Wan2.2-I2V-A14B部署教程：监控脚本编写（显存/CPU/温度/生成队列实时看板）

Wan2.2-I2V-A14B部署教程监控脚本编写显存/CPU/温度/生成队列实时看板1. 监控需求与准备工作在部署Wan2.2-I2V-A14B文生视频模型后实时监控系统资源使用情况对于稳定运行至关重要。本教程将指导您编写一个全面的监控脚本实时显示以下关键指标GPU显存监控显存使用情况避免OOM错误CPU负载跟踪CPU使用率防止过载温度监控关注GPU/CPU温度防止过热生成队列跟踪视频生成任务队列状态1.1 所需工具与环境确保您的部署环境已包含以下组件Python 3.10nvidia-smi命令行工具psutil库系统监控gpustat库GPU监控Flask可选用于Web看板安装必要依赖pip install psutil gpustat flask2. 基础监控脚本编写2.1 获取系统资源信息创建monitor.py文件添加以下基础监控功能import psutil import subprocess import time from datetime import datetime def get_system_info(): # CPU使用率 cpu_percent psutil.cpu_percent(interval1) # 内存使用情况 mem psutil.virtual_memory() mem_total mem.total / (1024**3) # GB mem_used mem.used / (1024**3) mem_percent mem.percent # GPU信息通过nvidia-smi try: gpu_info subprocess.check_output( nvidia-smi --query-gpumemory.used,memory.total,temperature.gpu,utilization.gpu --formatcsv,noheader,nounits, shellTrue).decode(utf-8).strip().split(,) gpu_mem_used int(gpu_info[0].strip()) # MB gpu_mem_total int(gpu_info[1].strip()) gpu_temp int(gpu_info[2].strip()) gpu_util int(gpu_info[3].strip()) except: gpu_mem_used gpu_mem_total gpu_temp gpu_util 0 return { timestamp: datetime.now().strftime(%Y-%m-%d %H:%M:%S), cpu_percent: cpu_percent, mem_used: round(mem_used, 2), mem_total: round(mem_total, 2), mem_percent: mem_percent, gpu_mem_used: gpu_mem_used, gpu_mem_total: gpu_mem_total, gpu_temp: gpu_temp, gpu_util: gpu_util }2.2 实时监控循环添加实时监控功能每5秒更新一次数据def monitor_loop(interval5): while True: system_info get_system_info() print(\n *50) print(f时间: {system_info[timestamp]}) print(fCPU使用率: {system_info[cpu_percent]}%) print(f内存: {system_info[mem_used]}GB/{system_info[mem_total]}GB ({system_info[mem_percent]}%)) print(fGPU显存: {system_info[gpu_mem_used]}MB/{system_info[gpu_mem_total]}MB) print(fGPU温度: {system_info[gpu_temp]}°C) print(fGPU利用率: {system_info[gpu_util]}%) print(*50 \n) time.sleep(interval) if __name__ __main__: monitor_loop()3. 任务队列监控实现3.1 集成生成队列监控扩展监控脚本添加对视频生成任务队列的监控import os import json from collections import deque # 模拟任务队列实际应用中替换为您的队列实现 task_queue deque(maxlen10) completed_tasks [] def add_demo_tasks(): 添加演示任务 demo_tasks [ {id: 1, prompt: 夕阳下的海边沙滩, status: queued}, {id: 2, prompt: 城市夜景延时摄影, status: processing}, {id: 3, prompt: 森林中的晨雾, status: completed} ] for task in demo_tasks: if task[status] completed: completed_tasks.append(task) else: task_queue.append(task) def get_queue_info(): 获取任务队列信息 return { pending: len(task_queue), processing: sum(1 for t in task_queue if t[status] processing), completed: len(completed_tasks) } def update_monitor_loop(interval5): add_demo_tasks() # 初始化演示任务 while True: system_info get_system_info() queue_info get_queue_info() print(\n *50) print(f时间: {system_info[timestamp]}) print(fCPU: {system_info[cpu_percent]}% | 内存: {system_info[mem_percent]}%) print(fGPU: {system_info[gpu_util]}% | 显存: {system_info[gpu_mem_used]}/{system_info[gpu_mem_total]}MB) print(f温度: {system_info[gpu_temp]}°C) print(\n任务队列:) print(f等待中: {queue_info[pending]} | 处理中: {queue_info[processing]} | 已完成: {queue_info[completed]}) print(*50 \n) time.sleep(interval)4. Web可视化看板实现4.1 使用Flask创建Web界面创建更友好的Web可视化看板from flask import Flask, render_template_string import threading app Flask(__name__) # 全局存储监控数据 monitor_data { system: {}, queue: {} } def background_monitor(): 后台监控线程 