Longhorn，企业级云原生容器分布式存储之监控

目录

• 设置 Prometheus 和 Grafana 来监控 Longhorn
• 将 Longhorn 指标集成到 Rancher 监控系统中
• Longhorn 监控指标
• 支持 Kubelet Volume 指标
• Longhorn 警报规则示例

设置 Prometheus 和 Grafana 来监控 Longhorn

概览

Longhorn 在 REST 端点 http://LONGHORN_MANAGER_IP:PORT/metrics 上以 Prometheus 文本格式原生公开指标。有关所有可用指标的说明，请参阅 Longhorn's metrics。您可以使用 Prometheus, Graphite, Telegraf 等任何收集工具来抓取这些指标，然后通过 Grafana 等工具将收集到的数据可视化。

本文档提供了一个监控 Longhorn 的示例设置。监控系统使用 Prometheus 收集数据和警报，使用 Grafana 将收集的数据可视化/仪表板(visualizing/dashboarding)。高级概述来看，监控系统包含：

• Prometheus 服务器从 Longhorn 指标端点抓取和存储时间序列数据。Prometheus 还负责根据配置的规则和收集的数据生成警报。Prometheus 服务器然后将警报发送到 Alertmanager。
• AlertManager 然后管理这些警报(alerts)，包括静默(silencing)、抑制(inhibition)、聚合(aggregation)和通过电子邮件、呼叫通知系统和聊天平台等方法发送通知。
• Grafana 向 Prometheus 服务器查询数据并绘制仪表板进行可视化。

下图描述了监控系统的详细架构。

上图中有 2 个未提及的组件：

• Longhorn 后端服务是指向 Longhorn manager pods 集的服务。Longhorn 的指标在端点 http://LONGHORN_MANAGER_IP:PORT/metrics 的 Longhorn manager pods 中公开。
• Prometheus operator 使在 Kubernetes 上运行 Prometheus 变得非常容易。operator 监视 3 个自定义资源：ServiceMonitor、Prometheus 和 AlertManager。当用户创建这些自定义资源时，Prometheus Operator 会使用用户指定的配置部署和管理 Prometheus server, AlerManager。

