Grafana 仪表板

这两个 Curated Grafana 仪表板基于 CNPG 内置指标 exporter 构建,用于监控 Alauda Data Services Relational Database E3 (CNPG) 集群:

  • static/grafana/cluster-overview.json — 集群健康状况:实例状态、主实例标识、复制堆积量、 连接数、每秒事务数、缓存命中率、存储和 WAL 使用情况(24 个图表)。
  • static/grafana/backup-monitoring.json — 持续备份健康状况:距上次成功备份的时间、备份 失败内置指标、时间点恢复窗口、WAL 归档速率 和堆积量、WAL 卷(15 个图表)。

两个仪表板均已在 Alauda Container Platform 上运行中的 2 实例 CNPG 集群中完成验证 (使用 barman-cloud 插件将备份写入对象 存储,并运行 pgbench 工作负载):已确认每个图表的查询均能从平台 Prometheus 返回数据。

内置 exporter 与 postgres-exporter 的对比

如果你从基于 Zalando 的 PostgreSQL 技术栈迁移而来,监控 曾使用独立的 postgres-exporter sidecar。CNPG 会在每个实例 Pod 中内置 exporter (端口 9187),无需额外部署:

CNPG 内置 exporterpostgres-exporter(Zalando 技术栈)
部署位于每个实例 Pod 内,端口 9187每个集群额外部署 sidecar/Deployment
连接Pod 本地 socket、专用 cnpg_metrics_exporter 角色,无需密码 secret通过环境变量配置 TCP DSN(需管理 secret)
指标前缀cnpg_pg_
Operator 感知fencing、同步从节点数量、已使用的节点、WAL 归档状态、备份时间戳仅数据库级别
自定义查询每个集群的 spec.monitoring.customQueriesConfigMapexporter 全局的 queries.yaml

请勿将 postgres-exporter 附加到 CNPG 集群,否则会 导致重复抓取,同时仍无法获取 operator 级别的健康指标。如果 你依赖 pg_stat_user_tables / pg_stat_statements 图表, 请将这些查询移植到 customQueriesConfigMap 中(查询 YAML 方言基本相同);并将仪表板序列名称从 pg_* 改为 cnpg_pg_*。

exporter 暴露的内容

  • 原生指标(cnpg_collector_*):实例运行状态、PostgreSQL 版本、fencing、是否需要手动切换、已使用的节点、同步从节点数量、WAL segment 数量/大小、WAL 归档状态 (ready/done),以及(PG ≥ 14)WAL 写入/同步统计信息。
  • 默认查询(cnpg_<query>_*,来自 operator 管理的 cnpg-default-monitoring ConfigMap):backends、pg_database、 pg_replication、pg_replication_slots、pg_stat_archiver、 pg_stat_bgwriter/pg_stat_checkpointer、pg_stat_database、 pg_stat_replication、pg_settings、pg_extensions。
  • 插件指标:CNPG-i 插件通过同一端点发布指标。 barman-cloud 插件(此产品随附的备份方法)暴露 barman_cloud_cloudnative_pg_io_last_available_backup_timestamp、 ..._last_failed_backup_timestamp 和 ..._first_recoverability_point。
WARNING

使用插件管理的备份时,旧版 cnpg_collector_last_available_backup_timestamp / ..._first_recoverability_point 指标仍为 0 —— 它们读取的是插件不会设置的 树内状态字段。备份监控面板会优先查询插件序列,并回退到树内序列,因此兼容 插件、卷快照以及旧版树内 barman 备份。

安装

1. 创建带有平台要求标签的 PodMonitor

exporter 始终处于启用状态;你需要添加的是 PodMonitor,以便平台 Prometheus 抓取它。在 Alauda Container Platform 上,平台 Prometheus(kube-prometheus-0 位于 cpaas-system 中)会选择所有命名空间中的监控资源, 但仅选择带有标签 prometheus: kube-prometheus 的资源:

apiVersion: monitoring.coreos.com/v1
kind: PodMonitor
metadata:
  name: <cluster-name>
  namespace: <cluster-namespace>
  labels:
    prometheus: kube-prometheus        # REQUIRED on ACP
spec:
  selector:
    matchLabels:
      cnpg.io/cluster: <cluster-name>
  podMetricsEndpoints:
    - port: metrics
TIP

