WebCal
Ctrl K

向导

性能指标监控

向导集成常见问题支持
定价博客
快速开始充值与计费学术资源加速快速开始简介维护与故障网络
平台信息JetBrain ProjectorTmpWebCal学者计划@2026公测/宿迁A区介绍关于我们实例间数据拷贝服务器的性能指标分析潮汐算力负载均衡
国产芯片使用华为MindIE华为昇腾NPU摩尔线程GPU
配置环境CUDA/cuDNNMinicondaPython3.X依赖安装概要镜像
企业高级功能弹性部署弹性部署更新日志弹性部署最佳实践性能指标监控
容器实例JupyterLabSSH远程连接保存镜像升降配置多机多卡并行守护进程概述转换计费方式迁移实例(同地区)迁移实例远程桌面重置系统
如何选择 GPUGPU选型性能实测
数据上传数据下载数据公开数据公网网盘(强烈推荐)压缩 / 解压文件存储本地数据盘概要
最佳实践FileZillaGitGromacsHuggingFaceKataGoLinux基础MPIOpenCLPyCharm远程开发R(Rstudio)安装SSH隧道TensorBoardVSCode远程开发VisdomVulkanXShell开放端口微信消息性能篇暴露多个服务省钱绝招计算精度问题软件源

企业高级功能

性能指标监控

2026/07/3082065 次浏览

仅企业认证后的账号可用

方式一:容器内API主动获取

使用以下代码在容器内(容器实例或者弹性部署的容器)执行获取CPU、内存、GPU监控信息

import requests
import json

# url地址不同容器都一样,均使用127.0.0.1进行获取
url = 'http://127.0.0.1:2022/autopanel/v1/api/monitor/current'
response = requests.get(url)
content = response.content.decode()
if response.status_code == 200 and "success" in content:
    metric = json.loads(content)['data']
    print(f"CPU Usage: {metric['cpu_usage']} %")
    print(f"Mem Usage: {metric['memory_usage']} MiB")
    print("GPU Info:")
    gpu_metrics = metric.get('gpu_list', [])
    for gm in gpu_metrics:
        print(f"\tIdx:{gm['index']}  Mem Usage: {gm['memory_used']} MiB  Utilization: {gm['utilization']} %")

方式二:推送至Prometheus

您可以在WebCal上配置托管您自己的Prometheus的PushGateway账号密码,WebCal将自动推送容器的metric数据至您私有Prometheus数据库,进而您可以通过其他的技术栈比如Grafana查看所有容器的监控数据。注意:Prometheus、PushGateway、Grafana等均由您自己提供,WebCal只进行数据的推送。

配置并开启推送监控数据到Prometheus

开启后新创建/重启的容器将会开始推送Metric数据

如何可视化这些Metric数据请使用Grafana等做进一步配置

下一篇公测/宿迁A区介绍
WebCal文档返回向导