安装

按照此说明将所有组件安装到 monitoring 命名空间中。要将它们安装到不同的命名空间中，请更改字段 namespace: OTHER_NAMESPACE

创建 monitoring 命名空间

1. apiVersion: v1 
2. kind: Namespace 
3. metadata: 
4.   name: monitoring 

安装 Prometheus Operator

部署 Prometheus Operator 及其所需的 ClusterRole、ClusterRoleBinding 和 Service Account。

1. apiVersion: rbac.authorization.k8s.io/v1 
2. kind: ClusterRoleBinding 
3. metadata: 
4.   labels: 
5.     app.kubernetes.io/component: controller 
6.     app.kubernetes.io/name: prometheus-operator 
7.     app.kubernetes.io/version: v0.38.3 
8.   name: prometheus-operator 
9.   namespace: monitoring 
10. roleRef: 
11.   apiGroup: rbac.authorization.k8s.io 
12.   kind: ClusterRole 
13.   name: prometheus-operator 
14. subjects: 
15. - kind: ServiceAccount 
16.   name: prometheus-operator 
17.   namespace: monitoring 
18. --- 
19. apiVersion: rbac.authorization.k8s.io/v1 
20. kind: ClusterRole 
21. metadata: 
22.   labels: 
23.     app.kubernetes.io/component: controller 
24.     app.kubernetes.io/name: prometheus-operator 
25.     app.kubernetes.io/version: v0.38.3 
26.   name: prometheus-operator 
27.   namespace: monitoring 
28. rules: 
29. - apiGroups: 
30.   - apiextensions.k8s.io 
31.   resources: 
32.   - customresourcedefinitions 
33.   verbs: 
34.   - create 
35. - apiGroups: 
36.   - apiextensions.k8s.io 
37.   resourceNames: 
38.   - alertmanagers.monitoring.coreos.com 
39.   - podmonitors.monitoring.coreos.com 
40.   - prometheuses.monitoring.coreos.com 
41.   - prometheusrules.monitoring.coreos.com 
42.   - servicemonitors.monitoring.coreos.com 
43.   - thanosrulers.monitoring.coreos.com 
44.   resources: 
45.   - customresourcedefinitions 
46.   verbs: 
47.   - get 
48.   - update 
49. - apiGroups: 
50.   - monitoring.coreos.com 
51.   resources: 
52.   - alertmanagers 
53.   - alertmanagers/finalizers 
54.   - prometheuses 
55.   - prometheuses/finalizers 
56.   - thanosrulers 
57.   - thanosrulers/finalizers 
58.   - servicemonitors 
59.   - podmonitors 
60.   - prometheusrules 
61.   verbs: 
62.   - '*' 
63. - apiGroups: 
64.   - apps 
65.   resources: 
66.   - statefulsets 
67.   verbs: 
68.   - '*' 
69. - apiGroups: 
70.   - "" 
71.   resources: 
72.   - configmaps 
73.   - secrets 
74.   verbs: 
75.   - '*' 
76. - apiGroups: 
77.   - "" 
78.   resources: 
79.   - pods 
80.   verbs: 
81.   - list 
82.   - delete 
83. - apiGroups: 
84.   - "" 
85.   resources: 
86.   - services 
87.   - services/finalizers 
88.   - endpoints 
89.   verbs: 
90.   - get 
91.   - create 
92.   - update 
93.   - delete 
94. - apiGroups: 
95.   - "" 
96.   resources: 
97.   - nodes 
98.   verbs: 
99.   - list 
100.   - watch 
101. - apiGroups: 
102.   - "" 
103.   resources: 
104.   - namespaces 
105.   verbs: 
106.   - get 
107.   - list 
108.   - watch 
109. --- 
110. apiVersion: apps/v1 
111. kind: Deployment 
112. metadata: 
113.   labels: 
114.     app.kubernetes.io/component: controller 
115.     app.kubernetes.io/name: prometheus-operator 
116.     app.kubernetes.io/version: v0.38.3 
117.   name: prometheus-operator 
118.   namespace: monitoring 
119. spec: 
120.   replicas: 1 
121.   selector: 
122.     matchLabels: 
123.       app.kubernetes.io/component: controller 
124.       app.kubernetes.io/name: prometheus-operator 
125.   template: 
126.     metadata: 
127.       labels: 
128.         app.kubernetes.io/component: controller 
129.         app.kubernetes.io/name: prometheus-operator 
130.         app.kubernetes.io/version: v0.38.3 
131.     spec: 
132.       containers: 
133.       - args: 
134.         - --kubelet-service=kube-system/kubelet 
135.         - --logtostderr=true 
136.         - --config-reloader-image=jimmidyson/configmap-reload:v0.3.0 
137.         - --prometheus-config-reloader=quay.io/prometheus-operator/prometheus-config-reloader:v0.38.3 
138.         image: quay.io/prometheus-operator/prometheus-operator:v0.38.3 
139.         name: prometheus-operator 
140.         ports: 
141.         - containerPort: 8080 
142.           name: http 
143.         resources: 
144.           limits: 
145.             cpu: 200m 
146.             memory: 200Mi 
147.           requests: 
148.             cpu: 100m 
149.             memory: 100Mi 
150.         securityContext: 
151.           allowPrivilegeEscalation: false 
152.       nodeSelector: 
153.         beta.kubernetes.io/os: linux 
154.       securityContext: 
155.         runAsNonRoot: true 
156.         runAsUser: 65534 
157.       serviceAccountName: prometheus-operator 
158. --- 
159. apiVersion: v1 
160. kind: ServiceAccount 
161. metadata: 
162.   labels: 
163.     app.kubernetes.io/component: controller 
164.     app.kubernetes.io/name: prometheus-operator 
165.     app.kubernetes.io/version: v0.38.3 
166.   name: prometheus-operator 
167.   namespace: monitoring 
168. --- 
169. apiVersion: v1 
170. kind: Service 
171. metadata: 
172.   labels: 
173.     app.kubernetes.io/component: controller 
174.     app.kubernetes.io/name: prometheus-operator 
175.     app.kubernetes.io/version: v0.38.3 
176.   name: prometheus-operator 
177.   namespace: monitoring 
178. spec: 
179.   clusterIP: None 
180.   ports: 
181.   - name: http 
182.     port: 8080 
183.     targetPort: http 
184.   selector: 
185.     app.kubernetes.io/component: controller 
186.     app.kubernetes.io/name: prometheus-operator 

