||||
echo "GPU监控脚本已成功部署!"
|
restart_node_exporter() {
|
||||||
echo "脚本位置: ${TARGET_SCRIPT}"
|
echo "检查node_exporter服务状态..."
|
||||||
echo "定时任务: ${CRON_SCHEDULE}"
|
if service_exists "${NODE_EXPORTER_SERVICE}"; then
|
||||||
echo "日志文件: ${LOG_FILE}"
|
echo "正在重启node_exporter服务..."
|
||||||
echo "指标文件: ${METRICS_DIR}/gpu_metrics.prom"
|
systemctl restart "${NODE_EXPORTER_SERVICE}" || true # 允许失败，不中断流程
|
||||||
echo "====================================================="
|
|
||||||
|
echo "检查node_exporter状态..."
|
||||||
|
if systemctl is-active --quiet "${NODE_EXPORTER_SERVICE}"; then
|
||||||
|
echo "node_exporter状态: 运行中"
|
||||||
|
else
|
||||||
|
echo "警告: node_exporter未正常运行，请查看日志：journalctl -u ${NODE_EXPORTER_SERVICE}" >&2
|
||||||
|
fi
|
||||||
|
else
|
||||||
|
echo "警告: node_exporter服务不存在，跳过重启" >&2
|
||||||
|
fi
|
||||||
|
}
|
||||||
|
|
||||||
|
# 安全添加定时任务（避免重复）
|
||||||
|
add_cron_job() {
|
||||||
|
local cron_line="${CRON_SCHEDULE} ${TARGET_SCRIPT} >> ${LOG_FILE} 2>&1"
|
||||||
|
|
||||||
|
# 检查任务是否已存在（精确匹配）
|
||||||
|
if crontab -l 2>/dev/null | grep -qxF "${cron_line}"; then
|
||||||
|
echo "定时任务已存在，跳过添加"
|
||||||
|
return 0
|
||||||
|
fi
|
||||||
|
|
||||||
|
# 备份现有crontab
|
||||||
|
local backup_file="/tmp/crontab_backup_$(date +%s)"
|
||||||
|
crontab -l 2>/dev/null > "${backup_file}" || true
|
||||||
|
|
||||||
|
# 添加新任务
|
||||||
|
echo "添加定时任务: ${cron_line}"
|
||||||
|
(
|
||||||
|
crontab -l 2>/dev/null || true # 获取现有crontab（如果有）
|
||||||
|
echo "${cron_line}" # 添加新任务
|
||||||
|
) | crontab -
|
||||||
|
|
||||||
|
# 验证添加结果
|
||||||
|
if crontab -l 2>/dev/null | grep -qxF "${cron_line}"; then
|
||||||
|
echo "定时任务添加成功"
|
||||||
|
else
|
||||||
|
echo "错误: 定时任务添加失败" >&2
|
||||||
|
# 恢复备份
|
||||||
|
if [ -f "${backup_file}" ]; then
|
||||||
|
crontab "${backup_file}"
|
||||||
|
echo "已恢复原crontab"
|
||||||
|
fi
|
||||||
|
return 1
|
||||||
|
fi
|
||||||
|
}
|
||||||
|
|
||||||
|
# 安装函数
|
||||||
|
install_script() {
|
||||||
|
echo "===== 开始安装GPU监控脚本 ====="
|
||||||
|
|
||||||
|
# 1. 清理旧指标文件（避免残留数据）
|
||||||
|
echo "清理旧指标文件..."
|
||||||
|
if [ -f "${METRICS_FILE}" ]; then
|
||||||
|
rm -f "${METRICS_FILE}"
|
||||||
|
echo "已删除旧指标文件: ${METRICS_FILE}"
|
||||||
|
fi
|
||||||
|
|
||||||
|
# 2. 创建目标目录并下载脚本
|
||||||
|
mkdir -p "${TARGET_DIR}"
|
||||||
|
cd "${TARGET_DIR}"
|
||||||
|
|
||||||
|
echo "正在下载GPU监控脚本..."
|
||||||
|
wget -q -O "${TARGET_SCRIPT}" "${SCRIPT_URL}" || {
|
||||||
|
echo "错误: 无法从 ${SCRIPT_URL} 下载脚本" >&2
|
||||||
|
exit 1
|
||||||
|
}
|
||||||
|
chmod +x "${TARGET_SCRIPT}"
|
||||||
|
|
||||||
|
# 3. 脚本配置（确保GPU总数为8）
|
||||||
|
echo "配置脚本参数..."
|
||||||
|
sed -i 's/EXPECTED_GPUS=".*"/EXPECTED_GPUS="0 1 2 3 4 5 6 7"/' "${TARGET_SCRIPT}"
|
||||||
|
|
||||||
|
# 4. 准备metrics目录
|
||||||
|
mkdir -p "${METRICS_DIR}"
|
||||||
|
chmod 755 "${METRICS_DIR}"
|
||||||
|
|
||||||
|
# 5. 配置定时任务（安全添加，避免重复）
|
||||||
|
echo "配置定时任务..."
|
||||||
|
add_cron_job || exit 1
|
||||||
|
|
||||||
|
# 6. 首次执行脚本生成指标
|
||||||
|
echo "测试执行脚本..."
