概要
Google Cloud TPU 製品は、スケーラブルで使いやすいクラウドコンピューティングリソースを通じて Tensor Processing Unit (TPU) を利用できるようにします。ML 研究者、ML エンジニア、開発者、データサイエンティストの誰もが最先端の ML (機械学習) モデルを実行できます。
Datadog Google Cloud Platform インテグレーションを使用して、Google Cloud TPU からメトリクスを収集できます。
セットアップ
インストール
Google Cloud Platform インテグレーションをまだセットアップしていない場合は、最初にセットアップします。それ以上のインストール手順はありません。
収集データ
Google Cloud TPU のログは Google Cloud Logging で収集され、Cloud Pub/Sub トピックを通じて Dataflow ジョブに送信されます。まだの場合は、Datadog Dataflow テンプレートでロギングをセットアップしてください。
これが完了したら、Google Cloud TPU のログを Google Cloud Logging から Pub/Sub トピックへエクスポートします。
- Google Cloud Logging のページに移動し、Google Cloud TPU のログを絞り込みます。
- Create Export をクリックし、シンクに名前を付けます。
- 宛先として “Cloud Pub/Sub” を選択し、その目的で作成された Pub/Sub トピックを選択します。注: Pub/Sub トピックは別のプロジェクトに配置できます。
- 作成をクリックし、確認メッセージが表示されるまで待ちます。
収集データ
メトリクス
gcp.tpu.cpu.utilization
(gauge) | Utilization of CPUs on the TPU Worker as a percent.
Shown as percent |
gcp.tpu.memory.usage
(gauge) | Memory usage in bytes.
Shown as byte |
gcp.tpu.network.received_bytes_count
(count) | Cumulative bytes of data this server has received over the network.
Shown as byte |
gcp.tpu.network.sent_bytes_count
(count) | Cumulative bytes of data this server has sent over the network.
Shown as byte |
gcp.tpu.accelerator.duty_cycle
(count) | Percentage of time over the sample period during which the accelerator was actively processing
Shown as percent |
gcp.tpu.instance.uptime_total
(count) | Elapsed time since the VM was started, in seconds.
Shown as second |
gcp.gke.node.accelerator.tensorcore_utilization
(count) | Current percentage of the Tensorcore that is utilized.
Shown as percent |
gcp.gke.node.accelerator.duty_cycle
(count) | Percent of time over the past sample period (10s) during which the accelerator was actively processing.
Shown as percent |
gcp.gke.node.accelerator.memory_used
(count) | Total accelerator memory allocated in bytes.
Shown as byte |
gcp.gke.node.accelerator.memory_total
(count) | Total accelerator memory in bytes.
Shown as byte |
gcp.gke.node.accelerator.memory_bandwidth_utilization
(count) | Current percentage of the accelerator memory bandwidth that is being used.
Shown as percent |
gcp.gke.container.accelerator.tensorcore_utilization
(count) | Current percentage of the Tensorcore that is utilized.
Shown as percent |
gcp.gke.container.accelerator.duty_cycle
(count) | Percent of time over the past sample period (10s) during which the accelerator was actively processing.
Shown as percent |
gcp.gke.container.accelerator.memory_used
(count) | Total accelerator memory allocated in bytes.
Shown as byte |
gcp.gke.container.accelerator.memory_total
(count) | Total accelerator memory in bytes.
Shown as byte |
gcp.gke.container.accelerator.memory_bandwidth_utilization
(count) | Current percentage of the accelerator memory bandwidth that is being used.
Shown as percent |
イベント
Google Cloud TPU インテグレーションには、イベントは含まれません。
サービスチェック
Google Cloud TPU インテグレーションには、サービスのチェック機能は含まれません。
トラブルシューティング
ご不明な点は、Datadog のサポートチームまでお問い合わせください。
