dcgm-exporter无法获取Pod GPU指标 仅显示自身Pod名称如何配置？

1. 配置dcgm-exporter宿主机目录挂载与启动参数 #

dcgm-exporter需要读取宿主机kubelet的Pod元数据目录才能关联GPU对应的业务Pod，需要在Deployment配置中添加对应挂载与启动参数：

• 添加/var/lib/kubelet/pods目录的只读挂载，配置示例：

# Deployment 配置片段
spec:
  template:
    spec:
      containers:
      - name: dcgm-exporter
        volumeMounts:
        - name: kubelet-pods
          mountPath: /var/lib/kubelet/pods
          readOnly: true
      volumes:
      - name: kubelet-pods
        hostPath:
          path: /var/lib/kubelet/pods
          type: Directory

• 启动参数添加Kubernetes服务发现开关，配置示例：

# Deployment 配置片段
spec:
  template:
    spec:
      containers:
      - name: dcgm-exporter
        args:
        - --kubernetes # 开启K8s元数据关联
        - --collector.dcgm.scrape-interval=15s # 可根据需求调整采集间隔

2. 配置充足的RBAC权限 #

dcgm-exporter需要调用K8s API查询集群Pod、节点元数据，需要绑定包含以下权限的ClusterRole：

# ClusterRole 配置片段
rules:
- apiGroups: [""]
  resources: ["pods", "nodes", "nodes/proxy"]
  verbs: ["get", "list", "watch"]

如果使用Helm部署，需要将serviceAccount.create设置为true，自动创建关联权限的服务账号。

3. 校验GPU工作负载配置 #

只有显式声明了GPU资源请求/限制的业务Pod才能被dcgm-exporter识别，需要确保业务Pod的配置中包含以下字段：

# 业务Pod 配置片段
resources:
  limits:
    nvidia.com/gpu: 1 # 按实际申请的GPU卡数填写
  requests:
    nvidia.com/gpu: 1

同时需要确认集群运行时为nvidia-container-runtime，否则GPU分配元数据不会被正常上报。

4. 验证配置生效 #

配置更新后进入dcgm-exporter Pod内部，执行以下命令确认输出指标是否携带正确的业务Pod标签：

curl localhost:9400/metrics | grep DCGM_FI_K8S_POD_NAME

正常输出的指标中DCGM_FI_K8S_POD_NAME标签值应为业务Pod名称，而非dcgm-exporter自身Pod名称。

内容的提问来源于stack exchange，提问作者Faheem Sohail