|
||||||
|
"${TARGET_SCRIPT}" || {
|
||||||
|
echo "错误: 脚本执行失败，请检查日志: ${LOG_FILE}" >&2
|
||||||
|
exit 1
|
||||||
|
}
|
||||||
|
|
||||||
|
# 7. 重启node_exporter使配置生效
|
||||||
|
restart_node_exporter
|
||||||
|
|
||||||
|
# 8. 验证结果
|
||||||
|
echo "===== 安装完成 ====="
|
||||||
|
echo "脚本位置: ${TARGET_SCRIPT}"
|
||||||
|
echo "定时任务: $(crontab -l | grep "${TARGET_SCRIPT}")"
|
||||||
|
echo "日志文件: ${LOG_FILE}"
|
||||||
|
echo "指标文件: ${METRICS_FILE}（已生成）"
|
||||||
|
echo "node_exporter状态: $(systemctl is-active "${NODE_EXPORTER_SERVICE}" 2>/dev/null || echo "未安装")"
|
||||||
|
}
|
||||||
|
|
||||||
|
# 卸载函数
|
||||||
|
uninstall_script() {
|
||||||
|
echo "===== 开始卸载GPU监控脚本 ====="
|
||||||
|
|
||||||
|
# 1. 移除定时任务
|
||||||
|
echo "删除定时任务..."
|
||||||
|
local cron_line="${CRON_SCHEDULE} ${TARGET_SCRIPT} >> ${LOG_FILE} 2>&1"
|
||||||
|
|
||||||
|
if crontab -l 2>/dev/null | grep -qxF "${cron_line}"; then
|
||||||
|
# 备份现有crontab
|
||||||
|
local backup_file="/tmp/crontab_backup_$(date +%s)"
|
||||||
|
crontab -l > "${backup_file}"
|
||||||
|
|
||||||
|
# 移除任务
|
||||||
|
crontab -l | grep -vxF "${cron_line}" | crontab -
|
||||||
|
|
||||||
|
# 验证移除结果
|
||||||
|
if ! crontab -l 2>/dev/null | grep -qxF "${cron_line}"; then
|
||||||
|
echo "已成功删除定时任务"
|
||||||
|
else
|
||||||
|
echo "错误: 定时任务删除失败" >&2
|
||||||
|
# 恢复备份
|
||||||
|
crontab "${backup_file}"
|
||||||
|
echo "已恢复原crontab"
|
||||||
|
exit 1
|
||||||
|
fi
|
||||||
|
else
|
||||||
|
echo "未找到相关定时任务，跳过"
|
||||||
|
fi
|
||||||
|
|
||||||
|
# 2. 删除脚本文件
|
||||||
|
echo "删除监控脚本..."
|
||||||
|
if [ -f "${TARGET_SCRIPT}" ]; then
|
||||||
|
rm -f "${TARGET_SCRIPT}"
|
||||||
|
echo "已删除脚本: ${TARGET_SCRIPT}"
|
||||||
|
else
|
||||||
|
echo "脚本文件不存在，跳过"
|
||||||
|
fi
|
||||||
|
|
||||||
|
# 3. 删除指标文件
|
||||||
|
echo "删除指标文件..."
|
||||||
|
if [ -f "${METRICS_FILE}" ]; then
|
||||||
|
rm -f "${METRICS_FILE}"
|
||||||
|
echo "已删除指标文件: ${METRICS_FILE}"
|
||||||
|
else
|
||||||
|
echo "指标文件不存在，跳过"
|
||||||
|
fi
|
||||||
|
|
||||||
|
# 4. 删除日志文件
|
||||||
|
echo "删除日志文件..."
|
||||||
|
if [ -f "${LOG_FILE}" ]; then
|
||||||
|
rm -f "${LOG_FILE}"
|
||||||
|
echo "已删除日志文件: ${LOG_FILE}"
|
||||||
|
else
|
||||||
|
echo "日志文件不存在，跳过"
|
||||||
|
fi
|
||||||
|
|
||||||
|
# 5. 重启node_exporter
|
||||||
|
restart_node_exporter
|
||||||
|
|
||||||
|
# 6. 验证结果
|
||||||
|
echo "===== 卸载完成 ====="
|
||||||
|
echo "node_exporter状态: $(systemctl is-active "${NODE_EXPORTER_SERVICE}" 2>/dev/null || echo "未安装")"
|
||||||
|
}
|
||||||
|
|
||||||
|
# 主逻辑
|
||||||
|
check_root
|
||||||
|
|
||||||
|
# 参数检查
|
||||||
|
if [ $# -ne 1 ]; then
|
||||||
|
echo "错误: 必须指定--install或--uninstall" >&2
|
||||||
|
show_help
|
||||||
|
exit 1
|
||||||
|
fi
|
||||||
|
|
||||||
|
# 执行对应操作
|
||||||
|
case "$1" in
|
||||||
|
--install)
|
||||||
|
install_script
|
||||||
|
;;
|
||||||
|
--uninstall)
|
||||||
|
uninstall_script
|
||||||
|
;;
|
||||||
|
--help)
|
||||||
|
show_help
|
||||||
|
exit 0
|
||||||
|
;;
|
||||||
|
*)
|
||||||
|
echo "错误: 未知参数 '$1'" >&2
|
||||||
|
show_help
|
||||||
|
exit 1
|
||||||
|
;;
|
||||||
|
esac
|
||||||
Loading…
Reference in New Issue