安装 Longhorn ServiceMonitor

Longhorn ServiceMonitor 有一个标签选择器 app: longhorn-manager 来选择 Longhorn 后端服务。稍后，Prometheus CRD 可以包含 Longhorn ServiceMonitor，以便 Prometheus server 可以发现所有 Longhorn manager pods 及其端点。

1. apiVersion: monitoring.coreos.com/v1 
2. kind: ServiceMonitor 
3. metadata: 
4.   name: longhorn-prometheus-servicemonitor 
5.   namespace: monitoring 
6.   labels: 
7.     name: longhorn-prometheus-servicemonitor 
8. spec: 
9.   selector: 
10.     matchLabels: 
11.       app: longhorn-manager 
12.   namespaceSelector: 
13.     matchNames: 
14.     - longhorn-system 
15.   endpoints: 
16.   - port: manager 

安装和配置 Prometheus AlertManager

使用 3 个实例创建一个高可用的 Alertmanager 部署：

1. apiVersion: monitoring.coreos.com/v1 
2. kind: Alertmanager 
3. metadata: 
4.   name: longhorn 
5.   namespace: monitoring 
6. spec: 
7.   replicas: 3 

除非提供有效配置，否则 Alertmanager 实例将无法启动。有关 Alertmanager 配置的更多说明，请参见此处。下面的代码给出了一个示例配置：

1. global: 
2.   resolve_timeout: 5m 
3. route: 
4.   group_by: [alertname] 
5.   receiver: email_and_slack 
6. receivers: 
7. - name: email_and_slack 
8.   email_configs: 
9.   - to: <the email address to send notifications to> 
10.     from: <the sender address> 
11.     smarthost: <the SMTP host through which emails are sent> 
12.     # SMTP authentication information. 
13.     auth_username: <the username> 
14.     auth_identity: <the identity> 
15.     auth_password: <the password> 
16.     headers: 
17.       subject: 'Longhorn-Alert' 
18.     text: |- 
19.       {{ range .Alerts }} 
20.         *Alert:* {{ .Annotations.summary }} - `{{ .Labels.severity }}` 
21.         *Description:* {{ .Annotations.description }} 
22.         *Details:* 
23.         {{ range .Labels.SortedPairs }} • *{{ .Name }}:* `{{ .Value }}` 
24.         {{ end }} 
25.       {{ end }} 
26.   slack_configs: 
27.   - api_url: <the Slack webhook URL> 
28.     channel: <the channel or user to send notifications to> 
29.     text: |- 
30.       {{ range .Alerts }} 
31.         *Alert:* {{ .Annotations.summary }} - `{{ .Labels.severity }}` 
32.         *Description:* {{ .Annotations.description }} 
33.         *Details:* 
34.         {{ range .Labels.SortedPairs }} • *{{ .Name }}:* `{{ .Value }}` 
35.         {{ end }} 
36.       {{ end }} 

将上述 Alertmanager 配置保存在名为 alertmanager.yaml 的文件中，并使用 kubectl 从中创建一个 secret。

Alertmanager 实例要求 secret 资源命名遵循 alertmanager-{ALERTMANAGER_NAME} 格式。在上一步中，Alertmanager 的名称是 longhorn，所以 secret 名称必须是 alertmanager-longhorn

