サーバーインベントリの収集項目

サーバーモニタリングエージェントは、パフォーマンス指標とは別に、サーバーのハードウェア構成を定期的に収集します。パフォーマンス指標だけでは、どのデバイスがどこに接続されているかがわからないため、指標に異常が見えても原因となるデバイスを特定しにくくなります。インベントリ項目をあわせて確認すると、GPUとネットワークカードがどのNUMAノードに接続されているか、GPU同士がどのような方式で接続されているかまで確認できます。このドキュメントは、AI・HPCワークロードを運用し、デバイス構成まで点検する必要がある運用者を対象に、各インベントリ項目の収集フィールドを案内します。

インベントリ項目は、値が変わったときにのみ送信します。エージェントは1時間周期で構成を確認し、前回の収集と比較して追加・変更・削除された項目のみをサーバーへ送ります。

各表の備考列にバージョンとともに新規と表示したフィールドは、そのバージョンで追加された項目であり、表示のないフィールドはカテゴリーが追加された時点から提供しています。

server_rdma_inventory

RDMA（InfiniBand・RoCE）デバイスとポートの構成情報です。RDMAデバイス1台のポートごとに1行を収集し、デバイスのモデル・ファームウェア・リンク速度から、接続されたオペレーティングシステムのネットワークインターフェイスまであわせて提供します。

• 収集対象: Linux
• デフォルト収集周期: 1時間

Field	Type	Unit	Description
interfaceName	string	-	RDMAデバイス名とポート番号（例：mlx5_0:1）
rdmaDevice	string	-	RDMAデバイス名（例：mlx5_0）
rdmaNetdev	string	-	デバイスに接続されたオペレーティングシステムのネットワークインターフェイス。複数ある場合は|で区切ります
rdmaNetdevIp	string	-	ネットワークインターフェイス別のIPアドレス（CIDR表記）。複数ある場合は|で区切ります
rdmaDeviceType	string	-	デバイスのASICの種類（例：MT4123）
rdmaDeviceModel	string	-	デバイスのモデル名（例：ConnectX-6）
rdmaLinkLayer	string	-	リンク層。InfiniBandまたはEthernet
rdmaNumaNode	string	-	デバイスが属するNUMAノード番号。確認できない場合は-1
rdmaPciBusId	string	-	PCIアドレス（例：0000:81:00.0）
rdmaPort	string	-	ポート番号
rdmaRate	string	-	ポートのリンク速度（例：100 Gb/sec (4X EDR)）
rdmaMtu	string	-	ポートの有効MTU
rdmaNetdevMtu	string	-	ネットワークインターフェイス別のMTU。複数ある場合は|で区切ります
rdmaDriverName	string	-	カーネルドライバー名（例：mlx5_core）
rdmaDriverVersion	string	-	ドライバーバージョン
rdmaFirmwareVersion	string	-	デバイスのファームウェアバージョン
rdmaBondMaster	string	-	ネットワークインターフェイスが属するボンディング名
rdmaNodeGuid	string	-	デバイスのNode GUID
rdmaPortGuid	string	-	ポートのPort GUID
rdmaSysImageGuid	string	-	デバイスのSystem Image GUID
rdmaSubnetPrefix	string	-	ポートが属するサブネットプレフィックス
rdmaVlanId	string	-	ネットワークインターフェイス別のVLAN ID
storageMount	string	-	そのネットワークインターフェイスを経由して接続されたリモートストレージのマウントポイント

収集の有無と周期は、次のオプションで調整します。

whatap.conf

rdma.inventory.enabled=true      # 収集の有無 (デフォルト: true)
rdma.inventory.interval=3600     # 収集周期、秒単位 (デフォルト: 3600)

server_gpu_topology

GPU 2台の間の接続関係です。物理GPUのペアごとに1行を収集し、2つのGPUがどの経路で接続されており、直接データをやり取りできるかを確認する際に使用します。

• 収集対象: Linux
• デフォルト収集周期: 1時間

Field	Type	Unit	Description
baseGpuIndex	string	-	基準GPUの番号
targetGpuIndex	string	-	相手GPUの番号。常に基準GPUの番号より大きい
topologyType	string	-	2つのGPU間の接続段階。PIX・PXB・PHB・NODE・SYS・NVnのいずれか。値が一貫していない場合はINCONSISTENT
topologyConsistent	string	-	双方向の照会結果が一致するかどうか。trueまたはfalse
interconnectType	string	-	接続方式。NVSwitch・NVLink・PCIe・Unknown
nvLinkCount	-	count	NVLink接続数。NVLink接続でない場合は0
baseGpuMigMode	string	-	基準GPUのMIG設定状態。Enabled・Disabled・NotSupported・Unknown
targetGpuMigMode	string	-	相手GPUのMIG設定状態
peerToPeerSupported	string	-	2つのGPU間の直接通信（P2P）のサポート有無。true・false・unknown
peerToPeerStatus	string	-	P2P読み取りの状態コード（例：OK・NS・CNS）

