dsh-server-dashboard 0.1.0

package/LICENSE

@@ -0,0 +1,21 @@
+MIT License
+
+Copyright (c) 2026 dsh-server-dashboard contributors
+
+Permission is hereby granted, free of charge, to any person obtaining a copy
+of this software and associated documentation files (the "Software"), to deal
+in the Software without restriction, including without limitation the rights
+to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
+copies of the Software, and to permit persons to whom the Software is
+furnished to do so, subject to the following conditions:
+
+The above copyright notice and this permission notice shall be included in all
+copies or substantial portions of the Software.
+
+THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
+IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
+FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE
+AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
+LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
+OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE
+SOFTWARE.

package/README.md

@@ -0,0 +1,123 @@
+# dsh-server-dashboard
+
+DSH Web 插件：SSH 连接多台 GPU 服务器，在侧边栏展示服务器工作状态
+（GPU 利用率/显存/温度/功耗、CPU/内存/磁盘、占用进程）与实验进展
+（训练日志 tail + loss/epoch 曲线 + 实验结束提醒）。纯只读。
+  内置 **/dash/events 即时提醒通道**（长轮询挂起推送，秒级）：实验日志停滞、
+  主机离线/恢复、高温出现/解除，状态翻转即刻 toast（无需等下一轮轮询）。
+
+- 需求规格：[REQUIREMENTS.md](./REQUIREMENTS.md)
+- 架构调研：[ARCHITECTURE_NOTES.md](./ARCHITECTURE_NOTES.md)
+
+## 功能
+
+- **看板**：侧边栏底部显示器按钮打开；**停靠在左侧**（自动量取工作区侧栏宽度避让，
+  侧栏拖宽/折叠实时跟随），与右侧的学者工作台互不冲突、可同时打开；每台主机一张卡片
+  - 顶部 **GPU 热力总览条 + 舰队计数徽章**（●N 训练中 / ●N 异常 / ●N 空闲）：
+    每主机一行、每卡一个色块（利用率着色，高温红框、停滞角标、离线整行红），
+    点击色块直达该主机卡并弹开对应 GPU 行
+  - 主区 = **固定主机全部常驻（不限数量）** + 异常主机自动上浮置顶；
+    未固定的健康主机折叠在「其他服务器」
+  - 主机卡头部 📌 一键固定/取消（原地点击，无需进设置页）；固定后 📌 变主题蓝
+  - 抽屉拉宽时 GPU 行自动排双列（单屏可见卡数翻倍）；抽屉宽度上限为
+    **窗口的 60%**（绝对上限 520px），窄窗口自动收窄、窗口恢复后自动还原
+  - GPU 状态条（利用率/显存/温度/功耗）+ 每卡进程归属（**完整命令行**，一眼识别哪个实验；
+    进程表默认显存降序、表头点击切换 PID 序）
+  - GPU 行带**双层扫描条**（上层利用率、下层显存），忙卡不用读数字；空闲 GPU 行自动淡化
+  - CPU（两次采样增量，真实瞬时值）/内存/磁盘/**1 分钟负载**、进程表、日志 tail、指标曲线
+  - 卡片顶部的"训练摘要条"：epoch/loss 最新值一眼可见；**数值变化时琥珀色闪烁渐隐**
+  - 折叠态异常状态显示为**琥珀色 chip**（高温/停滞/磁盘），扫一眼定位问题卡
+  - 相对时间（"5 秒前"）+ 下次刷新倒计时；刷新按钮旋转反馈；图表宽度自适应抽屉，
+    曲线末端钉有当前值标签、角落有量程提示
+  - 图表带 **EMA 平滑**（默认开，图例行「S」开关），锯齿降噪看趋势；
+    **图例悬停聚焦**（悬停某指标时其余曲线压暗）
+  - 日志区**按语义着色**：ERROR/异常行红、WARNING 橙、指标数值主题蓝
+  - 磁盘只平铺根分区与 >70% 挂载点，其余折叠为「+N 个挂载点」
+  - GPU 展开区带背景色块 + 主题色左边线，与卡片层级清晰分离
+- **SSH 连接池**：每主机一条常驻连接跨轮询复用（15s 保活、10 分钟闲置回收、
+  断连自动重连并重试一次；从配置移除的主机其连接在下一轮采集时立即回收，
+  无需等闲置超时）——暖轮询从 ~470ms 降到 ~125ms
+- **自动发现训练日志**（两层）：
+  - 设置页每台主机「🔍 发现日志」：读进程 stdout 重定向 + tee 命令行 +
+    工作目录扫描（3 层深），一键选用
+  - **每卡自动挂日志**：宿主自动从每张 GPU 的进程找到其日志并独立出曲线，
+    无需任何配置（发现结果按 PID 缓存 5 分钟，进程不变时跳过重复探测）
+- **日志解析**：`name=value` / `name: value` / `Epoch 12/100` / tqdm 进度条 /
+  YOLO 定宽表格（含 `\r` 刷新与 ANSI 转义）/ JSON 行格式；
+  半写行（tqdm 同行续写）与日志轮转（文件变小）时游标自动校正，不重复计点
+- **曲线跨重启**：冷启动/重启后首轮从日志尾部大窗口（2MB/2000 行）种子化恢复
+  最近 200 点——日志文件本身就是持久化
+- **实验结束提醒**：主机级与**每卡**日志停滞 N 分钟（默认 10，可配）→ 页面 toast；
+  **toast 可点击**，直达对应主机卡并高亮；通知带 2 分钟宽限，稍晚打开页面也不会错过
+- **设置**：主机增删改（含从 ~/.ssh/config 导入、**主机搜索框**）、认证（密钥/密码，
+  存 DSH 凭据库）、固定显示（常驻看板，不限数量）、刷新间隔（10-300s，改完即生效
+  无需刷新页面）、结束判定阈值；删除主机需确认；导入后显示导入/跳过统计；界面全量中英双语
+- **安全**：仅只读远程命令；**全部 /dash/* 路由仅接受 loopback 来源**
+  （127.0.0.1 / ::1 / IPv4 映射 loopback；web 服务以 `--host 0.0.0.0` 对局域网
+  开放时，远程主机也无法直接访问看板读/写路由，非 loopback 请求一律 403）；
+  带 body 的路由强制 application/json（防跨源表单投递）；凭据经 DSH credentials
+  库存储（本地 provider 为 0600 明文 + 引用分离），且**凭据名一律由服务端按
+  主机 id 派生（`SD_<hostId>`）**——客户端提交的凭据名不参与凭据库寻址，
+  无法借 PUT 配置覆写任意既有凭据；任何日志都不输出密钥内容
+
+## 已知限制
+
+- 其他用户进程的日志（如 A5000 上 miaomiao 的训练）无法自动读取——需对方授权目录或提供凭据
+- **实验结束判定为增量语义**：每轮采集比较日志 mtime/size 相对上轮是否变化（按本地
+  时钟记账"最后变化时刻"），不做"本地挂钟 − 远端 mtime"直接相减——远端主机时钟
+  偏移不再造成误报；首次观察到某个日志时给一个阈值时长的宽限期，看板关闭期间的
+  采集空档也不会累积成"停滞"
+- 离线主机进入指数退避（1→2→5→10→30 分钟），期间展示缓存的错误快照；
+  看板顶部手动「刷新」清除全部退避，离线卡片上的「立即重试」只清那一台
+  （需带 force=1 才生效）；**设置页保存配置同样清空全部退避**并立即按新配置重试
+- /dash/events 的事件采样间隔与刷新间隔联动（下限 10 秒）：刷新间隔调大后，
+  离线/高温翻转等事件的提醒时延也随之变大
+- 无 GPU（或驱动异常）的机器显示 CPU/内存/磁盘，不整卡失败
+- 宿主侧代码更新需完全重启桌面端/`dsh web`；客户端 UI 刷新页面即生效
+
+## 目录
+
+```
+src/
+  host/collector.ts    SSH 采集与解析（nvidia-smi/free/df/日志尾读/指标解析/自动发现）
+  host/sshconfig.ts    ~/.ssh/config 解析
+  index.ts             Cordis 宿主插件（settings + credentials + /dash/* 路由 + 轮询）
+  client/index.tsx     客户端入口（sidebar.footer.action 触发器 + settings.section）
+  client/DashboardPanel.tsx / SettingsSection.tsx / locales.ts / types.ts
+scripts/               构建与测试（smoke / regression / table / discover / repair / validate…）
+```
+
+## 构建 / 安装
+
+```sh
+npm install          # 需要 HTTPS_PROXY 可用
+npm run build        # tsc（宿主）+ tsdown（客户端）+ 包装器
+# 安装进 web profile（父目录执行）：
+dsh plugin --profile web add ./dsh-server-dashboard
+# 或手动：profile package.json 加 link 依赖 + dsh.profile.bundles 加包名，pnpm install
+```
+
+## 路由
+
+| 路由 | 方法 | 说明 |
+|---|---|---|
+| `/dash/snapshots` | GET | 全部主机快照（GPU/CPU/内存/磁盘/进程/日志/曲线） |
+| `/dash/config` | GET/PUT | 主机配置读写（PUT 可携带密钥/密码密文） |
+| `/dash/import-ssh` | GET | 解析 ~/.ssh/config 返回可导入主机 |
+| `/dash/test` | POST | 连接测试（返回主机名 + GPU 数） |
+| `/dash/discover-logs` | POST | 自动发现训练日志候选 |
+
+## 安装(npm 发布版)
+
+```sh
+dsh plugin --profile web add dsh-server-dashboard
+# 然后完全重启 dsh web
+```
+
+- 自定义路由(`/dash/*` `/scholar/*` `/traj/*` `/statusbar/*`)仅接受本机(loopback)访问;
+  若以 `--host 0.0.0.0` 对局域网开放 Web UI,插件路由也不会暴露给远程。
+- 从源码 link 安装(开发):路径含空格时 `dsh plugin add` 会写坏 profile,请按仓库内文档手工修 link。
+
+## Changelog
+
+见 [CHANGELOG.md](./CHANGELOG.md)。