1. $ kubectl create secret generic alertmanager-longhorn --from-file=alertmanager.yaml -n monitoring 

为了能够查看 Alertmanager 的 Web UI，请通过 Service 公开它。一个简单的方法是使用 NodePort 类型的 Service ：

1. apiVersion: v1 
2. kind: Service 
3. metadata: 
4.   name: alertmanager-longhorn 
5.   namespace: monitoring 
6. spec: 
7.   type: NodePort 
8.   ports: 
9.   - name: web 
10.     nodePort: 30903 
11.     port: 9093 
12.     protocol: TCP 
13.     targetPort: web 
14.   selector: 
15.     alertmanager: longhorn 

创建上述服务后，您可以通过节点的 IP 和端口 30903 访问 Alertmanager 的 web UI。

使用上面的 NodePort 服务进行快速验证，因为它不通过 TLS 连接进行通信。您可能希望将服务类型更改为 ClusterIP，并设置一个 Ingress-controller 以通过 TLS 连接公开 Alertmanager 的 web UI。

安装和配置 Prometheus server

创建定义警报条件的 PrometheusRule 自定义资源。

1. apiVersion: monitoring.coreos.com/v1 
2. kind: PrometheusRule 
3. metadata: 
4.   labels: 
5.     prometheus: longhorn 
6.     role: alert-rules 
7.   name: prometheus-longhorn-rules 
8.   namespace: monitoring 
9. spec: 
10.   groups: 
11.   - name: longhorn.rules 
12.     rules: 
13.     - alert: LonghornVolumeUsageCritical 
14.       annotations: 
15.         description: Longhorn volume {{$labels.volume}} on {{$labels.node}} is at {{$value}}% used for 
16.           more than 5 minutes. 
17.         summary: Longhorn volume capacity is over 90% used. 
18.       expr: 100 * (longhorn_volume_usage_bytes / longhorn_volume_capacity_bytes) > 90 
19.       for: 5m 
20.       labels: 
21.         issue: Longhorn volume {{$labels.volume}} usage on {{$labels.node}} is critical. 
22.         severity: critical 

有关如何定义警报规则的更多信息，请参见https://prometheus.io/docs/prometheus/latest/configuration/alerting_rules/#alerting-rules

如果激活了 RBAC 授权，则为 Prometheus Pod 创建 ClusterRole 和 ClusterRoleBinding：

1. apiVersion: v1 
2. kind: ServiceAccount 
3. metadata: 
4.   name: prometheus 
5.   namespace: monitoring 
6. apiVersion: rbac.authorization.k8s.io/v1beta1 
7. kind: ClusterRole 
8. metadata: 
9.   name: prometheus 
10.   namespace: monitoring 
11. rules: 
12. - apiGroups: [""] 
13.   resources: 
14.   - nodes 
15.   - services 
16.   - endpoints 
17.   - pods 
18.   verbs: ["get", "list", "watch"] 
19. - apiGroups: [""] 
20.   resources: 
21.   - configmaps 
22.   verbs: ["get"] 
23. - nonResourceURLs: ["/metrics"] 
24.   verbs: ["get"] 
25. apiVersion: rbac.authorization.k8s.io/v1beta1 
26. kind: ClusterRoleBinding 
27. metadata: 
28.   name: prometheus 
29. roleRef: 
30.   apiGroup: rbac.authorization.k8s.io 
31.   kind: ClusterRole 
32.   name: prometheus 
33. subjects: 
34. - kind: ServiceAccount 
35.   name: prometheus 
36.   namespace: monitoring 

创建 Prometheus 自定义资源。请注意，我们在 spec 中选择了 Longhorn 服务监视器(service monitor)和 Longhorn 规则。