接続段階はPIXに近いほど2つのGPUが物理的に近く、SYSに近いほど遠くなります。同じ処理を担当するGPUを近いペアにまとめると、通信の遅延を減らせます。

whatap.conf

gpu.topology.inventory.enabled=true      # 収集の有無 (デフォルト: true)
gpu.topology.inventory.interval=3600     # 収集周期、秒単位 (デフォルト: 3600)

ノート

GPUの収集が無効な場合や、GPUドライバーにアクセスできない場合は、この項目を収集しません。GPUが1台のサーバーはペアが作られないため、収集結果は空になります。

server_system_topology

CPUソケット、NUMAノード、PCIeデバイスを親子関係でつないだ構成情報です。1つの接続関係が1行になり、サーバー全体のデバイス配置をツリー形式で確認する際に使用します。

• 収集対象: Linux, Windows
• デフォルト収集周期: 1時間

Field	Type	Unit	Description
parentDevice	string	-	上位デバイス名（例：SYSTEM、NUMA_NODE:0、PCI_BRIDGE:0000:00:01.1）
childDevice	string	-	下位デバイス名（例：CPU_SOCKET:0、GPU0、ens192）
deviceType	string	-	下位デバイスの種類。CPU_SOCKET・NUMA_NODE・CPU_CORES・MEMORY・PCI_ROOT・GPU・NVSWITCH・RDMA_NIC・NIC・NVME・PCI_BRIDGE・HOST_BRIDGE・PCI_DEVICE
pciBusId	string	-	PCI階層のデバイスはPCIアドレス、CPU階層のデバイスはsocket:0・node:0の形式の識別子
pcieDepth	string	-	PCIe経路の深さ。CPU・NUMA・メモリ階層は0

ツリーの最上位の名前はSYSTEMです。収集はカーネルが提供する情報（Linuxはsysfs、Windowsはデバイス情報）のみを使用するため、別途のコマンドは実行しません。

whatap.conf

system.topology.enabled=true      # 収集の有無 (デフォルト: true)
system.topology.interval=3600     # 収集周期、秒単位 (デフォルト: 3600)

server_numa_inventory

NUMAノード別の構成情報です。NUMAノード1つが1行になり、ノードに属するCPUとメモリ、そして同じノードに接続されたGPU・RDMA・NVMeデバイスをあわせて提供します。

• 収集対象: Linux
• デフォルト収集周期: 1時間

Field	Type	Unit	Description	備考
numaNodeId	string	-	NUMAノード番号
cpuList	string	-	ノードに属するCPUのリスト（例：0-7,16-23）
logicalCores	-	count	ノードに属する論理CPU数
memorySize	-	byte	ノードに属するメモリサイズ
gpuIndexes	string	-	ノードに接続されたNVIDIA GPU番号のリスト。カンマと空白で区切ります
rdmaDevices	string	-	ノードに接続されたRDMAデバイス名のリスト（例：mlx5_0, mlx5_1）。カンマと空白で区切ります
rdmaNetDevs	string	-	該当のRDMAデバイスに接続されたネットワークインターフェイスのリスト。カンマと空白で区切ります
nvmeDevices	string	-	そのNUMAノードに接続されたNVMeデバイス名のリスト（例：nvme0, nvme1）。カンマと空白で区切ります	2.9.22 新規
gpuRdmaAffinity	string	-	そのNUMAノードのGPUごとに最も近いRDMAデバイスをGPU0:mlx5_0(PIX)の形式で表示。複数ある場合はカンマと空白で区切ります	2.9.22 新規

gpuRdmaAffinityの括弧内の値は、GPUとRDMAデバイスの間の距離です。近い順はPIX、PXB、PHB、NODE、SYSで、GPUごとに最も近い段階のデバイスのみを表示します。GPU通信がRDMAデバイスを経由する構成で、2つのデバイスが同じノードに接続されているかを確認する際に使用します。

収集するかどうかと周期は、次のオプションで調整します。

whatap.conf

numa.inventory.enabled=true      # 収集するかどうか（デフォルト値: true）
numa.inventory.interval=3600     # 収集周期、秒単位（デフォルト値: 3600）