Telegraf数据信息说明

运行Telegraf后，会显示监测的昇腾AI处理器的数据信息，回显示例如下，仅供参考，以实际回显为准。数据信息的详细说明参见下文或数据信息说明.xlsx。

...
Ascend910-0,host=xxx  npu_chip_link_speed=104857600000i,npu_chip_roce_rx_cnp_pkt_num=0i,npu_chip_roce_unexpected_ack_num=0i,npu_chip_optical_vcc=3245.1,npu_chip_optical_rx_power_1=0.8585,npu_chip_info_hbm_used_memory=0i,npu_chip_mac_rx_pause_num=0i,npu_chip_roce_tx_all_pkt_num=0i,npu_chip_roce_tx_cnp_pkt_num=0i,npu_chip_info_temperature=46,npu_chip_mac_rx_bad_pkt_num=0i,npu_chip_roce_tx_err_pkt_num=0i,npu_chip_optical_rx_power_3=0.8466,npu_chip_optical_rx_power_0=0.7933,npu_chip_info_network_status=0i,npu_chip_mac_rx_pfc_pkt_num=0i,npu_chip_mac_tx_bad_pkt_num=0i,npu_chip_roce_rx_all_pkt_num=0i,npu_chip_mac_rx_bad_oct_num=0i,npu_chip_optical_tx_power_1=0.9162,npu_chip_info_utilization=0,npu_chip_info_power=73.9000015258789,npu_chip_info_link_status=1i,npu_chip_info_bandwidth_rx=0,npu_chip_mac_tx_pfc_pkt_num=0i,npu_chip_roce_rx_err_pkt_num=0i,npu_chip_roce_verification_err_num=0i,npu_chip_optical_state=1i,npu_chip_info_bandwidth_tx=0,npu_chip_mac_tx_bad_oct_num=0i,npu_chip_roce_out_of_order_num=0i,npu_chip_roce_qp_status_err_num=0i,npu_chip_optical_rx_power_2=0.855,npu_chip_optical_tx_power_0=0.9095,npu_chip_info_hbm_utilization=0,npu_chip_link_up_num=2i,npu_chip_info_health_status=1i,npu_chip_mac_tx_pause_num=0i,npu_chip_roce_new_pkt_rty_num=0i,npu_chip_optical_temp=53,npu_chip_optical_tx_power_2=1.0342,npu_chip_optical_tx_power_3=0.9715 1694772754612200641,npu_chip_info_process_info_num=0i

NPU Exporter是通过调用底层的HDK接口，获取相应的信息。数据信息调用的HDK接口请参考调用的HDK接口。
若查询某个数据信息时，NPU Exporter组件不支持该设备形态或调用HDK接口失败，则不会上报该数据信息。

本接口提供查询的Telegraf labels包含几个部分。

版本数据信息
NPU数据信息
vNPU数据信息
Network数据信息
片上内存数据信息
HCCS数据信息
PCIe数据信息
RoCE数据信息
SIO数据信息
光模块数据信息
DDR数据信息

版本数据信息

表1 版本数据信息
类别	数据信息名称	数据信息说明	单位	支持的产品形态
版本	npu_exporter_version_info	NPU Exporter版本信息	-	Atlas 训练系列产品 Atlas A2 训练系列产品 Atlas A3 训练系列产品推理服务器（插Atlas 300I 推理卡） Atlas 推理系列产品 Atlas 800I A2 推理服务器 A200I A2 Box 异构组件