1. apiVersion: monitoring.coreos.com/v1 
2. kind: Prometheus 
3. metadata: 
4.   name: prometheus 
5.   namespace: monitoring 
6. spec: 
7.   replicas: 2 
8.   serviceAccountName: prometheus 
9.   alerting: 
10.     alertmanagers: 
11.       - namespace: monitoring 
12.         name: alertmanager-longhorn 
13.         port: web 
14.   serviceMonitorSelector: 
15.     matchLabels: 
16.       name: longhorn-prometheus-servicemonitor 
17.   ruleSelector: 
18.     matchLabels: 
19.       prometheus: longhorn 
20.       role: alert-rules 

为了能够查看 Prometheus 服务器的 web UI，请通过 Service 公开它。一个简单的方法是使用 NodePort 类型的 Service：

1. apiVersion: v1 
2. kind: Service 
3. metadata: 
4.   name: prometheus 
5.   namespace: monitoring 
6. spec: 
7.   type: NodePort 
8.   ports: 
9.   - name: web 
10.     nodePort: 30904 
11.     port: 9090 
12.     protocol: TCP 
13.     targetPort: web 
14.   selector: 
15.     prometheus: prometheus 

创建上述服务后，您可以通过节点的 IP 和端口 30904 访问 Prometheus server 的 web UI。

此时，您应该能够在 Prometheus server UI 的目标和规则部分看到所有 Longhorn manager targets 以及 Longhorn rules。

使用上述 NodePort service 进行快速验证，因为它不通过 TLS 连接进行通信。您可能希望将服务类型更改为 ClusterIP，并设置一个 Ingress-controller 以通过 TLS 连接公开 Prometheus server 的 web UI。

安装 Grafana

创建 Grafana 数据源配置：

1. apiVersion: v1 
2. kind: ConfigMap 
3. metadata: 
4.   name: grafana-datasources 
5.   namespace: monitoring 
6. data: 
7.   prometheus.yaml: |- 
8.     { 
9.         "apiVersion": 1, 
10.         "datasources": [ 
11.             { 
12.                "access":"proxy", 
13.                 "editable": true, 
14.                 "name": "prometheus", 
15.                 "orgId": 1, 
16.                 "type": "prometheus", 
17.                 "url": "http://prometheus:9090", 
18.                 "version": 1 
19.             } 
20.         ] 
21.     } 

创建 Grafana 部署：

1. apiVersion: apps/v1 
2. kind: Deployment 
3. metadata: 
4.   name: grafana 
5.   namespace: monitoring 
6.   labels: 
7.     app: grafana 
8. spec: 
9.   replicas: 1 
10.   selector: 
11.     matchLabels: 
12.       app: grafana 
13.   template: 
14.     metadata: 
15.       name: grafana 
16.       labels: 
17.         app: grafana 
18.     spec: 
19.       containers: 
20.       - name: grafana 
21.         image: grafana/grafana:7.1.5 
22.         ports: 
23.         - name: grafana 
24.           containerPort: 3000 
25.         resources: 
26.           limits: 
27.             memory: "500Mi" 
28.             cpu: "300m" 
29.           requests: 
30.             memory: "500Mi" 
31.             cpu: "200m" 
32.         volumeMounts: 
33.           - mountPath: /var/lib/grafana 
34.             name: grafana-storage 
35.           - mountPath: /etc/grafana/provisioning/datasources 
36.             name: grafana-datasources 
37.             readOnly: false 
38.       volumes: 
39.         - name: grafana-storage 
40.           emptyDir: {} 
41.         - name: grafana-datasources 
42.           configMap: 
43.               defaultMode: 420 
44.               name: grafana-datasources 

在 NodePort 32000 上暴露 Grafana：

1. apiVersion: v1 
2. kind: Service 
3. metadata: 
4.   name: grafana 
5.   namespace: monitoring 
6. spec: 
7.   selector: 
8.     app: grafana 
9.   type: NodePort 
10.   ports: 
11.     - port: 3000 
12.       targetPort: 3000 
13.       nodePort: 32000 

使用上述 NodePort 服务进行快速验证，因为它不通过 TLS 连接进行通信。您可能希望将服务类型更改为 ClusterIP，并设置一个 Ingress-controller 以通过 TLS 连接公开 Grafana。

