Hacktoberfest 2026: le issue che i maintainer hanno segnato per ottobre, aperte e adatte ai principianti. Sfoglia le issue Hacktoberfest

Slurm audit does not detect dcgm-exporter when Slurm runs on Kubernetes

Chiusa
  • Qualcosa non va?
#33 0 commenti 0 reazioni 0 assegnatari Vedi su GitHub

I maintainer di solito rispondono entro 2 giorni

@robTheBuildr ci sta già lavorando.

Dal 8/10/2026.

  • #35 di @robTheBuildr — aperta

Valutazione

Difficoltà
2/5
Tempo stimato
1-3 ore
Idoneità per principianti
38/100
Tipo di issue
Bug
Chiarezza
Specificata chiaramente
Stato di attività
Ferma
Stack tecnologico
kubernetes, python, shell
Ambito
devops, observability

Direzione di ricerca

Start with the head-node checks in cluster-audit-slurm.sh around lines 2902 and 2907, then inspect how the audit reports the exporter status. Verify that the login pod can reach the listed Service and that its /metrics endpoint returns DCGM_FI_ metrics. Done means the audit detects and counts a reachable exporter; pull request #35 is already open for this issue.

Scritto dal modello di indicizzazione a partire dal testo della issue.

Descrizione

Version: master at 1492ac5.

On Slurm on Kubernetes, the Slurm audit reports DCGM exporter not installed (FAIL). The GPU Operator runs dcgm-exporter 4.8.4 on all GPU nodes (18 of 18 pods ready).

The head-node checks look for a local listener on :9400 (cluster-audit-slurm.sh:2902) and a dcgm-exporter systemd unit (:2907). On Slurm on Kubernetes the head node is a login pod. The exporter is a DaemonSet in other pods on the GPU nodes. The login pod has no listener on :9400, no systemd unit and no exporter process.

The login pod can get the metrics through the exporter Service:

$ curl -s http://nvidia-dcgm-exporter.gpu-operator.svc:9400/metrics | grep -c '^DCGM_FI_'
180

Expected: the audit counts an exporter that the head node can reach and that serves DCGM metrics.

Lingua principale
Python
Stelle
44
Fork
8
Merge medio
2g 17h
PR unite (30g)
38

Preparare l'ambiente

Questo progetto non fornisce container di sviluppo, Dockerfile né guida per i contributori, quindi l'ambiente è a tuo carico: parti dal suo README e consulta la nostra guida al primo contributo per i passaggi generali.

Come iniziare

  1. Leggi tutta la issue e poi la guida ai contributi del progetto.
  2. Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
  3. Fai un fork del repository e lavora su un branch.
  4. Apri una pull request che faccia riferimento al numero della issue.

Altre issue di SemiAnalysisAI/ClusterMAX

Tutte le issue di SemiAnalysisAI/ClusterMAX

Issue simili

Altre issue su Python

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.