NPU数据信息

表2 NPU数据信息
类别	数据信息名称	数据信息说明	单位	支持的产品形态
NPU	machine_npu_nums	昇腾AI处理器数目	单位：个	Atlas 训练系列产品 Atlas A2 训练系列产品 Atlas A3 训练系列产品推理服务器（插Atlas 300I 推理卡） Atlas 推理系列产品 Atlas 800I A2 推理服务器 A200I A2 Box 异构组件
NPU	npu_chip_info_name	昇腾AI处理器名称和ID	-
NPU	npu_chip_info_health_status	昇腾AI处理器健康状态。	取值为0或 1：健康 0：不健康
NPU	npu_chip_info_power	昇腾AI处理器功耗。	单位：瓦特（W）
NPU	npu_chip_info_vector_utilization	昇腾AI处理器AI Vector利用率。	单位：%
NPU	npu_chip_info_temperature	昇腾AI处理器温度。	单位：摄氏度（℃）
NPU	第一个错误码为：npu_chip_info_error_code 其他错误码：npu_chip_info_error_code_X	昇腾AI处理器错误码。当昇腾AI处理器上没有错误码时，不会上报该字段。说明： Prometheus场景：若该昇腾AI处理器上同时存在多个错误码，由于Prometheus格式限制，当前只支持上报前十个出现的错误码。X的取值范围：1~9 Telegraf场景：最多支持上报128个错误码。错误码的详细说明，可以通过芯片故障码参考文档获取对应的参考文档。	-
NPU	npu_chip_info_process_info_num	占用昇腾AI处理器的进程数量。	-
NPU	npu_chip_info_utilization	昇腾AI处理器的AI Core利用率。	单位：%
NPU	npu_chip_info_aicore_current_freq	昇腾AI处理器的AI Core当前频率	单位：MHz
NPU	npu_chip_info_process_info	占用昇腾AI处理器的进程的信息，仅当没有进程占用昇腾AI处理器时上报，值为0	单位：MB
NPU	npu_chip_info_process_info_PID	占用昇腾AI处理器的进程信息，其中PID为进程在宿主机上的PID；取值为进程使用的内存。	单位：MB
NPU	npu_chip_info_voltage	昇腾AI处理器电压	单位：伏特（V）
NPU	npu_chip_info_network_status	昇腾AI处理器的网络健康状态。	取值为0或1 1：健康，可以联通 0：不健康，无法联通	Atlas 训练系列产品 Atlas A2 训练系列产品 Atlas A3 训练系列产品 Atlas 800I A2 推理服务器 A200I A2 Box 异构组件
NPU	npu_chip_info_overall_utilization	昇腾AI处理器整体利用率	单位：%	Atlas A2 训练系列产品 Atlas A3 训练系列产品 Atlas 推理系列产品 Atlas 800I A2 推理服务器 A200I A2 Box 异构组件

vNPU数据信息

表3 vNPU数据信息
类别	数据信息名称	数据信息说明	单位	支持的产品形态
vNPU	vnpu_pod_aicore_utilization	vNPU的AI Core利用率	单位：%	Atlas 推理系列产品
vNPU	vnpu_pod_total_memory	vNPU拥有的总内存	单位：KB
vNPU	vnpu_pod_used_memory	vNPU使用中的内存	单位：KB

Network数据信息

表4 Network数据信息
类别	数据信息名称	数据信息说明	单位	支持的产品形态
Network	npu_chip_info_bandwidth_rx	昇腾AI处理器的网口实时接收速率。	单位：MB/s	Atlas 训练系列产品 Atlas A2 训练系列产品 Atlas A3 训练系列产品 Atlas 800I A2 推理服务器 A200I A2 Box 异构组件
Network	npu_chip_info_bandwidth_tx	昇腾AI处理器的网口实时发送速率。	单位：MB/s
Network	npu_chip_info_link_status	昇腾AI处理器的网口Link状态。	取值为0或1 1：UP 0：DOWN
Network	npu_chip_link_speed	昇腾AI处理器网口默认速率。	单位：MB/s
Network	npu_chip_link_up_num	昇腾AI处理器网口UP的统计次数。	单位：次

片上内存数据信息

表5 片上内存数据信息
类别	数据信息名称	数据信息说明	单位	支持的产品形态
片上内存	npu_chip_info_hbm_used_memory	昇腾AI处理器的片上内存已使用量。	单位：MB	Atlas 训练系列产品 Atlas A2 训练系列产品 Atlas A3 训练系列产品 A200I A2 Box 异构组件 Atlas 800I A2 推理服务器
片上内存	npu_chip_info_hbm_total_memory	昇腾AI处理器片上总内存。	单位：MB
片上内存	npu_chip_info_hbm_utilization	昇腾AI处理器的片上内存利用率。	单位：%
片上内存	npu_chip_info_hbm_ecc_enable_flag	昇腾AI处理器片上内存的ECC使能状态。	取值为1或0 0：ECC检测未使能 1：ECC检测使能
片上内存	npu_chip_info_hbm_ecc_single_bit_error_cnt	昇腾AI处理器片上内存单比特当前错误计数。	-
片上内存	npu_chip_info_hbm_ecc_double_bit_error_cnt	昇腾AI处理器片上内存多比特当前错误计数。	-
片上内存	npu_chip_info_hbm_ecc_total_single_bit_error_cnt	昇腾AI处理器片上内存生命周期内所有单比特错误数量。	-
片上内存	npu_chip_info_hbm_ecc_total_double_bit_error_cnt	昇腾AI处理器片上内存生命周期内所有多比特错误数量。	-
片上内存	npu_chip_info_hbm_ecc_single_bit_isolated_pages_cnt	昇腾AI处理器片上内存单比特错误隔离内存页数量。	-
片上内存	npu_chip_info_hbm_ecc_double_bit_isolated_pages_cnt	昇腾AI处理器片上内存多比特错误隔离内存页数量。	-