使用端口 32000 上的任何节点 IP 访问 Grafana 仪表板。默认凭据为：

1. User: admin 
2. Pass: admin 

安装 Longhorn dashboard

进入 Grafana 后，导入预置的面板：https://grafana.com/grafana/dashboards/13032

有关如何导入 Grafana dashboard 的说明，请参阅 https://grafana.com/docs/grafana/latest/reference/export_import/

成功后，您应该会看到以下 dashboard：

将 Longhorn 指标集成到 Rancher 监控系统中

关于 Rancher 监控系统

使用 Rancher，您可以通过与领先的开源监控解决方案 Prometheus 的集成来监控集群节点、Kubernetes 组件和软件部署的状态和进程。

有关如何部署/启用 Rancher 监控系统的说明，请参见https://rancher.com/docs/rancher/v2.x/en/monitoring-alerting/

将 Longhorn 指标添加到 Rancher 监控系统

如果您使用 Rancher 来管理您的 Kubernetes 并且已经启用 Rancher 监控，您可以通过简单地部署以下 ServiceMonitor 将 Longhorn 指标添加到 Rancher 监控中：

1. apiVersion: monitoring.coreos.com/v1 
2. kind: ServiceMonitor 
3. metadata: 
4.   name: longhorn-prometheus-servicemonitor 
5.   namespace: longhorn-system 
6.   labels: 
7.     name: longhorn-prometheus-servicemonitor 
8. spec: 
9.   selector: 
10.     matchLabels: 
11.       app: longhorn-manager 
12.   namespaceSelector: 
13.     matchNames: 
14.     - longhorn-system 
15.   endpoints: 
16.   - port: manager 

创建 ServiceMonitor 后，Rancher 将自动发现所有 Longhorn 指标。

然后，您可以设置 Grafana 仪表板以进行可视化。

Longhorn 监控指标

Volume(卷)

指标名	说明	示例
longhorn_volume_actual_size_bytes	对应节点上卷的每个副本使用的实际空间	longhorn_volume_actual_size_bytes{node="worker-2",volume="testvol"} 1.1917312e+08
longhorn_volume_capacity_bytes	此卷的配置大小（以 byte 为单位）	longhorn_volume_capacity_bytes{node="worker-2",volume="testvol"} 6.442450944e+09
longhorn_volume_state	本卷状态：1=creating, 2=attached, 3=Detached, 4=Attaching, 5=Detaching, 6=Deleting	longhorn_volume_state{node="worker-2",volume="testvol"} 2
longhorn_volume_robustness	本卷的健壮性: 0=unknown, 1=healthy, 2=degraded, 3=faulted	longhorn_volume_robustness{node="worker-2",volume="testvol"} 1

Node(节点)

指标名	说明	示例
longhorn_node_status	该节点的状态：1=true, 0=false	longhorn_node_status{condition="ready",condition_reason="",node="worker-2"} 1
longhorn_node_count_total	Longhorn 系统中的节点总数	longhorn_node_count_total 4
longhorn_node_cpu_capacity_millicpu	此节点上的最大可分配 CPU	longhorn_node_cpu_capacity_millicpu{node="worker-2"} 2000
longhorn_node_cpu_usage_millicpu	此节点上的 CPU 使用率	longhorn_node_cpu_usage_millicpu{node="pworker-2"} 186
longhorn_node_memory_capacity_bytes	此节点上的最大可分配内存	longhorn_node_memory_capacity_bytes{node="worker-2"} 4.031229952e+09
longhorn_node_memory_usage_bytes	此节点上的内存使用情况	longhorn_node_memory_usage_bytes{node="worker-2"} 1.833582592e+09
longhorn_node_storage_capacity_bytes	本节点的存储容量	longhorn_node_storage_capacity_bytes{node="worker-3"} 8.3987283968e+10
longhorn_node_storage_usage_bytes	该节点的已用存储	longhorn_node_storage_usage_bytes{node="worker-3"} 9.060941824e+09
longhorn_node_storage_reservation_bytes	此节点上为其他应用程序和系统保留的存储空间	longhorn_node_storage_reservation_bytes{node="worker-3"} 2.519618519e+10