while True: monitor_data[system] get_system_info() monitor_data[queue] get_queue_info() time.sleep(5) app.route(/) def dashboard(): 监控看板页面 template !DOCTYPE html html head titleWan2.2-I2V-A14B 监控看板/title meta http-equivrefresh content5 style body { font-family: Arial, sans-serif; margin: 20px; } .card { border: 1px solid #ddd; border-radius: 5px; padding: 15px; margin-bottom: 20px; box-shadow: 0 2px 4px rgba(0,0,0,0.1); } .metrics { display: flex; flex-wrap: wrap; gap: 20px; } .metric { background: #f5f5f5; padding: 10px 15px; border-radius: 4px; min-width: 120px; } .value { font-size: 24px; font-weight: bold; } .label { font-size: 14px; color: #666; } .queue { display: flex; gap: 15px; } .queue-item { flex: 1; } .alert { color: #d9534f; } .warning { color: #f0ad4e; } /style /head body h1Wan2.2-I2V-A14B 监控看板/h1 p最后更新: {{ system.timestamp }}/p div classcard h2系统资源/h2 div classmetrics div classmetric div classvalue {% if system.cpu_percent 80 %}alert{% elif system.cpu_percent 60 %}warning{% endif %} {{ system.cpu_percent }}% /div div classlabelCPU使用率/div /div div classmetric div classvalue {% if system.mem_percent 80 %}alert{% elif system.mem_percent 60 %}warning{% endif %} {{ system.mem_percent }}% /div div classlabel内存使用/div /div div classmetric div classvalue {% if system.gpu_util 80 %}alert{% elif system.gpu_util 60 %}warning{% endif %} {{ system.gpu_util }}% /div div classlabelGPU利用率/div /div div classmetric div classvalue {% if system.gpu_temp 85 %}alert{% elif system.gpu_temp 75 %}warning{% endif %} {{ system.gpu_temp }}°C /div div classlabelGPU温度/div /div div classmetric div classvalue {% if (system.gpu_mem_used/system.gpu_mem_total*100) 80 %}alert{% elif (system.gpu_mem_used/system.gpu_mem_total*100) 60 %}warning{% endif %} {{ %.1f|format(system.gpu_mem_used/1024) }}/{{ %.1f|format(system.gpu_mem_total/1024) }}GB /div div classlabelGPU显存/div /div /div /div div classcard h2任务队列/h2 div classqueue div classqueue-item div classvalue{{ queue.pending }}/div div classlabel等待中/div /div div classqueue-item div classvalue{{ queue.processing }}/div div classlabel处理中/div /div div classqueue-item div classvalue{{ queue.completed }}/div div classlabel已完成/div /div /div /div /body /html return render_template_string(template, **monitor_data) def start_monitor_server(port5000): 启动监控服务器 # 启动后台监控线程 thread threading.Thread(targetbackground_monitor) thread.daemon True thread.start() # 启动Flask应用 app.run(host0.0.0.0, portport)4.2 启动Web监控看板将以下代码添加到脚本末尾if __name__ __main__: # 选择运行模式控制台或Web看板 import sys if len(sys.argv) 1 and sys.argv[1] --web: print(启动Web监控看板访问 http://localhost:5000) start_monitor_server() else: print(启动控制台监控按CtrlC退出) update_monitor_loop()5. 实际部署与使用5.1 启动监控系统您可以通过两种方式运行监控脚本控制台模式适合快速查看python monitor.pyWeb看板模式适合持续监控python monitor.py --web5.2 集成到Wan2.2-I2V-A14B服务为了将监控系统与您的视频生成服务集成您需要修改get_queue_info()函数连接到实际的任务队列系统根据需要调整监控间隔默认为5秒可以添加报警功能当资源使用超过阈值时发送通知5.3 自定义与扩展您可以根据需要扩展此监控系统添加历史数据记录和趋势图实现邮件/Slack报警功能增加更多监控指标如磁盘I/O、网络带宽等集成Prometheus/Grafana等专业监控工具6. 总结通过本教程您已经实现了一个全面的Wan2.2-I2V-A14B部署监控系统能够实时跟踪硬件资源使用情况CPU、内存、GPU显存和温度任务队列状态待处理、处理中和已完成任务数量可视化展示通过Web界面直观查看系统状态这个监控系统将帮助您及时发现资源瓶颈避免系统过载优化任务调度提高生成效率快速定位性能问题确保服务稳定运行建议将监控系统作为常驻服务运行特别是在高负载生产环境中。您可以根据实际需求进一步扩展功能如添加自动缩放、任务优先级调整等高级特性。获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。