Repolode
Enviar
leptonai

leptonai/gpud

Daemon em Go que monitora continuamente GPUs NVIDIA e o fabric de GPU, detecta erros de hardware e informa a saúde dos nós em hosts Linux e no Kubernetes.

Ver no GitHubSite
Estrelas
498
Forks
66
Issues abertas
4
Último commit
há 3 dias

O que é?

GPUd é um binário independente que monitora GPUs em máquinas Linux e reúne em um só lugar informações sobre saúde, métricas e falhas. Coleta leituras de consumo de energia e temperatura, interpreta a saída do nvidia-smi para verificar o status das GPUs e do fabric e detecta erros em mensagens do kernel, eventos de lentidão de hardware, eventos NVML Xid e no DCGM.

Além das GPUs, também acompanha métricas gerais do sistema, como uso de CPU, memória e disco. O monitoramento foi projetado para não interferir no caminho crítico das cargas de trabalho de IA/ML, mantendo baixo o consumo de CPU e memória.

O GPUd pode ser executado como um serviço systemd em um host, em primeiro plano ou implantado no Kubernetes com um chart oficial do Helm. Também é usado na infraestrutura de produção do NVIDIA DGX Cloud Lepton, que pode registrar máquinas com ele.

Recursos principais

  • 01Coleta métricas de consumo de energia e temperatura das GPUs, além de métricas do fabric de GPU.
  • 02Informa o status das GPUs e do fabric interpretando a saída do nvidia-smi.
  • 03Detecta erros em logs do kernel, eventos NVML Xid, lentidão de hardware e no DCGM.
  • 04Acompanha o uso de CPU, memória e disco no host.
  • 05É distribuído como um único binário, com opções de execução via systemd, em primeiro plano e implantação no Kubernetes com Helm.

Casos de uso

  • Monitorar a saúde e detectar GPUs com falhas em uma frota de servidores Linux com GPUs.
  • Executar verificações de saúde das GPUs em clusters Kubernetes usando o chart do Helm.
  • Diagnosticar erros de GPU, como falhas Xid ou lentidão de hardware, em nós de treinamento de IA.
  • Registrar máquinas com GPUs no NVIDIA DGX Cloud Lepton.

Início rápido

  1. 1

    Execute o script oficial de instalação indicado no README (Linux amd64 ou arm64)

  2. 2

    Inicie o serviço GPUd com systemd

    sudo gpud up

Antes de usar

  • É destinado a hosts Linux com GPUs NVIDIA; não é para macOS nem Windows.
  • Os comandos exigem privilégios de root (sudo).
  • Instalações no host ativam as atualizações automáticas por padrão.

Em coleções

Treine e execute IA em GPUsPlataformas de OpenTelemetry e observabilidade

Tópicos

#gpu#nvidia#monitoring#kubernetes#diagnostics#observability#linux#nvidia-gpu

Perguntas frequentes

O que é gpud?
Daemon em Go que monitora continuamente GPUs NVIDIA e o fabric de GPU, detecta erros de hardware e informa a saúde dos nós em hosts Linux e no Kubernetes. GPUd é um binário independente que monitora GPUs em máquinas Linux e reúne em um só lugar informações sobre saúde, métricas e falhas. Coleta leituras de consumo de energia e temperatura, interpreta a saída do nvidia-smi para verificar o status das GPUs e do fabric e detecta erros em mensagens do kernel, eventos de lentidão de hardware, eventos NVML Xid e no DCGM.
gpud é gratuito? Qual é a licença?
gpud é open source sob a licença Apache-2.0. Confira os termos da licença antes de usá-lo em produtos comerciais.
gpud ainda é mantido?
Manutenção ativa. O último commit de gpud foi em 5 de nov. de 2026.
Para que posso usar gpud?
Monitorar a saúde e detectar GPUs com falhas em uma frota de servidores Linux com GPUs. Executar verificações de saúde das GPUs em clusters Kubernetes usando o chart do Helm. Diagnosticar erros de GPU, como falhas Xid ou lentidão de hardware, em nós de treinamento de IA. Registrar máquinas com GPUs no NVIDIA DGX Cloud Lepton.
Como instalar gpud?
Execute o script oficial de instalação indicado no README (Linux amd64 ou arm64) Inicie o serviço GPUd com systemd: sudo gpud up
Onde consigo gpud?
O código-fonte e as instruções de instalação estão no GitHub: https://github.com/leptonai/gpud

Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.

Projetos relacionados