惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

Scott Helme
Scott Helme
N
Netflix TechBlog - Medium
AI
AI
Security Latest
Security Latest
GbyAI
GbyAI
P
Proofpoint News Feed
Y
Y Combinator Blog
A
Arctic Wolf
G
Google Developers Blog
U
Unit 42
爱范儿
爱范儿
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
V
Vulnerabilities – Threatpost
Know Your Adversary
Know Your Adversary
Cisco Talos Blog
Cisco Talos Blog
T
Tor Project blog
C
CXSECURITY Database RSS Feed - CXSecurity.com
T
Threatpost
L
Lohrmann on Cybersecurity
C
CERT Recently Published Vulnerability Notes
C
Check Point Blog
B
Blog RSS Feed
The GitHub Blog
The GitHub Blog
Microsoft Azure Blog
Microsoft Azure Blog
博客园 - 【当耐特】
博客园 - Franky
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
C
Cisco Blogs
云风的 BLOG
云风的 BLOG
NISL@THU
NISL@THU
D
Darknet – Hacking Tools, Hacker News & Cyber Security
Microsoft Security Blog
Microsoft Security Blog
T
The Blog of Author Tim Ferriss
阮一峰的网络日志
阮一峰的网络日志
Latest news
Latest news
L
LINUX DO - 最新话题
cs.CV updates on arXiv.org
cs.CV updates on arXiv.org
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
美团技术团队
WordPress大学
WordPress大学
L
LangChain Blog
Stack Overflow Blog
Stack Overflow Blog
Exploit-DB.com RSS Feed
Exploit-DB.com RSS Feed
酷 壳 – CoolShell
酷 壳 – CoolShell
大猫的无限游戏
大猫的无限游戏
The Hacker News
The Hacker News
Simon Willison's Weblog
Simon Willison's Weblog
V
V2EX
Project Zero
Project Zero
博客园_首页

陈少文的网站

巨变与机遇的未来十年 Kubernetes 平台管理软件压力测试方案 使用镜像部署 Hexo 静态页面 终于等到你 - GitHub 镜像仓库服务(ghcr.io) 一起来学 Go --(6)Interface 一起来学 Go --(5)Goroutine 和 Channel 什么是函数式编程 如何在 Kubernetes 集群集成 Kata 柯里化与偏函数 使用 PyGithub 自动创建 Label 软件产品是团队能力的输出 Helm 2 、Helm 3 比较 IoT 变现 Kubernetes 中的 DNS 服务 国内的 Helm 镜像源 Harbor 使用自签证书支持 Https 访问 DevOps 工具链之 Prow 如何使用 kfctl 安装 Kubeflow VS Code 无法下载 Go 插件的工具包 工程师更应具有服务精神 你不知道的 Docker 使用技巧 使用 Docker 运行 Tensorflow 论中国 什么是左移 如何清空 Git 仓库全部历史记录 一禅小和尚 有风吹过厨房 时间的玫瑰 如何在 CentOS 安装 GPU 驱动 开发 Tips(19) 使用 Velero 备份 Kubernetes 集群 Kubernetes Cheat Sheet 开发 Tips(18) 如何构建一个 Java 工程 开发 Tips(17) KubeSpray 安装 Kubernetes 报错 ip in ansible_all_ipv4_addresses 基于 Kubernetes 和 Jenkins 搭建自动化测试系统 在 Kubernetes 上动态创建 Jenkins Slave 使用 Jenkins 进行服务拨测 开发 Tips(16) Kubernetes 签发 Ingress 证书及日常故障运维 Kubernetes 中 Deployment 的基本操作 Kubernetes 中的证书 如何使用 KubeBuilder 开发一个 Operator Kubernetes 1.6.0 安装问题汇总 镜像管理工具 -- Harbor 开发 Tips(15) Docker 如何拉取镜像 开发 Tips(14) 使用 Helm 安装 harbor 开发 Tips(13) 使用 S2I 构建云原生应用 在 Kubernetes 中使用 emptyDir、hostPath、localVolume 开发 Tips(12) 开发 Tips(11) 代码质量分析工具 SonarQube 使用 Kubeadm 安装 Kubernetes 集群 一起来学 Go --(4)常用函数 Kubernetes 中的 Ceph Kubernetes 之 Volumes Kubernetes 之 Labels、Selectors 开发 Tips(10) 开源正在重构商业模式 Kubernetes 之网络 Kubernetes 之 API 使用 Helm 和 Operator 快速部署 Prometheus Kubernetes 复杂有状态应用管理框架 -- Operator Kubernetes 的包管理器 -- Helm 一起来学 Go --(3)Go Modules 如何一步一步地优化博客方案 kubectl 实用指南 Kubernetes 中的基本概念 搭建远程 Kubernetes 开发环境 大公司和小公司的 ToB 思路 开发 Tips(9) Go 入门指南 一起来学 Go --(2)数据与逻辑结构 如何预防 Web 富文本中的 XSS 攻击 django-xss-cleaner 云工作时代 一起来学 Go --(1)背景与特点 SaaS 开发团队的不同阶段 你不知道的 Git 使用技巧 输出既服务 微服务设计 继续奔跑 开发 Tips(8) 从账户安全到二次验证 Django 性能之数据库查询优化 Django 性能之分库分表 敏捷开发之研发流程 打造一致性的团队 开发 Tips(7) Pytest 进阶学习之 Mock PaaS 部署之 buildpack Go 开发配置 领域输出才是 PaaS 的核心竞争力 Pytest 入门学习 开发 Tips(6) 如何使用 Jenkins、Docker、GitLab 搭建 Django 自动化部署流程
常用的各类资源 Prometheus 告警语句
微信公众号 · 2022-08-21 · via 陈少文的网站

