ideallove

docker run -d \
--name nvidia_smi_exporter \
--restart unless-stopped \
--device /dev/nvidiactl:/dev/nvidiactl \
--device /dev/nvidia0:/dev/nvidia0 \
-v /usr/lib/x86_64-linux-gnu/libnvidia-ml.so:/usr/lib/x86_64-linux-gnu/libnvidia-ml.so \
-v /usr/lib/x86_64-linux-gnu/libnvidia-ml.so.1:/usr/lib/x86_64-linux-gnu/libnvidia-ml.so.1 \
-v /usr/bin/nvidia-smi:/usr/bin/nvidia-smi \
-p 9835:9835 \
utkuozdemir/nvidia_gpu_exporter:1.2.0

# 建立持久化儲存卷以儲存資料
docker volume create prometheus-data

# 我的全域設定
global:
  scrape_interval: 15s # 將採集間隔設定為每 15 秒。預設為每 1 分鐘。
  evaluation_interval: 15s # 每 15 秒評估規則。預設為每 1 分鐘。
  # scrape_timeout 設定為全域預設值 (10s)。
# Alertmanager 設定
alerting:
  alertmanagers:
    - static_configs:
        - targets:
          # - alertmanager:9093
# 根據全域 'evaluation_interval' 設定，一次性載入規則並定期評估它們。
rule_files:
  # - "first_rules.yml"
  # - "second_rules.yml"
# 包含僅包含一個端點的採集配置：
# 在這裡是 Prometheus 本身。
scrape_configs:
  # 工作名稱將作為標籤 `job=<job_name>` 添加到從此配置中採集的任何時間序列。
  - job_name: "prometheus"
    # metrics_path 預設為 '/metrics'
    # scheme 預設為 'http'。
    static_configs:
      - targets: ["localhost:9090"]
  - job_name: "GPU"
    static_configs:
      - targets: ["172.17.0.1:9835"] 

# 啟動 Prometheus 容器
docker run -d \
    -p 9090:9090 \
    -v /root/monitor/prometheus.yml:/etc/prometheus/prometheus.yml \
    -v prometheus-data:/prometheus \
    prom/prometheus

# 建立持久化儲存卷以儲存資料
docker volume create grafana-storage

# 啟動 Grafana
docker run -d -p 3000:3000 --name=grafana \
  --volume grafana-storage:/var/lib/grafana \
  grafana/grafana-enterprise