指标¶
指标 API。
概述:
torchelastic 中的指标 API 用于发布遥测指标。它旨在由 torchelastic 的内部模块使用,以发布供最终用户使用的指标,目标是提高可见性并帮助进行调试。但是,您也可以在作业中使用相同的 API 将指标发布到相同的指标 sink
。
一个 metric
可以被认为是时间序列数据,并由字符串值元组 (metric_group, metric_name)
唯一标识。
torchelastic 不会对 metric_group
是什么以及它与 metric_name
有什么关系做出任何假设。完全由用户决定使用这两个字段来唯一标识指标。
注意
指标组 torchelastic
由 torchelastic 保留,用于它生成的平台级指标。例如,torchelastic 可以将代理的重新协商操作的延迟(以毫秒为单位)输出为 (torchelastic, agent.rendezvous.duration.ms)
一种明智的方法是将指标组映射到作业中的某个阶段或模块。您也可以对作业的某些高级属性进行编码,例如区域或阶段(开发版与生产版)。
发布指标:
使用 torchelastic 的指标 API 类似于使用 python 的日志记录框架。您必须先配置指标处理程序,然后再尝试添加指标数据。
以下示例测量 calculate()
函数的延迟。
import time
import torch.distributed.elastic.metrics as metrics
# makes all metrics other than the one from "my_module" to go /dev/null
metrics.configure(metrics.NullMetricsHandler())
metrics.configure(metrics.ConsoleMetricsHandler(), "my_module")
def my_method():
start = time.time()
calculate()
end = time.time()
metrics.put_metric("calculate_latency", int(end-start), "my_module")
您还可以使用 torch.distributed.elastic.metrics.prof` 装饰器方便快捷地分析函数
# -- in module examples.foobar --
import torch.distributed.elastic.metrics as metrics
metrics.configure(metrics.ConsoleMetricsHandler(), "foobar")
metrics.configure(metrics.ConsoleMetricsHandler(), "Bar")
@metrics.prof
def foo():
pass
class Bar():
@metrics.prof
def baz():
pass
@metrics.prof
将发布以下指标
<leaf_module or classname>.success - 1 if the function finished successfully
<leaf_module or classname>.failure - 1 if the function threw an exception
<leaf_module or classname>.duration.ms - function duration in milliseconds
配置指标处理程序:
torch.distributed.elastic.metrics.MetricHandler 负责将添加的指标值发出到特定目的地。指标组可以使用不同的指标处理程序进行配置。
默认情况下,torchelastic 将所有指标发出到 /dev/null
。通过添加以下配置指标,torchelastic
和 my_app
指标组将被打印到控制台。
import torch.distributed.elastic.metrics as metrics
metrics.configure(metrics.ConsoleMetricHandler(), group = "torchelastic")
metrics.configure(metrics.ConsoleMetricHandler(), group = "my_app")
编写自定义指标处理程序:
如果您希望将指标发出到自定义位置,请实现 torch.distributed.elastic.metrics.MetricHandler 接口,并配置您的作业以使用自定义指标处理程序。
以下是一个将指标打印到 stdout
的示例
import torch.distributed.elastic.metrics as metrics
class StdoutMetricHandler(metrics.MetricHandler):
def emit(self, metric_data):
ts = metric_data.timestamp
group = metric_data.group_name
name = metric_data.name
value = metric_data.value
print(f"[{ts}][{group}]: {name}={value}")
metrics.configure(StdoutMetricHandler(), group="my_app")
现在,my_app
组中的所有指标都将打印到 stdout,格式为
[1574213883.4182858][my_app]: my_metric=<value>
[1574213940.5237644][my_app]: my_metric=<value>
指标处理程序¶
以下列出了 torchelastic 附带的指标处理程序。