19 lines
1.9 KiB
Markdown
19 lines
1.9 KiB
Markdown
# GPU 健康、独占资源与终端日志归档
|
|
|
|
## 已实现
|
|
|
|
- `GET /api/v1/resources/gpus?node=...` 在每个 GPU 上返回 `health`：PVE PCI 清单中的驱动字段、驱动绑定状态、来源和采集时间。标准 PVE PCI 接口没有温度、利用率、显存指标；配置 `VDI_GPU_AGENT_TOKEN` 后，节点采集器通过 `POST /api/v1/gpu-agent/health` 上报近 10 分钟的真实指标，页面才显示 `status=collected`，没有上报时保持 `not_collected`。
|
|
- `GET /api/v1/resources/gpu-exclusive?node=...` 提供独占组分配前检查：advisory lock、成员完整性、PVE 实际电源、活跃终端会话、未完成任务、冲突原因、`allocationReady` 和 `releaseReady`。接口只读，不会关机、切换显卡或重放任务。
|
|
- 终端成功回传 `collect-logs` 后，日志写入 `terminal_log_archives`；终端正常运行时可通过设备令牌调用 `POST /api/v1/terminal/logs` 持续上报小批量事件，写入 `terminal_log_entries`。两类记录在 `GET /api/v1/terminal-logs` 统一检索，均按终端和时间建立索引、保留 30 天并执行脱敏。
|
|
- 高级版 GPU 页面显示健康状态、驱动绑定、独占资源冲突和释放条件；日志与诊断页面增加持续归档检索区。
|
|
|
|
## 真实边界
|
|
|
|
温度、利用率和显存需要节点采集代理或厂商工具接入，当前 API 明确显示“未采集”。独占资源的释放状态只代表平台检查条件满足，实际 GPU 切换仍走既有终端准备任务和核对流程。
|
|
|
|
## 验证
|
|
|
|
- `docker run --rm -v "${PWD}:/src" -w /src/platform golang:1.27-alpine sh -c 'go test ./...'` 通过。
|
|
- `npm run typecheck` 和生产构建通过。
|
|
- 真实控制台 `http://127.0.0.1:5182` 已重新部署；root 登录后真实读取独占组和 PVE GPU 清单，健康字段显示 `not_collected`，独占组正确报告 VM 101 正在运行导致不可分配。
|