主机

  • 主机内存使用率超过阈值

1 - node_memory_MemAvailable_bytes{mode!="idle"} / node_memory_MemTotal_bytes

阈值:0.9

  • 主机 CPU 使用率超过阈值

1 - avg(irate(node_cpu_seconds_total{mode="idle"}[5m])) by (host_name)

阈值:0.85

  • 主机硬盘使用率超过阈值

1 - avg without (fstype)(node_filesystem_free_bytes{fstype!='rootfs',mountpoint!~'/(run|var|snap).*'} / node_filesystem_size_bytes{fstype!='rootfs',mountpoint!~'/(run|var|snap).*'})

阈值:0.8

Windows

  • Windows 主机内存使用率超过阈值

1 - 1 * windows_os_physical_memory_free_bytes{job="windows_exporter",mode!="idle"} / windows_cs_physical_memory_bytes

阈值:0.9

  • Windows 主机 CPU 使用率超过阈值

1 - (avg by (host_ip,host_name) (irate(windows_cpu_time_total{job="windows_exporter",mode="idle"}[1m])))

阈值:0.85

  • Windows 主机硬盘使用率超过阈值

1 - windows_logical_disk_free_bytes{job="windows_exporter",volume!~"HarddiskVolume.*"} / windows_logical_disk_size_bytes

阈值:0.8

Kubernetes

  • 集群组件状态

sum by (cluster, exported_pod, phase) (kube_pod_status_phase{phase!="Running", exported_namespace="kube-system", exported_pod=~"kube-apiserver-.*|kube-controller-manager-.*|kube-proxy-.*"} == 1) > 0

  • 内存 10 分钟内快速增加

increase(sum(container_memory_working_set_bytes{container!~"POD", image!="",name=~"^k8s_.*"}) by (pod, namespace, cluster)) [10m] / sum(container_memory_working_set_bytes{container!~"POD", image!="",name=~"^k8s_.*"}) by (pod, namespace, cluster) offset 10m

阈值: 大于 1

  • 大内存应用检测

sum(container_memory_working_set_bytes{container!~"POD", image!="",name=~"^k8s_.*"}) by (pod, namespace, cluster)/1024/1024/1024

阈值: 大于 2,单位 GB

  • Pod CPU 被限制核数

sum (rate (container_cpu_cfs_throttled_seconds_total{name=~"^k8s_.*"}[5m])) by (pod)

阈值: 大于 1

  • Pod CPU 被限制比例

sum by (cluster, namespace, pod)(irate(container_cpu_cfs_throttled_periods_total{container!="POD", container!=""}[5m])) / sum by (cluster, namespace, pod)( irate(container_cpu_cfs_periods_total{container!="POD", container!=""}[5m])) > 0.5

阈值: 大于 0.5

另一种写法是

sum by (cluster, namespace, pod) (irate (container_cpu_cfs_throttled_seconds_total{name=~"^k8s_.*"}[10s])) / sum by (cluster, namespace, pod) (kube_pod_container_resource_limits{resource="cpu"}) > 0.5

  • POD 10 分钟重启次数超过3次

sum (increase (kube_pod_container_status_restarts_total{}[10m])) by (cluster, namespace,pod)

阈值:大于 3

  • 10 分钟内 POD 发生 OOM

sum by (namespace,pod) ((kube_pod_container_status_restarts_total{} - kube_pod_container_status_restarts_total{} offset 10m >= 1) and ignoring (reason) min_over_time(kube_pod_container_status_last_terminated_reason{reason='OOMKilled'}[10m]) == 1)

阈值:大于 2

  • POD 等待

sum by (namespace, pod, reason) (kube_pod_container_status_waiting_reason{})

阈值:大于 0

  • POD Pending

sum by (namespace, pod)(kube_pod_status_ready{condition='false'})

