View a markdown version of this page

Melihat detail pekerja di dasbor pekerja - AWS Awan Batas Waktu
Kasus penggunaan

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Melihat detail pekerja di dasbor pekerja

Dasbor pekerja menyediakan detail untuk pekerja yang memproses tugas. Anda dapat melihat:

  • Metadata, seperti jenis instance, untuk pekerja.

  • Tindakan sesi yang dilakukan pekerja.

  • Kinerja pekerja, termasuk CPU, memori, dan penggunaan disk. Dasbor juga menunjukkan pemanfaatan GPU untuk GPU-accelerated instance.

  • Grafik penggunaan CPU, memori, dan disk dari waktu ke waktu. Grafik juga mencakup pemanfaatan GPU untuk GPU-accelerated instance.

  • Grafik kecepatan disk dari waktu ke waktu.

  • Log pekerja untuk tugas tersebut.

Untuk melihat dasbor pekerja dari tugas

  1. Ikuti langkah-langkah Melihat dan mengelola detail pekerjaan di Deadline Cloud untuk melihat daftar pekerjaan.

  2. Pilih sebuah tugas dari daftar Tugas.

  3. Pilih langkah dari daftar Langkah.

  4. Pilih tugas dari daftar Tu gas.

  5. Di tabel tugas, dari menu Tind akan, pilih Lihat dasbor pekerja.

Untuk melihat dasbor pekerja dari detail armada

  1. Ikuti langkah-langkah Melihat detail antrian dan armada di Deadline Cloud untuk melihat armada.

  2. Pilih Pek erja dari daftar Pekerja.

  3. Dari menu T indakan, pilih Lihat dasbor pekerja.

Kasus penggunaan

Mendeteksi instans yang kurang disediakan

Ketika render membutuhkan waktu lebih lama dari yang diharapkan, dasbor pekerja dapat membantu menentukan apakah ukuran instance Anda memadai untuk beban kerja Anda. Meskipun pemanfaatan vCPU 100% normal untuk banyak penyaji, penggunaan memori yang tinggi secara konsisten mendekati kapasitas maksimum dan peningkatan penggunaan ruang disk dapat mengindikasikan bahwa instans Anda kurang disediakan. Untuk GPU-accelerated beban kerja, pemanfaatan GPU yang tinggi secara konsisten mungkin juga menunjukkan bahwa Anda memerlukan kapasitas GPU tambahan. Dalam kasus seperti itu, meningkatkan konfigurasi instans armada Anda dapat mengurangi kesalahan render dan secara signifikan meningkatkan waktu render. Namun, penting untuk terus memantau kinerja pekerja setelah memutakhirkan untuk memastikan Anda telah menemukan keseimbangan optimal - meningkatkan terlalu agresif dapat menyebabkan biaya yang tidak perlu melalui penyediaan berlebihan.

Mendeteksi instans yang disediakan secara berlebihan

Bahkan ketika tugas selesai dengan sukses, mungkin ada peluang untuk mengoptimalkan biaya Anda. Dasbor pekerja dapat mengungkapkan jika Anda membayar lebih banyak daya komputasi daripada yang dibutuhkan beban kerja Anda. Jika Anda melihat bahwa pekerja memiliki penggunaan vCPU rata-rata yang rendah, pemanfaatan memori minimal, dan kelebihan ruang disk yang tidak digunakan, Anda dapat mengurangi ukuran konfigurasi instance armada Anda.

Pemecahan masalah tugas yang gagal

Saat menyelidiki tugas yang gagal, dasbor pekerja berfungsi sebagai alat diagnostik yang berharga. Berikan perhatian khusus pada penggunaan memori puncak dan pemanfaatan ruang disk - jika metrik ini mendekati atau mencapai 100%, mereka kemungkinan merupakan akar penyebab kegagalan tugas Anda. Kehabisan sumber daya tersebut menunjukkan bahwa instans Anda saat ini tidak memiliki kapasitas untuk menangani beban kerja Anda secara efektif. Dalam kasus ini, penyediaan instance dengan peningkatan memori atau ruang disk akan membantu memastikan penyelesaian tugas berhasil.

Tingkat pemanfaatan instans yang optimal

Pemanfaatan vCPU

Kisaran target: 70— 90%

  • Di bawah 70%: Kemungkinan kurang memanfaatkan sumber daya komputasi, yang berarti Anda membayar lebih banyak CPU daripada kebutuhan beban kerja Anda

  • 70— 90%: Rentang optimal di mana Anda menggunakan sumber daya secara efisien tanpa mengalami kemacetan

  • Secara konsisten pada 100%: Dapat menunjukkan hambatan CPU yang mungkin memperlambat render

Beberapa tugas render secara alami akan CPU-intensive lebih dari yang lain, dan penggunaan vCPU 100% mungkin tidak menjadi masalah. Real-time tugas visualisasi mungkin menunjukkan pemanfaatan CPU yang lebih konsisten, sementara tugas dengan persyaratan komputasi yang berubah mungkin memiliki pola yang bervariasi.

Pemanfaatan Memori

Kisaran target: 70— 85%

  • Di bawah 50%: Instans yang berpotensi terlalu besar untuk beban kerja Anda

  • 70-85%: Pemanfaatan optimal dengan ruang kepala yang cukup untuk lonjakan

  • Di atas 90%: Risiko penurunan kinerja atau kesalahan kehabisan memori

Persyaratan memori dapat bervariasi secara signifikan tergantung pada kompleksitas pemandangan, resolusi tekstur, dan data simulasi. Memantau tren memori dari waktu ke waktu penting untuk mengidentifikasi apakah beban kerja Anda bertambah dalam kebutuhan memori.

Pemanfaatan Ruang Disk

Kisaran target: 60— 80%

  • Di bawah 40%: Kemungkinan penyimpanan yang disediakan berlebihan

  • 60-85%: Pemanfaatan yang baik dengan ruang untuk file sementara dan cache

  • Di atas 85%: Risiko kehabisan ruang selama render besar

Ingatlah bahwa I/O kinerja disk bisa sama pentingnya dengan kapasitas, terutama untuk beban kerja yang bertekstur read/write besar atau file cache selama rendering.