promethues-operator servicemonitor nvidia-dcgm-exporter

tangpan

操作系统信息
虚拟机 Ubuntu20.04

KubeSphere v3.4 kubernetes v1.23.15 promethues-operator v0.55.1

问题是什么
promethues-operator servicemonitor nvidia-dcgm-exporter 为什么用了一段是时间后会自动消失？

frezes

tangpan
应该是 gpu-operator 在Reconcile 这个资源，可能需要检查下 gpu-operator 的相应逻辑，prometheus-operator 不会删除它

tangpan

frezes 感谢，我看了gpu=operator的clusterpolicy似乎确实有删除的servicemonitor的操作，我把这个servicemonitor从gpu-operator中移动到其他的命名空间中就不会再消失了

programmer-zpz

删除的原因是因为在gpu-operator检测到如果dcgmExporter.serviceMonitor.enable为false的话会自动删除该namespace下名为nvidia-dcgm-exporter的ServiceMonitor，很巧，你的ServiceMonitor就叫这个名称，如果换个名称就不会被删除了。或者采用如下方式通过gpu-operator开启这个ServiceMonitor。

kubectl edit clusterpolicies.nvidia.com cluster-policy修改如下部分开启ServiceMonitor，会自动给你创建出名为nvidia-dcgm-exporter资源

tangpan

programmer-zpz 好的