Alauda Container Platform
  • 简体中文

    • 巡检

    目录

    执行巡检

    1. 在左侧导航栏中，单击 运维中心 > 巡检 > 基础巡检。

      提示：巡检页面展示的巡检数据信息为最近一次巡检的结果。巡检过程中，可实时查看完成巡检的资源数据。

    2. 在基础巡检页面，支持以下操作：

      • 执行巡检：单击页面右上角的 巡检 按钮，即可对平台进行巡检。

      • 下载巡检报告：单击页面右上角的 下载报告 按钮，在弹出的对话框中选择报告格式（PDF 和 Excel）后单击下载，即可将相应格式的报告下载至本地。

        • PDF 格式巡检报告内容不包含资源风险详情页面数据；

        • Excel 格式巡检报告内容为巡检的全部数据；

        • 支持同时下载两种格式报告。

    巡检配置

    巡检配置描述
    定时巡检自动触发任务执行的定时规则，支持输入 Crontab 表达式。
    提示：单击输入框，可展开平台预设的 触发规则模板， 选择适合的模板并简单修改后即可快速设置触发规则。
    巡检记录保留保留巡检记录的条数。
    邮件通知选择邮件通知联系人。
    注意：通知联系人需配置邮箱。
    巡检报告名称平台内置的巡检通知模板将使用该名称通知联系人。
    巡检配置项在平台默认的证书、集群主机和容器组巡检项中，根据需求修改预警阀值或关闭巡检项。

    巡检报告说明

    最近一次巡检

    在 最近一次巡检 信息区域，可查看最近一次巡检的相关信息：

    • 巡检时间：最近一次巡检的开始时间和结束时间。

    • 巡检资源总数：最近一次巡检总共巡检的资源（集群、节点、容器组、证书）总数。

    • 风险：存在风险的资源个数。包括发生 故障 和 预警 的资源个数。

    资源风险巡检

    在 资源风险巡检 页面，可查看平台上 global 集群、自建集群、接入集群以及所有集群下节点、容器组、证书的风险信息总览。

    单击对应类型资源（集群、节点、容器组、证书）卡片上的 风险详情 按钮，即可进入对应类型资源的风险详情页面。在详情页面，可查看资源的最近一次巡检信息，以及存在故障和预警的资源列表。

    • 单击资源名称，可跳转资源详情页面。

    • 单击列表 名称 字段右侧的展开按钮可展开故障、预警的判断条件和原因。

    资源的风险状态（故障、预警）判断条件说明参见下表。

    说明：用于判断每类资源故障、预警的条件包含多条，当资源的巡检数据匹配到判断条件中任一一条时，即作为一条风险数据。

    资源类型巡检范围故障判断条件预警判断条件
    集群- global 集群
    - 自建集群
    - 接入集群    		- 集群状态为 异常；
    - apiserver 连接异常    		- 集群规模（节点/容器组/mrtrics 数量）增大后，监控组件资源配置未更新。
    - 日志数据量、日志采集频率增大后，日志组件资源配置未更新。
    - 集群的 CPU 使用率大于 60%；
    - 集群的内存使用率大于 60%；
    - 集群的 ETCD 组件的任一容器组处于非 Running 状态；
    - 集群中任一主机处于非 Ready 状态；
    - 集群内任意 2 个节点的系统时间差超过 40S；
    - 集群的 CPU 请求率（实际请求值 / 总额）大于 60%；
    - 集群的内存请求率（实际请求值 / 总额）大于 80%；
    - 集群未安装监控组件；
    - 集群的监控组件异常；
    - 集群中的 kube-controller-manager 组件的任一容器组处于非 Running 状态；
    - 集群中的 kube-scheduler 组件的任一容器组处于非 Running 状态；
    - 集群中的 kube-apiserver 组件的任一容器组处于非 Running 状态。
    节点- 所有控制节点
    - 所有计算节点    		- 节点状态为 异常；
    - 节点上的 node-exporter 组件的容器组处于非 Running 状态；
    - 节点上的 kubelet 组件的容器组处于非 Running 状态。    		- 节点内 inode free 小于 1000
    - 节点的 CPU 使用率大于 60%；
    - 节点的内存使用率大于 60%；
    - 节点目录的磁盘空间使用率大于 60%；
    - 节点的系统负载大于 200% 且运行时间大于 15 分钟；
    - 过去 1 天内，至少发生过一次 NodeDeadlock（节点死锁）事件；
    - 过去 1 天内，至少发生过一次 NodeOOM（节点上内存溢出）事件；
    - 过去 1 天内，至少发生过一次 NodeTaskHung（节点上任务被挂起）事件；
    - 过去 1 天内，至少发生过一次 NodeCorruptDockerImage（节点上有损坏的 Docker 镜像）事件。
    容器组所有容器组- 容器组状态为 错误；
    - 容器组处于启动状态的时长超过 5 分钟。    		- Pod 的 CPU 使用率大于 80%；
    - Pod 的内存使用率大于 80%；
    - Pod 在过去 5 分钟内的重启次数大于等于 1 次。
    证书- Certmanager 证书
    - Kubernetes 证书    		证书状态为 过期。证书的有效期小于 29 天。

    资源用量巡检

    单击 资源用量巡检 页签，进入 资源用量巡检 页面。

    在 资源用量巡检 页面，可查看平台上 global 集群、接入集群、自建集群的 CPU、内存、磁盘总量、用量、使用率，以及平台上集群、节点、容器组、项目等资源的个数。

    • 资源使用量统计：可查看 global 集群、接入集群和自建集群的 CPU、内存、磁盘总量和总使用率。

    • 平台资源数量：可查看平台上正在运行的资源的个数。