概要

このチェックは、Datadog Agent を通じて Ray を監視します。Ray はオープンソースの統一コンピューティングフレームワークで、強化学習から深層学習、チューニング、モデルサービングまで、AI と Python のワークロードを簡単にスケールすることができます。

セットアップ

ホストで実行されている Agent 用にこのチェックをインストールおよび構成する場合は、以下の手順に従ってください。コンテナ環境の場合は、オートディスカバリーのインテグレーションテンプレートのガイドを参照してこの手順を行ってください。

インストール

Agent リリース 7.49.0 以降、Ray チェックは Datadog Agent パッケージに含まれています。サーバーに追加のインストール作業は不要です。

警告: このチェックは OpenMetrics を使用し、Ray が公開する OpenMetrics エンドポイントからメトリクスを収集します。Python 3 が必要です。

構成

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'
# (...)

Ray のメトリクスは OpenMetrics エンドポイントで利用できます。さらに、Ray では アプリケーションレベルのカスタムメトリクスをエクスポート できます。これらのメトリクスを収集するように Ray インテグレーションを構成するには、extra_metrics オプションを使用します。カスタムメトリクスを含め、Ray のメトリクスはすべて、プレフィックス ray. を使用します。

注: Ray のカスタムメトリクスは、Datadog では標準メトリクスとみなされます。

この例では、extra_metrics オプションを活用した構成を示しています。

init_config:
  ...
instances:
  - openmetrics_endpoint: http://<RAY_ADDRESS>:8080
    # 独自の Ray メトリクスも収集
    extra_metrics:
      - my_custom_ray_metric

このオプションの構成方法の詳細は、サンプル ray.d/conf.yaml 構成ファイル で確認できます。

検証

Agent の status サブコマンドを実行 し、Checks セクションで ray を探します。

収集データ

メトリクス

イベント

Ray インテグレーションには、イベントは含まれません。

サービスチェック

ray.openmetrics.health

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

Statuses: ok, critical

Logs

Ray インテグレーションは、Ray サービスからログを収集し、Datadog に転送することができます。

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

Ray でのログ構成およびすべてのログファイルについては、Ray の公式ドキュメントを参照してください。

トラブルシューティング

ご不明な点は、Datadog のサポートチームまでお問い合わせください。