HCCS数据信息

表6 HCCS数据信息
类别	数据信息名称	数据信息说明	单位	支持的产品形态
HCCS	npu_chip_info_hccs_statistic_info_tx_cnt_X X范围：1~7（Atlas A2 训练系列产品或Atlas 900 A3 SuperPoD），2~7（Atlas 9000 A3 SuperPoD）	第X个HDLC链路发送报文数，单位是flit。采集失败时上报-1。	-	Atlas A2 训练系列产品 Atlas A3 训练系列产品
HCCS	npu_chip_info_hccs_statistic_info_rx_cnt_X X范围：1~7（Atlas A2 训练系列产品或Atlas 900 A3 SuperPoD），2~7（Atlas 9000 A3 SuperPoD）	第X个HDLC链路接收报文数，单位是flit。采集失败时上报-1。	-
HCCS	npu_chip_info_hccs_statistic_info_crc_err_cnt_X X范围：1~7（Atlas A2 训练系列产品或Atlas 900 A3 SuperPoD），2~7（Atlas 9000 A3 SuperPoD）	第X个HDLC链路接收报文crc错误，单位是flit。采集失败时上报-1。	-
HCCS	npu_chip_info_hccs_bandwidth_info_profiling_time	HCCS链路带宽采样时长，取值范围1~1000。	单位：ms
HCCS	npu_chip_info_hccs_bandwidth_info_total_tx	HCCS链路总发送数据带宽，采集失败时上报-1。	单位：GB/S
HCCS	npu_chip_info_hccs_bandwidth_info_total_rx	HCCS链路总接收数据带宽，采集失败时上报-1。	单位：GB/S
HCCS	npu_chip_info_hccs_bandwidth_info_tx_X X范围：1~7（Atlas A2 训练系列产品、Atlas 900 A3 SuperPoD），2~7（Atlas 9000 A3 SuperPoD）。	HCCS单链路发送数据带宽，采集失败时上报-1。	单位：GB/S
HCCS	npu_chip_info_hccs_bandwidth_info_rx_X X范围：1~7（Atlas A2 训练系列产品、Atlas 900 A3 SuperPoD），2~7（Atlas 9000 A3 SuperPoD）	HCCS单链路接收数据带宽，采集失败时上报-1。	单位：GB/S

PCIe数据信息

表7 PCIe数据信息
类别	数据信息名称	数据信息说明	单位	支持的产品形态
PCIe	npu_chip_info_pcie_rx_p_bw	昇腾AI处理器向远端写PCIe带宽	单位：MB/ms	Atlas A2 训练系列产品 Atlas 800I A2 推理服务器 A200I A2 Box 异构组件
PCIe	npu_chip_info_pcie_rx_np_bw	昇腾AI处理器从远端读PCIe带宽	单位：MB/ms
PCIe	npu_chip_info_pcie_rx_cpl_bw	昇腾AI处理器回复远端读操作CPL的PCIe带宽	单位：MB/ms
PCIe	npu_chip_info_pcie_tx_p_bw	昇腾AI处理器接收远端写的PCIe带宽	单位：MB/ms
PCIe	npu_chip_info_pcie_tx_np_bw	昇腾AI处理器从远端读的PCIe带宽	单位：MB/ms
PCIe	npu_chip_info_pcie_tx_cpl_bw	昇腾AI处理器设备回复远端读操作CPL的PCIe带宽	单位：MB/ms