阈值:大于 0

  • 集群数量发生变化

count(count(kube_node_created{}) by (cluster))

阈值:不等于真实值

  • 5 分钟不可用节点增量

sum(kube_node_status_condition{status!="true"}) by (cluster, exported_node, condition) - sum(kube_node_status_condition{status!="true"} offset 5m) by (cluster, exported_node, condition)

阈值:大于 0

  • 节点时间不同步

min_over_time(node_timex_sync_status[5m])

阈值:等于 0

  • controller 的调度深度

sum by (cluster) (workqueue_depth{})

阈值:大于 0

  • 5 分钟队列增加总数

sum by (cluster) (rate(workqueue_adds_total{}[5m]))

阈值:大于 50

  • 对象在队列中停留的时间

histogram_quantile(0.99, sum(rate(workqueue_queue_duration_seconds_bucket{}[5m])) by (cluster, le))

阈值:大于 0.5

ClickHouse

  • 副本同步队列出现堆积

clickhouse_replicas_max_queue_size{}

阈值:大于 100

Elasticsearch

  • Elastic_Cluster_Health_RED 有主分片没能正常运行

elasticsearch_cluster_health_status{color="red"}

阈值:等于 1

  • Elasticsearch_health_up 集群处于非健康状态

elasticsearch_cluster_health_up{}

阈值:不等于 1

  • ES heap 内存占用率高于90%

sum by ( cluster_name, host) (elasticsearch_jvm_memory_used_bytes{area="heap"}) / sum by ( cluster_name, host) (elasticsearch_jvm_memory_max_bytes{area="heap"})

阈值:大于 0.9

  • ES 待处理的任务数大于 10

elasticsearch_cluster_health_number_of_pending_tasks{}

阈值:大于10

MongoDB

  • MongoDB ops commands操作过高

mongodb_commands_per_sec{} or cloudwatch_aws_doc_db_opcounters_command_average{}

阈值:大于 5000

  • MongoDB链接数过高

mongodb_open_connections{} or cloudwatch_aws_doc_db_database_connections_average{}

阈值:大于5000

  • MongoDB wiredTiger cache达到驱逐阀值

sum by (cluster_name) (mongodb_wtcache_current_bytes{}) / sum by (cluster_name) (mongodb_wtcache_max_bytes_configured{}) * 100

阈值:大于90

  • MongoDB wiredTiger dirty cache 达到驱逐阀值

sum by (cluster_name) (mongodb_wtcache_tracked_dirty_bytes{}) / sum by (cluster_name) (mongodb_wtcache_max_bytes_configured{}) * 100

阈值:大于20

Redis

  • 服务状态异常

redis_up{job="telegraf"}

阈值:小于 1

  • instance 当前内存使用率过大

redis_memory_used_bytes{job="telegraf"} / redis_config_maxmemory

阈值: 大于0.8

  • instance 内存使用率10分钟增长超过50%

(redis_memory_used_bytes{job="telegraf"} / redis_config_maxmemory) - (redis_memory_used_bytes{job="telegraf"} offset 10m / redis_config_maxmemory offset 10m)

阈值:大于 0.5

  • cluster 当前内存使用率过大

sum(redis_memory_used_bytes{job="telegraf"}) by (cluster_name) / sum(redis_config_maxmemory{job="telegraf"}) by (cluster_name)

阈值: 大于 0.8

  • cluster 内存使用率10分钟增长超过10%

(sum(redis_memory_used_bytes{job="telegraf"}) by (cluster_name) / sum(redis_config_maxmemory{job="telegraf"}) by (cluster_name))- (sum(redis_memory_used_bytes{job="telegraf"}offset 10m) by (cluster_name) / sum(redis_config_maxmemory{job="telegraf"}offset 10m) by (cluster_name))

阈值:大于 0.1

  • QPS 10分钟内增长超过30% 并且 当前QPS>500

sum by (cluster_name) (rate(redis_commands_processed_total{job="telegraf"}[5m])) and ((sum by (cluster_name) (rate(redis_commands_processed_total{job="telegraf"}[5m] )) -sum by (cluster_name) (rate(redis_commands_processed_total{job="telegraf"}[5m] offset 10m)) ) /sum by (cluster_name) (rate(redis_commands_processed_total{job="telegraf""}[5m] offset 10m))> 0.3)

阈值:大于 500

  • 连接数 10分钟内增长超过30% 并且 当前连接数>500

sum by (cluster_name) (redis_connected_clients{job="telegraf"}) and (((sum by (cluster_name) (redis_connected_clients{job="telegraf"}) -sum by (cluster_name) (redis_connected_clients{job="telegraf"}offset 10m))) / sum by (cluster_name) (redis_connected_clients{job="telegraf"}offset 10m)> 0.3)

阈值:> 500

RabbitMQ

  • 实例探活异常

avg by (cluster_name,addr) (rabbitmq_up{})

