leptonai/gpud

これは何？

主な機能

• 01GPUの電力・温度メトリクスとGPUファブリックのメトリクスを収集します。
• 02nvidia-smiの出力を解析して、GPUとファブリックの状態を報告します。
• 03カーネルログ、NVML Xidイベント、ハードウェアのスローダウン、DCGMからエラーを検出します。
• 04ホストのCPU、メモリ、ディスク使用量を追跡します。
• 05単一のバイナリで提供され、systemd、フォアグラウンド、Kubernetes Helmによるデプロイに対応します。

ユースケース

• Linux GPUサーバーのフリート全体で健全性を監視し、故障したGPUを検出する。
• Helm chartを使って、Kubernetesクラスター上でGPUの健全性チェックを実行する。
• AIトレーニングノードで、Xid障害やハードウェアのスローダウンなどのGPUエラーを診断する。
• NVIDIA DGX Cloud LeptonにGPUマシンを登録する。

クイックスタート

1. 1

   README に記載されている公式インストールスクリプトを実行します（Linux amd64 または arm64）

2. 2

   systemd で GPUd サービスを起動します

   sudo gpud up

使う前に知っておきたいこと

• !NVIDIA GPU を搭載した Linux ホストが対象です。macOS と Windows には対応していません。
• !コマンドの実行には root 権限（sudo）が必要です。
• !ホストへのインストールでは、デフォルトで自動更新が有効になります。

収録されている特集

トピック

よくある質問

gpud とは？

LinuxホストやKubernetes上でNVIDIA GPUとGPUファブリックを継続的に監視し、ハードウェアエラーを検出してノードの健全性を報告するGo製デーモン。 GPUdは、Linuxマシン上のGPUを監視し、健全性、メトリクス、障害情報を一元的に把握できるスタンドアロンのバイナリです。電力と温度の値を収集し、nvidia-smiの出力を解析してGPUとファブリックの状態を確認するほか、カーネルメッセージ、ハードウェアのスローダウンイベント、NVML Xidイベント、DCGMからエラーを検出します。

gpud は無料で使えますか？ライセンスは？

gpud は Apache-2.0 ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。

gpud は今もメンテナンスされていますか？

活発にメンテナンス中。gpud の最終コミットは 2026年11月5日 です。

gpud は何に使えますか？

Linux GPUサーバーのフリート全体で健全性を監視し、故障したGPUを検出する。 Helm chartを使って、Kubernetesクラスター上でGPUの健全性チェックを実行する。 AIトレーニングノードで、Xid障害やハードウェアのスローダウンなどのGPUエラーを診断する。 NVIDIA DGX Cloud LeptonにGPUマシンを登録する。

gpud のインストール方法は？

README に記載されている公式インストールスクリプトを実行します（Linux amd64 または arm64） systemd で GPUd サービスを起動します: sudo gpud up

gpud はどこで入手できますか？

ソースコードとインストール手順は GitHub にあります：https://github.com/leptonai/gpud