RoCE数据信息

表8 RoCE数据信息
类别	数据信息名称	数据信息说明	单位	支持的产品形态
RoCE	npu_chip_mac_rx_pause_num	MAC接收的pause帧总报文数。	-	Atlas 训练系列产品 Atlas A2 训练系列产品 Atlas A3 训练系列产品 Atlas 800I A2 推理服务器 A200I A2 Box 异构组件
RoCE	npu_chip_mac_tx_pause_num	MAC发送的pause帧总报文数。	-
RoCE	npu_chip_mac_rx_pfc_pkt_num	MAC接收的PFC帧总报文数。	-
RoCE	npu_chip_mac_tx_pfc_pkt_num	MAC发送的PFC帧总报文数。	-
RoCE	npu_chip_mac_rx_bad_pkt_num	MAC接收的坏包总报文数。	-
RoCE	npu_chip_mac_tx_bad_oct_num	MAC发送的坏包总报文字节数。	-
RoCE	npu_chip_mac_rx_bad_oct_num	MAC接收的坏包总报文字节数。	-
RoCE	npu_chip_mac_tx_bad_pkt_num	MAC发送的坏包总报文数。	-
RoCE	npu_chip_roce_rx_all_pkt_num	RoCE接收的总报文数。	-
RoCE	npu_chip_roce_tx_all_pkt_num	RoCE发送的总报文数。	-
RoCE	npu_chip_roce_rx_err_pkt_num	RoCE接收的坏包总报文数。	-
RoCE	npu_chip_roce_tx_err_pkt_num	RoCE发送的坏包总报文数。	-
RoCE	npu_chip_roce_rx_cnp_pkt_num	RoCE接收的CNP类型报文数。	-
RoCE	npu_chip_roce_tx_cnp_pkt_num	RoCE发送的CNP类型报文数。	-
RoCE	npu_chip_roce_new_pkt_rty_num	RoCE发送的重传的数量统计。	-
RoCE	npu_chip_roce_unexpected_ack_num	RoCE接收的非预期ACK报文数，NPU做丢弃处理，不影响业务。	-
RoCE	npu_chip_roce_out_of_order_num	RoCE接收的PSN > 预期PSN的报文，或重复PSN报文数。乱序或丢包，会触发重传。	-
RoCE	npu_chip_roce_verification_err_num	RoCE接收的域段校验失败的报文数，域段校验的场景包括：icrc、报文长度、目的端口号等。	-
RoCE	npu_chip_roce_qp_status_err_num	RoCE接收的QP连接状态异常产生的报文数。	-
RoCE	npu_chip_info_rx_ecn_num	昇腾AI处理器网络接收ECN数。	-
RoCE	npu_chip_info_rx_fcs_num	昇腾AI处理器网络接收FCS数。	-

SIO数据信息

表9 SIO数据信息
类别	数据信息名称	数据信息说明	单位	支持的产品形态
SIO	npu_chip_info_sio_crc_tx_err_cnt	Sio发送的错包数	-	Atlas A3 训练系列产品
SIO	npu_chip_info_sio_crc_rx_err_cnt	Sio接收的错包数	-	Atlas A3 训练系列产品

光模块数据信息

**表10** 光模块数据信息
类别	数据信息名称	数据信息说明	单位	支持的产品形态
光模块	npu_chip_optical_state	光模块在位状态。	取值为0或1 0：不在位 1：在位	Atlas 训练系列产品 Atlas A2 训练系列产品 Atlas 900 A3 SuperPoD 超节点 Atlas 800I A2 推理服务器 A200I A2 Box 异构组件
光模块	npu_chip_optical_tx_power_X（X范围：0~3）	光模块发送功率。	单位：mW
光模块	npu_chip_optical_rx_power_X（X范围：0~3）	光模块接收功率。	单位：mW
光模块	npu_chip_optical_vcc	光模块电压。	单位：mV
光模块	npu_chip_optical_temp	光模块温度。	单位：摄氏度（℃）

DDR数据信息

**表11** DDR数据信息
类别	数据信息名称	数据信息说明	单位	支持的产品形态
DDR	npu_chip_info_used_memory	昇腾AI处理器DDR内存已使用量	单位：MB	Atlas 训练系列产品推理服务器（插Atlas 300I 推理卡） Atlas 推理系列产品
DDR	npu_chip_info_total_memory	昇腾AI处理器DDR内存总量	单位：MB	Atlas 训练系列产品推理服务器（插Atlas 300I 推理卡） Atlas 推理系列产品

调用的HDK接口

NPU Exporter是通过调用底层的HDK接口，获取相应的信息。数据信息调用的HDK接口请参考NPU Exporter调用的HDK接口.xlsx。查找数据信息对应的HDK接口，可参考如下步骤。

登录昇腾计算文档中心，选择单击对应产品名称，进入文档界面。例如Atlas 800I A2 推理服务器产品的用户，单击“Atlas 800I A2”。
在左侧导航栏找到“二次开发”，根据接口的类型选择对应文档。
- DCMI接口选择“API参考”，单击进入文档页面。
- HCCN Tool接口选择“接口参考”，单击进入文档页面。
在文档首页搜索栏中，直接搜索对应的接口名称或者关键词，获取接口的相关信息。

父主题： NPU Exporter