Merge pull request #57 from MooreThreads/add_monitor

add GPU temperature and frequency monitoring script

Author: caizhi-mt

script/monitor/README.md

@@ -0,0 +1,42 @@
+# GPU 监控脚本使用说明
+
+该脚本用于定时采集指定 GPU 的温度和图形频率，支持高温/降频报警，并可将结果记录到日志文件中，适用于性能测试与运行状态监控。
+
+---
+
+## ✅ 脚本功能
+
+- 支持指定 GPU 设备编号
+- 可自定义刷新时间间隔和记录次数
+- 实时记录温度（℃）与图形频率（MHz）
+- 高温（>95°C）或降频（<1750MHz）触发报警（门限可根据实际设备调整）
+- 监控结束后自动统计报警次数
+- 默认输出日志文件为：`gpu_monitor_log.txt`
+
+---
+
+## ⚙️ 参数说明
+
+| 参数 | 含义               | 示例            |
+|------|--------------------|-----------------|
+| `-d` | GPU 设备编号        | `-d 0`          |
+| `-i` | 刷新时间（单位：秒）| `-i 1`          |
+| `-n` | 记录次数（默认无限）| `-n 10`         |
+
+> 如未指定 `-n`，脚本将持续运行，直到手动停止。
+
+---
+
+## 🚀 使用示例
+
+### ✅ 前台运行
+
+```bash
+./monitor_gpu.sh -d 0 -i 1 -n 10
+```
+
+### ✅ 后台运行
+```
+nohup ./monitor_gpu.sh -d 0 -i 1 -n 100 > /dev/null 2>&1 &
+tail -f gpu_monitor_log.txt
+```

script/monitor/monitor_gpu.sh

@@ -0,0 +1,81 @@
+#!/bin/bash
+
+# 默认参数
+device_id=0
+interval=1
+count=-1
+output_file="gpu_monitor_log.txt"
+
+# ANSI 颜色
+RED='\033[0;31m'
+NC='\033[0m' # 清除颜色
+
+# 报警计数器
+high_temp_count=0
+low_freq_count=0
+
+# 解析命令行参数（不包括 -o）
+while getopts "d:i:n:" opt; do
+  case $opt in
+    d) device_id=$OPTARG ;;
+    i) interval=$OPTARG ;;
+    n) count=$OPTARG ;;
+    *) echo "Usage: $0 [-d device_id] [-i interval_sec] [-n count]"
+       exit 1 ;;
+  esac
+done
+
+# 写入启动信息（仅首次）
+if [ ! -f "$output_file" ]; then
+    echo "=== GPU Monitor Started at $(date) ===" >> "$output_file"
+    echo "Device: $device_id, Interval: $interval sec" >> "$output_file"
+    echo "----------------------------------------" >> "$output_file"
+fi
+
+# 开始监控
+i=0
+while [ $count -lt 0 ] || [ $i -lt $count ]; do
+    timestamp=$(date "+%Y-%m-%d %H:%M:%S")
+    temp_line=$(mthreads-gmi -i "$device_id" -q | grep "GPU Current Temp")
+    freq_line=$(mthreads-gmi -i "$device_id" -q | grep "Graphics")
+
+    temp=$(echo "$temp_line" | grep -oP '\d+(?=C)')
+    freq=$(echo "$freq_line" | grep -oP '\d+(?=MHz)')
+
+    plain_msg=""
+    color_msg=""
+
+    # 检查高温
+    if [ "$temp" -gt 95 ]; then
+        plain_msg+="高温报警(${temp}C)"
+        color_msg+="${RED}高温报警(${temp}C)${NC} "
+        ((high_temp_count++))
+    fi
+
+    # 检查降频
+    if [ "$freq" -lt 1750 ]; then
+        plain_msg+=" 降频警告(${freq}MHz)"
+        color_msg+="${RED}降频警告(${freq}MHz)${NC}"
+        ((low_freq_count++))
+    fi
+
+    {
+        echo "[$timestamp]"
+        echo "$temp_line"
+        echo "$freq_line"
+        [ -n "$plain_msg" ] && echo "$plain_msg"
+        echo "------------------------------------"
+    } >> "$output_file"
+
+    # 终端打印报警（红色）
+    [ -n "$plain_msg" ] && echo -e "[$timestamp] $color_msg"
+
+    sleep "$interval"
+    ((i++))
+done
+
+# 打印统计结果
+echo -e "\n=== 监控结束 ==="
+echo "高温次数: $high_temp_count"
+echo "降频次数: $low_freq_count"
+