阈值:< 1

  • 内存使用率过大

sum by (cluster_name,region,addr) (rabbitmq_node_mem_used{}) / sum by (cluster_name,region,addr) (rabbitmq_node_mem_limit{})

阈值:> 0.85

  • 连接数使用率过大

sum by (cluster_name,region,addr) (rabbitmq_sockets_used{}) / sum by (cluster_name,region,addr) (rabbitmq_sockets_available{})

阈值:> 0.85

Pika

  • Pika 节点ops过高

sum by(cluster_name, addr ) (rate(pika_total_commands_processed[5m]))

阈值:> 120000

  • Pika 节点状态异常

avg(pika_up{}) by (cluster_name,addr)

阈值:< 1

  • Pika slave lag过大

avg(pika_slave_lag{}) by (cluster_name,addr)

阈值:>100000

  • Pika master 连接异常

avg(pika_master_link_up{}) by (cluster_name,addr)

阈值:<1

MySQL

  • 磁盘使用率过大

(huaweicloud_sys_rds_rds048_disk_used_size / huaweicloud_sys_rds_rds047_disk_total_size) or (1 - aws_rdsdisk_free / aws_rdsdisk_total)

阈值:> 0.8

  • CPU 使用率过大

huaweicloud_sys_rds_rds001_cpu_util or aws_rds_cpuutilization_average

阈值:> 80

  • 慢查过多

rate(mysql_slow_queries{}[5m])

阈值:> 50

  • 连接数过大

mysql_threads_connected{}

阈值:> 2000

  • 连接数使用率过大

mysql_threads_connected{} / mysql_max_used_connections{}

阈值:> 0.9

  • MySQL QPS过大

rate(mysql_queries{}[5m])

阈值:> 8000

  • MySQL 探活失败

mysql_up{job="telegraf-mysql"}

阈值:< 1

  • MySQL 磁盘使用率过大

((huaweicloud_sys_rds_rds048_disk_used_size / huaweicloud_sys_rds_rds047_disk_total_size) and on (name) mysql_up{}) or ((1 - aws_rdsdisk_free / aws_rdsdisk_total) and on (name) mysql_up{})

阈值 > 0.8

  • MySQL CPU使用率过大

(huaweicloud_sys_rds_rds001_cpu_util and on (name) mysql_up{}) or (aws_rds_cpuutilization_average and on (dbinstance_identifier) mysql_up{})

阈值:> 80

Kafka

  • kafka队列积压过多

avg without(host_ip) (sum by(consumergroup, topic, cluster_name, host_ip) (kafka_consumergroup_lag{})) > 1000 and on (cluster_name, consumergroup, topic ) sum without(partition, job, host_ip) (delta(kafka_consumergroup_current_offset{}[1d]))

阈值:!= 0

  • Kafka 存在复制不足的分区

avg_over_time(kafka_server_replicamanager_underreplicatedpartitions{}[1m])

阈值:>=1

  • Kafka 存在没有领导者的分区

avg_over_time(kafka_controller_kafkacontroller_offlinepartitionscount{}[1m])

阈值:> 0

  • Kafka 集群中控制器的数量等于 0

sum by(cluster_name) (avg_over_time(kafka_controller_kafkacontroller_activecontrollercount{}[2m]))

阈值:=0

  • Kafka brokers数量不足

kafka_brokers{}

阈值:=0

  • Zookeeper instance is down

zk_up{}

阈值:=0

  • Zookeeper 连接数过高

zk_num_alive_connections{}

阈值:> 100

  • Zookeeper 超出服务器处理能力的排队请求数量

zk_outstanding_requests{}

阈值:>100

  • Zookeeper服务器响应客户端请求花费的平均时间过长(ms)

zk_avg_latency{}

阈值:>100

Etcd

  • Etcd Server has no leader

max by (cluster) (etcd_server_has_leader{}) == 0

阈值:= 0

  • Etcd proposls failed num > 10 within 2min

increase(etcd_server_proposals_failed_total{}[2m])

阈值:>10

  • Etcd Disk fsync durations > 500ms

histogram_quantile(0.99, sum by(instance,le,cluster_name) (rate(etcd_disk_wal_fsync_duration_seconds_bucket{}[2m])))

阈值:> 0.5

  • Etcd Disk commit durations > 250ms

histogram_quantile(0.99, rate(etcd_disk_backend_commit_duration_seconds_bucket{}[2m]))

阈值: > 0.25

  • Etcd leader changes num > 2 within 5min

increase(etcd_server_leader_changes_seen_total{}[5m])

阈值:> 2

  • Etcd DB 使用空间超过85%

etcd_mvcc_db_total_size_in_bytes{} / etcd_server_quota_backend_bytes{}

阈值:> 0.85

参考