Présentation

Ce check surveille Ray via l’Agent Datadog. Ray est un framework de calcul unifié open source qui facilite la mise à l’échelle des charges de travail AI et Python, allant de l’apprentissage par renforcement au deep learning, à l’optimisation et au déploiement de modèles.

Configuration

Suivez les instructions ci-dessous pour installer et configurer ce check lorsque l’Agent est exécuté sur un host. Consultez la documentation relative aux modèles d’intégration Autodiscovery pour découvrir comment appliquer ces instructions à des environnements conteneurisés.

Installation

À partir de la version 7.49.0 de l’Agent, le check Ray est inclus dans le package de l’Agent Datadog. Aucune installation supplémentaire n’est requise sur votre serveur.

AVERTISSEMENT : ce check utilise OpenMetrics pour collecter des métriques à partir du point de terminaison OpenMetrics que Ray peut exposer, ce qui nécessite Python 3.

Configuration

labels:
  com.datadoghq.ad.checks: '{"ray":{"instances":[{"openmetrics_endpoint":"http://%%host%%:8080"}]}}'

apiVersion: v1
kind: Pod
metadata:
  name: '<POD_NAME>'
  annotations:
    ad.datadoghq.com/ray.checks: |-
      {
        "ray": {
          "instances": [
            {
              "openmetrics_endpoint": "http://%%host%%:8080"
            }
          ]
        }
      }      
    # (...)
spec:
  containers:
    - name: 'ray'
# (...)

Les métriques Ray sont disponibles via l’nedpoint OpenMetrics. De plus, Ray vous permet d’exporter des métriques personnalisées au niveau de l’application. Vous pouvez configurer l’intégration Ray pour collecter ces métriques à l’aide de l’option extra_metrics. Toutes les métriques Ray, y compris vos métriques personnalisées, utilisent le préfixe ray..

Remarque : les métriques personnalisées Ray sont considérées comme des métriques standard dans Datadog.

Cet exemple montre une configuration utilisant l’option extra_metrics :

init_config:
  ...
instances:
  - openmetrics_endpoint: http://<RAY_ADDRESS>:8080
    # Also collect your own Ray metrics
    extra_metrics:
      - my_custom_ray_metric

Vous trouverez plus d’informations sur la configuration de cette option dans le l’exemple de fichier de configuration ray.d/conf.yaml.

Validation

Lancez la sous-commande status de l’Agent et cherchez ray dans la section Checks.

Données collectées

Métriques

Événements

L’intégration Ray ne comprend aucun événement.

Checks de service

ray.openmetrics.health

Returns CRITICAL if the check cannot access the openmetrics metrics endpoint of Ray.

Statuses: ok, critical

Logs

L’intégration Ray peut collecter les logs du service Ray et les transmettre à Datadog.

apiVersion: v1
kind: Pod
metadata:
  name: ray
  annotations:
    ad.datadoghq.com/apache.logs: '[{"source":"ray","service":"ray"}]'
spec:
  containers:
    - name: ray

Pour en savoir plus sur la configuration des logs avec Ray et sur l’ensemble des fichiers de logs, consultez la documentation officielle de Ray.

Dépannage

Besoin d’aide ? Contactez l’assistance Datadog.