DCSM 用户手册

MOFFETT Data Center SPU Manager（DCSM）是用于管理和监控墨芯 SPU 设备的工具，方便在集群和数据中心环境中对设备的管理操作。DCSM 提供以下两种交互接口：

  • dcsmi：用于管理和监控 SPU 性能与健康状态的命令行工具。

  • DCSM Exporter：用于单机或 Kubernetes 环境下的集群级监控。它可导出 SPU 的指标和健康数据，用于实时监控与告警，具体请参见 DCSM Exporter 用户手册。

部署 DCSM

前提条件

安装 SOLA Toolkit，具体请参见 SOLA Toolkit 安装指南。

操作步骤

  1. 获取 DCSM 安装包。

    wget https://moffett-oss-bucket.tos-cn-shanghai.volces.com/dcsm/dcsm_1.2.0_amd64.deb

  2. 安装 DCSM。

    注意

    使用 RPM 包安装 DCSM 时，确保 SOLA Toolkit 也使用 RPM 包安装，否则系统提示无法找到依赖的 libsola.so 包，导致安装失败。

    sudo dpkg -i dcsm_1.2.0_amd64.deb

  3. 通过 systemd 启动 DCSM 服务，即启动 mx-hostengine。

    sudo systemctl --now enable dcsm

  4. 安装后验证。

    a. 查看 DCSM 服务状态。如果服务正在运行，dcsm.service 状态显示为 active (running)。

    systemctl status dcsm

    # 以下为 Ubuntu 系统返回的 DCSM 服务状态示例
● dcsm.service - MOFFETT DCSM service
     Loaded: loaded (/lib/systemd/system/dcsm.service; enabled; vendor preset: enabled)
     Active: active (running) since Thu 2025-06-26 11:41:06 CST; 2s ago
   Main PID: 2043982 (mx-hostengine)
      Tasks: 5 (limit: 154137)
     Memory: 1.5M
        CPU: 46ms
     CGroup: /system.slice/dcsm.service
             └─2043982 /usr/bin/mx-hostengine -n

    b. 通过 dcsmi 工具查询墨芯设备信息。如返回设备信息，表示 DCSM 安装成功。

    dcsmi discovery -l

DCSM 主机引擎

DCSM 主机引擎（mx-hostengine）是设备监控的核心进程。在主机上安装 DCSM 后，其二进制文件位于 /usr/bin 目录。执行以下命令，将 mx-hostengine 注册为 systemd 服务，随 DCSM 服务启动，主机重启后会自动重启。

sudo systemctl --now enable dcsm

通过 systemd 方式启动 mx-hostengine 的相关配置由 /usr/lib/systemd/system/dcsm.service 文件指定，可根据实际情况需要修改，步骤如下：

  1. 打开并修改 dscm.service。

    sudo vim /usr/lib/systemd/system/dcsm.service

    [Unit]
Description=MOFFETT DCSM service

[Service]
User=root
PrivateTmp=false

ExecStart=/usr/bin/mx-hostengine -n # 启动 mx-hostengine 的命令，可选择配置下表所示的选项

Restart=on-abort

[Install]
WantedBy=multi-user.target

    mx-hostengine 命令支持设置以下选项：

    选项

    说明

    -h,--help

    显示帮助信息。

    --version

    显示 mx-hostengine 的版本信息。

    -t,--term

    尝试终止 mx-hostengine 守护进程（Best Effort）。

    -p,--port <port_number>

    指定监听的 TCP 端口号，默认值为 9494。用于客户端通过该端口访问 mx-hostengine。

    -d,--domain-socket <socket_path>

    指定 Unix 域套接字（Unix Domain Socket）路径作为通信通道，指定后不再启用 TCP 端口监听。默认路径为 /tmp/mx-hostengine。

    -n,--no-daemon

    不以守护进程方式启动 mx-hostengine。

    -b,--bind-interface <ip_address>

    指定监听的网络接口 IP 地址，默认为 localhost 或 127.0.0.1。如需实现被其他主机连接访问，设置为 all 或 0.0.0.0，即主机所有 IP 地址可被监听。

    --log-level

    指定日志级别，具体如下：
    - NONE：关闭日志
    - FATAL：仅记录致命错误
    - ERROR（默认值）：记录错误及更高级别信息
    - WARN：记录警告及更高级别信息
    - INFO：记录一般信息、警告和错误
    - DEBUG：记录所有调试信息

    -f,--log-filename <file_path>

    指定日志文件的输出路径，默认值 /var/log/dcsm/mx-hostengine.log。

  2. 重新加载配置。

    sudo systemctl daemon-reload

  3. 重启 DCSM 服务。

    sudo systemctl restart dcsm.service

另外，也可通过执行 sudo mx-hostengine 命令以守护进程方式手动启动 mx-hostengine。

使用 dcsmi 工具

dcsmi 是连接访问 mx-hostengine 的命令行工具，dcsmi 二进制文件位于 /usr/bin 目录。

命令格式：dcsmi [选项] 子命令

-h,--help

显示帮助信息。

--version

显示工具的版本信息。

子命令 discovery

显示 SPU 设备信息。

dcsmi discovery [选项]

