Alauda Container Platform
  • 简体中文

    • 巡检

    目录

    执行巡检巡检配置巡检报告说明最近一次巡检资源风险巡检资源利用率巡检

    执行巡检

    1. 点击左侧导航栏中的运维中心 > 巡检 > 基础巡检。

      提示：巡检页面显示最近一次巡检的巡检数据信息。在巡检过程中，您可以实时查看已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：点击页面右上角的巡检按钮，对平台执行巡检。

      • 下载巡检报告：点击页面右上角的下载报告按钮，在弹出对话框中选择报告格式（PDF 和 Excel），然后点击下载，系统会将相应格式的报告下载到本地计算机。

        • PDF 格式的巡检报告不包含资源风险详情页数据；

        • Excel 格式的巡检报告包含巡检中的所有数据；

        • 支持同时下载两种格式的报告。

    巡检配置

    巡检配置描述
    定时巡检自动化任务执行时间规则，支持输入 Crontab 表达式。
    提示：点击输入框可展开平台预设的触发规则模板，选择适当的模板，通过简单修改快速设置触发规则。
    巡检记录保留要保留的巡检记录数量。
    邮件通知选择邮件通知联系人。
    注意：通知联系人必须已配置电子邮件。
    巡检报告名称平台内置巡检通知模板用于通知联系人的名称。
    巡检配置项根据平台针对证书、集群主机和 Pod 的默认巡检项，修改告警阈值或禁用巡检项。

    巡检报告说明

    最近一次巡检

    在最近一次巡检信息区域，可以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和结束时间。

    • 巡检资源总数：最近一次巡检中巡检的资源总数（集群、节点、Pod、证书）。

    • 风险：存在风险的资源数量，包括分类为故障和警告的资源。

    资源风险巡检

    在资源风险巡检页面，可以查看 global 集群、Kubernetes 提供的业务集群、第三方集群，以及这些集群下所有节点、Pod 和证书的风险信息概览。

    点击相应资源类型（集群、节点、Pod、证书）卡片上的风险详情按钮，进入该资源类型的风险详情页面。在详情页面，可以查看该资源最近一次巡检的信息，以及存在故障和警告的资源列表。

    • 点击资源名称，跳转到资源详情页面。

    • 点击列表中名称字段右侧的展开按钮，展开故障和警告的判断条件及原因。

    有关各资源的风险状态判断标准（故障、警告），请参阅下表。

    注意：每种资源类型的故障和警告可能根据多个条件进行判断；当资源的巡检数据符合任一判断条件时，即视为一条风险数据。

    资源类型巡检范围故障判断条件警告判断条件
    集群- global 集群
    - Kubernetes 提供的业务集群
    - 第三方集群    		- 集群状态为异常；
    - apiserver 连接异常    		- 集群扩容（节点数/Pod 数/指标数）后，监控组件资源配置未更新。
    - 日志数据量和日志采集频率增加后，日志组件资源配置未更新。
    - 集群 CPU 使用率超过 60%；
    - 集群内存使用率超过 60%；
    - 集群 ETCD 组件中的任一 Pod 处于非 Running 状态；
    - 集群中的任一主机处于非 Ready 状态；
    - 集群中任意两个节点的时间差超过 40 秒；
    - 集群 CPU 请求率（实际请求值 / 总量）超过 60%；
    - 集群内存请求率（实际请求值 / 总量）超过 80%；
    - 集群未安装监控组件；
    - 集群监控组件异常；
    - 集群 kube-controller-manager 组件中的任一 Pod 处于非 Running 状态；
    - 集群 kube-scheduler 组件中的任一 Pod 处于非 Running 状态；
    - 集群 kube-apiserver 组件中的任一 Pod 处于非 Running 状态。
    节点- 所有控制平面节点
    - 所有工作节点    		- 节点状态为异常；
    - 节点上的 node-exporter 组件 Pod 处于非 Running 状态；
    - 节点上的 kubelet 组件 Pod 处于非 Running 状态。    		- 节点 inode 可用数小于 1000
    - 节点 CPU 使用率超过 60%；
    - 节点内存使用率超过 60%；
    - 节点目录磁盘空间使用率超过 60%；
    - 节点系统负载超过 200% 且持续时间超过 15 分钟；
    - 过去一天至少发生过一次 NodeDeadlock（节点死锁）事件；
    - 过去一天至少发生过一次 NodeOOM（内存不足）事件；
    - 过去一天至少发生过一次 NodeTaskHung（任务挂起）事件。
    Pod所有 Pod- Pod 状态为错误；
    - Pod 处于启动状态超过 5 分钟。    		- Pod CPU 使用率超过 80%；
    - Pod 内存使用率超过 80%；
    - 过去 5 分钟内 Pod 的重启次数大于或等于 1。
    证书- Certmanager 证书
    - Kubernetes 证书    		证书状态为已过期。证书有效期少于 29 天。

    资源利用率巡检

    点击资源利用率巡检页签，进入资源利用率巡检页面。

    在资源利用率巡检页面，可以查看 global 集群、第三方集群和 Kubernetes 提供的业务集群的 CPU、内存和磁盘总量、使用量及使用率，以及平台上的集群、节点、Pod 和项目等资源数量。

    • 资源使用统计：可以查看 global 集群、第三方集群和 Kubernetes 提供的业务集群的 CPU、内存和磁盘总量及总使用率。

    • 平台资源数量：可以查看平台上运行的资源数量。