Cluster 上的 spec.monitoring.enablePodMonitor: true 也有效,但在 CNPG 1.29 中已弃用,并且会生成不带 所需标签的 PodMonitor —— 如果使用它,请通过 spec.inheritedMetadata.labels 传递该标签。

验证抓取:

kubectl -n cpaas-system port-forward svc/kube-prometheus-0-web 9090 &
curl -s 'http://127.0.0.1:9090/api/v1/query?query=cnpg_collector_up' | jq .data.result

2. 将 Grafana 指向平台 Prometheus

使用 Grafana ≥ 9.x,并配置 Prometheus 数据源。

WARNING

ACP Prometheus 服务 (kube-prometheus-0-web.cpaas-system.svc:9090 和 Thanos 查询 服务)位于 OAuth(dex)代理之后 —— 普通 URL 数据源 收到的是重定向,而不是数据。请为数据源配置 Authorization: Bearer <platform id_token> 自定义 HTTP 标头;或者,如果 Grafana 在集群内运行,请直接指向 Prometheus 容器 端口(prometheus-kube-prometheus-0-0 Pod 上的端口 9090 未经过代理;OAuth sidecar 仅代理服务目标端口)。

3. 导入监控面板

UI:监控面板 → 新建 → 导入 → 上传 JSON 文件 —— 下载 cluster-overview.json 和 backup-monitoring.json;出现提示时选择你的 Prometheus 数据源。两个监控面板都会暴露 namespace 和 cluster 模板变量(从 cnpg_collector_up 中发现), 因此导入一次即可覆盖平台上的所有 CNPG 集群。

监控面板与指标映射

需求图表(监控面板)底层时序
实例运行状态实例运行状态(概览)cnpg_collector_up
主节点是哪个 Pod主实例(概览)cnpg_pg_replication_in_recovery == 0
复制堆积量复制堆积量(概览)cnpg_pg_replication_lag、cnpg_pg_stat_replication_*_lag_seconds
连接数按状态划分的后端连接数、连接使用情况(概览)cnpg_backends_total、cnpg_pg_settings_setting
TPS每秒事务数(概览)rate(cnpg_pg_stat_database_xact_commit[5m])
缓存命中率缓存命中率(概览)cnpg_pg_stat_database_blks_hit 与 blks_read
上次备份时间 / 失败距上次成功备份的时间(备份)barman_cloud_cloudnative_pg_io_last_available_backup_timestamp(插件),失败时回退到 cnpg_collector_*
PITR 窗口恢复窗口(备份)barman_cloud_cloudnative_pg_io_first_recoverability_point(插件),失败时回退
WAL 归档状态等待归档的 WAL 段、WAL 归档速率(备份)cnpg_collector_pg_wal_archive_status、cnpg_pg_stat_archiver_*

备份大小有意不在此列:CNPG 不会将其作为指标导出。请从 Backup 资源状态(kubectl get backup <name> -o jsonpath='{.status}')或对象 存储中读取;数据库大小 / 磁盘上的 WAL 图表可作为容量 参考指标。

已知限制

  • 基于 pg_stat_replication 的图表仅在主实例上至少有一个流复制从节点时才会显示数据;在只有 1 个实例的集群中,这些图表为空是正常现象。
  • 备份新鲜度图表涵盖 barman-cloud 插件和内置方法;其他备份插件需要添加相应的时序。
  • CNPG 插件不附带 Grafana;请自行准备 Grafana(已在 Grafana 9.5 上验证)。

商标声明

CloudNativePG™ 是 The Linux Foundation 的商标。

PostgreSQL® 是 PostgreSQL Community Association of Canada 的注册商标。

Alauda 是独立供应商。本产品与 The Linux Foundation、PostgreSQL Community Association of Canada 无关,也未获得其认可或赞助。所有商标均为其各自所有者的财产,在此仅用于识别目的。