Meta가 GPU 클러스터 모니터링 도구 GCM을 오픈소스로 공개했어요

Meta가 GPU 클러스터 모니터링 도구 GCM을 오픈소스로 공개했어요. AI 학습 인프라의 '침묵의 고장'을 잡아내는 도구예요.

GPU 4,096장 중 1장이 겉으로 정상인데 성능이 떨어지면, 전체 학습이 오염돼요. 기존 모니터링 도구론 이걸 못 잡거든요.

GCM은 Slurm 연동으로 GPU 상태를 학습 작업(Job ID)에 연결해요. "어느 GPU가, 어떤 작업에서, 왜 느린지" 정확히 짚어줘요.

학습 시작 전 GPU 점검, 끝난 후 NVIDIA DCGM 정밀 진단. 고장 GPU를 미리 빼서 비싼 연산 낭비를 막아요.

Python 94% + Go. OpenTelemetry 표준 호환이라 Prometheus, Grafana에 바로 연결 가능해요.