Prophet 本机占卡仪表盘
目标:在 kkt 直接查询 Prophet,提供本机浏览器界面及终端命令。沿用此前讨论的“本机查询服务 + 自动刷新仪表盘”,用户于 2026-10-15 要求继续完成。
实现:Python HTTP 服务通过已有 coding_security_train/submit_prophet.py 读取认证;只调用 GET 查询接口。原生 HTML/CSS/JS,无前端构建依赖,默认监听 127.0.0.1:18765。只展示账号可见的 CP、CPE、ZhinaoRD2_A800 项目训练任务,不能把可见任务合计误称全平台占用或据此推断空闲卡。
- 先写测试:多机卡数、缺失资源、分页去重、API 业务错误、部分项目故障及过期缓存。
- 实现
prophet.py:查询、归一化、汇总、CLI;60 秒快照缓存,保留失败项目的上次成功结果并标明过期。 - 实现
server.py与static/:筛选、自己的任务、项目及用户排行、任务明细、刷新、JSON/CSV 导出、错误展示。 - 实现启动/停止/状态入口并启动本地服务;检查真实 API、HTTP、终端输出及前端脚本。本机无浏览器,未做浏览器截图验收。
- 写 README,包括 SSH 转发、查询口径、后台服务管理及当前不提供的指标。
验证重点:节点数乘每节点卡数;Pending 是申请数量;空响应与查询失败区分;不向浏览器返回凭据/任务命令/环境变量;不可用指标显示未知;刷新失败仍能看到上次数据及更新时间。
2026-10-15 验证:19 项 Python 测试、7 项 JavaScript 测试通过;真实三个项目查询成功;手动刷新获得新快照;停止 / 启动验证成功;主动终止自有 HTTP 子进程后监督进程自动恢复,恢复后重新查询成功。独立审查发现的短页完整性、导出失败元数据、长分页采集误判三项问题均已补回归并修复。
2026-10-15 后续迁移:真实目录移至 /home/jovyan/zhaoguangxiang-data-zzzc/prophet_dashboard/,wangyuxuan/prophet_dashboard/ 与 wangyuxuan/tools/prophet_dashboard/ 保留软链接。源码使用 jovyan 共享组与 2775 目录权限;运行状态迁至 .runtime/<uid>/,历史日志保留。认证优先读取各用户自己的环境变量,默认认证模块相对当前用户 HOME 定位。
H800 展示修正:真实任务详情确认 CP 即 zhinaord2_h800,CPE 即 zhinaord2_a100。新增型号筛选和 GPU 型号汇总,项目名称直接标明 H800 / A100 / A800。当前验证增加至 21 项 Python、9 项 JavaScript 测试。
迁移审查收尾:修复凭据命名空间混用、GPU 筛选随刷新意外扩大范围、另一用户健康服务误判为自身启动成功三个问题。补充端口占用预检、健康响应 PID 校验与原子状态写入,日志指引改为 UID 子目录;全部 24 项 Python、10 项 JavaScript 测试通过。
节点空闲与自动启动(2026-10-15)
使用已验证的只读 POST v4/management/accessory/find 查询三个项目的关联节点池,分页完备后提交每项目快照;统计上报容量、分配、原始未分配、可调度未分配,按节点显示恰好余卡分布及8卡整机/至少4卡/至少2卡/至少1卡。维修/不可调度/未同步/字段冲突不参与可调度空闲,GPU字段别名不相加;物理节点去重,当前来源优先于旧缓存。前端仅项目/型号筛选作用于资源,任务条件独立。
增加 resources.py / test_resources.py、autostart.py / test_autostart.py。自动启动使用用户cron的@reboot与每分钟轻量boot身份检查,只新启动身份触发,成功后不重启人工停止的服务;有界退避,不调用模型。环境没有systemd,容器重建导致crontab丢失仍需重新安装。
审查回归覆盖资源错误不能被CLI或导出complete掩盖,以及跨项目旧缓存不能污染新鲜资源。全部59项Python、14项JavaScript测试通过,真实资源接口取得63台节点。交付前需核验新服务快照和安装后的启动项。