NVIDIA/dcgm-exporter

NVIDIA DCGM Exporter – 概要

DCGM Exporterは、NVIDIAのData Center GPU Manager (DCGM)からテレメトリを読み取り、そのデータをPrometheusテキスト形式で利用可能にする小さなサービスです。実際には、GPUの健全性、使用率、温度、消費電力、メモリ使用量、その他多くのカウンターを、Prometheus互換の監視スタック（Grafana、OpenObserveなど）でスクレイピングできるようになります。

主な目的

GPUメトリクスの公開: DCGMから広範なカウンターを取得し、Prometheusメトリクスとして提示します。
可観測性ツールとの統合: Kubernetesやベアメタルサーバーへの迅速なデプロイのために、Helmチャート、コンテナイメージ、すぐに使えるGrafanaダッシュボードが付属しています。

リポジトリに含まれる主なコンポーネント

コンポーネント	内容
Exporterソース	DCGMライブラリと通信し、メトリクスをフォーマットするGoコード。
コンテナ・パッケージビルド	簡単にインストールするためのDockerイメージとパッケージマニフェスト。
Helmチャート	Kubernetesマニフェストと設定ヘルパー (`deployment/README.md`)。
テスト	エンドツーエンドのKubernetesテスト (`tests/k8s/README.md`) およびコンテナレベルのテスト (`tests/container/README.md`)。
ダッシュボード	GrafanaダッシュボードJSON (`grafana/dcgm-exporter-dashboard.json`) およびコミュニティダッシュボードへのリンク (Grafana.com, OpenObserve)。
デフォルトメトリクスリスト	デフォルトで収集されるカウンターを定義するCSV (`etc/default-counters.csv`)。

開始方法 (READMEに記載)

インストール – READMEにリンクされているNVIDIAの公式インストールガイドに従ってください。
Prometheusの設定 – Prometheusのスクレイプ設定にexporterのエンドポイントを追加します (リンク参照)。
検証 – コマンドラインリファレンスを使用して、メトリクスが送信されていることを確認します。
可視化 – 提供されているGrafanaダッシュボードをインポートするか、コミュニティのOpenObserveダッシュボードを使用します。

互換性に関する注意

Exporterは、ビルド対象となった同じDCGMバージョンとペアにする必要があります。READMEには、サポートされているDCGM-exporterの組み合わせとリモート接続オプションをリストしたバージョン互換性ページへのリンクがあります。

貢献とサポート

貢献ガイドラインは CONTRIBUTING.md にあります。
問題やコミュニティのヘルプはGitHubのissuesページで扱われます。
セキュリティレポートはNVIDIAの製品セキュリティプロセスを通じて送信してください (SECURITY.md を参照)。

ターゲットユーザー

システム管理者: GPU集約型クラスター（AIトレーニング、推論、HPC）を管理する方。
DevOps/可観測性エンジニア: アラートやダッシュボードのためにPrometheus互換のメトリクスを必要とする方。
開発者: GPUの健全性に関するカスタム監視や自動スケーリングロジックを構築する方。

結論: DCGM Exporterは、NVIDIAのGPU管理レイヤーとPrometheusエコシステムを結ぶ本番環境対応のブリッジであり、AIやハイパフォーマンスコンピューティング環境におけるGPUリソースの信頼性の高い監視を実現します。