监控 Metrics
在 FastDeploy 启动后，支持通过 Metrics 持续监控的 FastDeploy 的服务状态。启动 FastDeploy 时，可以通过配置 metrics-port 参数指定 Metircs 服务的端口。
| 指标名称 | 类型 | 说明 | 单位 |
|---|---|---|---|
fastdeploy:num_requests_running |
Gauge | 当前正在运行的请求数量 | 个 |
fastdeploy:num_requests_waiting |
Gauge | 当前等待中的请求数量 | 个 |
fastdeploy:time_to_first_token_seconds |
Histogram | 首 token 生成所需时间 | 秒 |
fastdeploy:time_per_output_token_seconds |
Histogram | 间隔输出 token 的生成时间 | 秒 |
fastdeploy:e2e_request_latency_seconds |
Histogram | 请求的端到端延迟分布 | 秒 |
fastdeploy:request_inference_time_seconds |
Histogram | 请求在 RUNNING 阶段耗时 | 秒 |
fastdeploy:request_queue_time_seconds |
Histogram | 请求在 WAITING 阶段耗时 | 秒 |
fastdeploy:request_prefill_time_seconds |
Histogram | 请求的 prefill 阶段耗时 | 秒 |
fastdeploy:request_decode_time_seconds |
Histogram | 请求的 decode 阶段耗时 | 秒 |
fastdeploy:prompt_tokens_total |
Counter | 已处理的 prompt token 总数 | 个 |
fastdeploy:generation_tokens_total |
Counter | 已生成的 token 总数 | 个 |
fastdeploy:request_prompt_tokens |
Histogram | 每个请求的 prompt token 数量 | 个 |
fastdeploy:request_generation_tokens |
Histogram | 每个请求生成的 token 数量 | 个 |
fastdeploy:gpu_cache_usage_perc |
Gauge | GPU KV-cache 使用率 | 百分比 |
fastdeploy:request_params_max_tokens |
Histogram | 请求的 max_tokens 分布 | 个 |
fastdeploy:request_success_total |
Counter | 成功处理的请求个数 | 个 |
fastdeploy:cache_config_info |
Gauge | 推理引擎的缓存配置信息 | 个 |
fastdeploy:available_batch_size |
Gauge | Decode阶段还可以插入的请求数量 | 个 |
fastdeploy:hit_req_rate |
Gauge | 请求级别前缀缓存命中率 | 百分比 |
fastdeploy:hit_token_rate |
Gauge | token级别前缀缓存命中率 | 百分比 |
fastdeploy:cpu_hit_token_rate |
Gauge | token级别CPU前缀缓存命中率 | 百分比 |
fastdeploy:gpu_hit_token_rate |
Gauge | token级别GPU前缀缓存命中率 | 百分比 |
fastdeploy:prefix_cache_token_num |
Counter | 前缀缓存token总数 | 个 |
fastdeploy:prefix_gpu_cache_token_num |
Counter | 位于GPU上的前缀缓存token总数 | 个 |
fastdeploy:prefix_cpu_cache_token_num |
Counter | 位于GPU上的前缀缓存token总数 | 个 |
fastdeploy:batch_size |
Gauge | 推理时的真实批处理大小 | 个 |
fastdeploy:max_batch_size |
Gauge | 服务启动时确定的最大批处理大小 | 个 |
fastdeploy:available_gpu_block_num |
Gauge | 缓存中可用的GPU块数量（包含尚未正式释放的前缀缓存块） | 个 |
fastdeploy:free_gpu_block_num |
Gauge | 缓存中的可用块数 | 个 |
fastdeploy:max_gpu_block_num |
Gauge | 服务启动时确定的总块数 | 个 |
fastdeploy:available_gpu_resource |
Gauge | 可用块占比，即可用GPU块数量 / 最大GPU块数量 | 个 |
fastdeploy:requests_number |
Counter | 已接收的请求总数 | 个 |
fastdeploy:send_cache_failed_num |
Counter | 发送缓存失败的总次数 | 个 |
fastdeploy:first_token_latency |
Gauge | 最近一次生成首token耗时 | 秒 |
fastdeploy:infer_latency |
Gauge | 最近一次生成单个token的耗时 | 秒 |
| ## 指标访问 |
- 访问地址：
http://localhost:8000/metrics - 指标类型：Prometheus 格式