AI开发平台MODELARTS-查看训练作业监控指标:自定义监控指标上报到AOM

时间：2025-04-01 16:17:49

AI开发平台MODELARTS 管理模型训练作业

自定义监控指标上报到AOM

除了ModelArts控制台可以直接查看的训练作业相关指标外，还支持自定义监控指标上报到AOM控制台查看。配置步骤如下。

准备训练代码，在训练代码中增加指标监控的代码。具体代码示例如下。准备训练代码的其它要求请参见准备模型训练代码。

代码中倒数第2行的region = "cn-southwest-2"参数值请替换成实际region值，region取值可以参考终端节点。

代码中增加监控指标数据，具体参数解释参考AOM文档。

# coding: utf-8
import os

from huaweicloudsdkaom.v2 import *
from huaweicloudsdkaom.v2.region.aom_region import AomRegion
from huaweicloudsdkcore.auth.credentials import BasicCredentials
from huaweicloudsdkcore.exceptions import exceptions
from moxing.framework import cloud_utils


def report2Aom(request,region):
    auth = cloud_utils.get_auth() #AK、SK和临时TOKEN值，系统会自动获取无需在代码中填写。

    ak = auth.AK
    sk = auth.SK
    securityToken = auth.TOKEN

    projectId = os.environ.get("MA_ IAM _PROJECT_ID")
    credentials = BasicCredentials(ak, sk, projectId).with_security_token(securityToken)
    client = AomClient.new_builder() \
        .with_credentials(credentials) \
        .with_region(AomRegion.value_of(region)) \
        .build()
    try:
        response = client.add_metric_data(request)
        print(response)
    except Exception as e:
        print(e)
if __name__ == "__main__":

    request = AddMetricDataRequest()
    listValuesBody = [
        #下面填上对应的指标名称、类型、单位、数值，比如step_time、loss值等
        ValueData(
            metric_name="step_time", #监控指标名称，例如step_time
            type="float",  #指标的数据类型，取值范围只能是"int"或"float"。
            unit="ms",     #数据的单位。长度不超过32个字符，此处举例为ms
            value=135.572  #指标数据的值。取值范围有效的数值类型。最小值0
        ),
        ValueData(
            metric_name="loss",
            type="float",
            value=0.6932
        )
    ]
    listDimensionsMetric = [
        #下面填上想查看的指标维度，比如线程、host等等
        Dimension2(
            name="cluster_name",#此处仅为举例示意，请替换为实际需要查看的指标维度
            value="fab2c5cf438b4f0c851fdcdf"# 此处仅为举例示意，请替换为实际参数值
        ),
        Dimension2(
            name="user_name",
            value="modelarts_02" # 此处仅为举例示意，请替换为实际参数值
        ),
        Dimension2(
            name="user_id",
            value="04f258c8fb00d42a1f6xxx" # 此处仅为举例示意，请替换为实际参数值
        )
    ]
    metricBody = MetricItemInfo(
        dimensions=listDimensionsMetric,
        namespace="NOPAAS.ESC"  #保持默认值即可，无需修改
    )
    listBodybody = [
        MetricDataItem(
            collect_time=int(round(time.time()*1000)),  #监控指标数据收集时间，为最新的时间戳，ms为单位
            metric=metricBody,
            values=listValuesBody
        )
    ]
    request.body = listBodybody
    region = "cn-southwest-2"  #请根据实际region替换
    response = report2Aom(request,region)

在训练代码中加入命令，用于加载对应的依赖包。如果使用的是自定义镜像，也可以在制作镜像时安装以下依赖，具体参见开发用于自定义镜像训练的代码。
```
pip install huaweicloudsdkaom
pip install huaweicloudsdkcore
```
创建训练作业并运行，具体参考创建生产训练作业章节。
登录AOM控制台，在“指标浏览”页面，通过指定“指标”查看上报的指标数据。
图1 AOM上查看指标数据
参考告警上报配置方法章节设置AOM告警和通知机制。