--host <IP/FQDN>

指定连接的主机 IP 地址或域名（Fully Qualified Domain Name，FQDN），默认值为 localhost。

  • 如需连接的主机可被访问，建议在启动 DCSM 服务时通过 -b 选项指定监听所有 IP 地址。

  • 如果连接的主机使用 -d 参数启动 mx-hostengine，需给套接字文件路径加上前缀 unix://。

-d,--device <device_id>

指定要查询的设备 ID，需和 --info 一起使用。

-g,--group <group_id>

指定要查询的设备组 ID，需和 --info 一起使用。关于设备组的详细说明请参见子命令 group。

-l,--list

列出所有墨芯 SPU 设备。

-i,--info

查询指定设备或设备组的信息，和 --device 或 --group 搭配使用。

示例

dcsmi discovery -l --host <ip_address>:<port_number> # 查询指定 IP 主机的设备信息
dcsmi discovery -l --host unix:///tmp/mx-hostengine

dcsmi discovery -i -d 0 # 查询 ID 为 0 的设备信息
dcsmi discovery -i -g 0 # 查询 ID 为 0 的组信息

子命令 group

设备组是用户自定义的设备集合，是 DCSM 多数操作的作用对象。通常可为每个任务作业（job）创建对应的设备组，以便统一管理和监控相关设备。DCSM 初始化时会自动创建默认设备组（group 0），包含主机上检测到的所有 SPU 设备。单个设备可同时加入多个设备组。

dcsmi group [选项]

通用选项

-h,--help

显示帮助信息。

--host <IP/FQDN>

指定连接的主机 IP 地址或域名（Fully Qualified Domain Name，FQDN），默认值为 localhost。

  • 如需连接的主机可被访问，建议在启动 DCSM 服务时通过 -b 选项指定监听所有 IP 地址。

  • 如果连接的主机使用 -d 参数启动 mx-hostengine，需给套接字文件路径加上前缀 unix://。

-g,--group <group_id>

指定设备组 ID，和 -i、-a、-r 一起使用。

功能选项（必选其一）

-l,--list

列出当前所有的设备组。

-i,--info

显示指定设备组的信息。

-c,--create <group_name>

创建一个空设备组，并返回其 ID。组 ID 取决于先前创建的设备组，因此其值可能会有所不同。

-d,--delete <group_id>

删除指定的设备组。

-a,--add <device_id1> [<device_id2> ...]

为指定的设备组添加设备，可添加单个或多个设备。

-r,--remove <device_id1> [<device_id2> ...]

从指定的设备组移除设备，一次可移除单个或多个设备。

示例

dcsmi group -l --host 127.0.0.1:9494
dcsmi group -l --host unix:///tmp/mx-hostengine

dcsmi group -c test_group # 创建名为 test_group 的组，返回组 ID 为 1
dcsmi group -l
dcsmi group -g 1 -a 0 1 2 3
dcsmi group -g 1 -i 
dcsmi group -g 1 -r 1 3
dcsmi group -d 1

子命令 stats

对设备组中的设备进行后台数据监控及统计。

须知

任务执行期间，DCSM 会持续收集默认统计指标。若需重复使用相同的 <job_name>，需先通过 dcsmi stats -r <job_name> 命令移除旧任务记录。

dcsmi stats [选项]

通用选项

-h,--help

显示帮助信息。

--host <IP/FQDN>

指定连接的主机 IP 地址或域名（Fully Qualified Domain Name，FQDN），默认值为 localhost。

  • 如需连接的主机可被访问，建议在启动 DCSM 服务时通过 -b 选项指定监听所有 IP 地址。

  • 如果连接的主机使用 -d 参数启动 mx-hostengine，需给套接字文件路径加上前缀 unix://。

-g,--group <group_id>

指定设备组 ID，用于启动、停止、查看统计记录，和 -e、-s 一起使用。

-i,--interval

指定统计指标（字段）采样间隔 (单位：ms)，和 -e 一起使用。

-m,--max-keep-age

指定统计指标（字段）最大保存时间（单位：s），和 -e 一起使用。

功能选项（必选其一）

-e,--enable

启动目标组的统计记录。。

-s,--jstart <job_name>

为指定设备组创建并开始一个监控统计任务。

-x,--jstop <job_name>

停止指定任务的监控统计任务。

-j,--job <job_name>

查看的监控统计任务信息。

-r,--jremove <job_name>

删除监控统计任务。

--jremoveall

删除全部统监控统计任务。

示例

dcsmi stats -e -g 1 # 为指定的设备（group 1）组启用统计功能
dcsmi stats -s test_job -g 1 # 启动统计任务
dcsmi stats -x test_job # 停止统计任务
dcsmi stats -j test_job #查看统计结果

子命令 diag

执行环境诊断任务。目前仅支持本地检测 SOLA 环境是否就绪。

dcsmi diag [选项]

-h,--help

显示帮助信息。

-r,--run

指定环境诊断任务的等级。目前仅支持等级 1，即检测 SOLA 环境是否就绪。

示例

dcsmi diag -r 1

MOFFETT Validation Suite (version 1.2.0)

    Software
        DenyList .......................................... PASS
        SOLA Library ...................................... PASS
        MXML Library ...................................... PASS
        Driver ............................................ PASS
        Permissions and OS-related Blocks ................. PASS
        Persistence Mode .................................. PASS
        Environmental Variables ........................... PASS

停用 DCSM

当更新 SOLA Toolkit 时，DCSM 服务会影响 SOLA Toolkit 卸载，根据 DCSM 服务启用的方式选择停用的命令：

  • 当以系统服务方式启动 DCSM 服务时，执行以下命令：

    sudo systemctl --now disable dcsm

  • 当以守护进程方式启动 mx-hostengine 时，执行以下命令：

    sudo mx-hostengine -t

卸载 DCSM

  1. 暂停并禁用 DCSM 服务。

    sudo systemctl --now disable dcsm

  2. 卸载 DCSM。

    须知

    执行卸载操作会移除 DCSM 软件包提供的所有文件，包括二进制可执行文件和库文件。

    sudo dpkg -r dcsm