package/cordis.patch.yml

@@ -0,0 +1,6 @@
+# dsh-server-dashboard bundle layer — applied when a profile lists this bundle.
+# `name` is a PACKAGE NAME resolved through the profile's node_modules
+# (or the $DSH_HOME/profiles/node_modules fallback), not a relative path.
+- insert:
+    - id: dsh-server-dashboard
+      name: dsh-server-dashboard

package/dist/client/thresholds.js

@@ -0,0 +1,11 @@
+/** Shared alarm thresholds — the dashboard's single source of truth so the
+ *  heatmap cells, temp pills, anomaly flags and chart tones never drift apart. */
+/** GPU is "hot" at or above this temperature (°C) */
+export const TEMP_HOT = 82;
+/** GPU enters the warm band at this temperature (°C) */
+export const TEMP_WARM = 75;
+/** utilization (%, 0-100) at/above which a GPU counts as maxed/saturated */
+export const UTIL_SATURATED = 95;
+/** disk usage (%) above which a mount is flagged */
+export const DISK_WARN = 90;
+export const thresholds = { TEMP_HOT, TEMP_WARM, UTIL_SATURATED, DISK_WARN };

package/dist/client/types.js

@@ -0,0 +1,2 @@
+/** Wire types shared by the snapshot endpoint and the client panel. */
+export {};