Disk(磁盘)

指标名	说明	示例
longhorn_disk_capacity_bytes	此磁盘的存储容量	longhorn_disk_capacity_bytes{disk="default-disk-8b28ee3134628183",node="worker-3"} 8.3987283968e+10
longhorn_disk_usage_bytes	此磁盘的已用存储空间	longhorn_disk_usage_bytes{disk="default-disk-8b28ee3134628183",node="worker-3"} 9.060941824e+09
longhorn_disk_reservation_bytes	此磁盘上为其他应用程序和系统保留的存储空间	longhorn_disk_reservation_bytes{disk="default-disk-8b28ee3134628183",node="worker-3"} 2.519618519e+10

Instance Manager(实例管理器)

指标名	说明	示例
longhorn_instance_manager_cpu_usage_millicpu	这个 longhorn 实例管理器的 CPU 使用率	longhorn_instance_manager_cpu_usage_millicpu{instance_manager="instance-manager-e-2189ed13",instance_manager_type="engine",node="worker-2"} 80
longhorn_instance_manager_cpu_requests_millicpu	在这个 Longhorn 实例管理器的 kubernetes 中请求的 CPU 资源	longhorn_instance_manager_cpu_requests_millicpu{instance_manager="instance-manager-e-2189ed13",instance_manager_type="engine",node="worker-2"} 250
longhorn_instance_manager_memory_usage_bytes	这个 longhorn 实例管理器的内存使用情况	longhorn_instance_manager_memory_usage_bytes{instance_manager="instance-manager-e-2189ed13",instance_manager_type="engine",node="worker-2"} 2.4072192e+07
longhorn_instance_manager_memory_requests_bytes	这个 longhorn 实例管理器在 Kubernetes 中请求的内存	longhorn_instance_manager_memory_requests_bytes{instance_manager="instance-manager-e-2189ed13",instance_manager_type="engine",node="worker-2"} 0

Manager(管理器)

指标名	说明	示例
longhorn_manager_cpu_usage_millicpu	这个 Longhorn Manager 的 CPU 使用率	longhorn_manager_cpu_usage_millicpu{manager="longhorn-manager-5rx2n",node="worker-2"} 27
longhorn_manager_memory_usage_bytes	这个 Longhorn Manager 的内存使用情况	longhorn_manager_memory_usage_bytes{manager="longhorn-manager-5rx2n",node="worker-2"} 2.6144768e+07

支持 Kubelet Volume 指标

关于 Kubelet Volume 指标

Kubelet 公开了以下指标：

1. kubelet_volume_stats_capacity_bytes
2. kubelet_volume_stats_available_bytes
3. kubelet_volume_stats_used_bytes
4. kubelet_volume_stats_inodes
5. kubelet_volume_stats_inodes_free
6. kubelet_volume_stats_inodes_used

这些指标衡量与 Longhorn 块设备内的 PVC 文件系统相关的信息。

它们与 longhorn_volume_* 指标不同，后者测量特定于 Longhorn 块设备(block device)的信息。

您可以设置一个监控系统来抓取 Kubelet 指标端点以获取 PVC 的状态并设置异常事件的警报，例如 PVC 即将耗尽存储空间。

一个流行的监控设置是 prometheus-operator/kube-prometheus-stack,，它抓取 kubelet_volume_stats_* 指标并为它们提供仪表板和警报规则。

Longhorn CSI 插件支持

在 v1.1.0 中，Longhorn CSI 插件根据 CSI spec 支持 NodeGetVolumeStats RPC。

这允许 kubelet 查询 Longhorn CSI 插件以获取 PVC 的状态。

然后 kubelet 在 kubelet_volume_stats_* 指标中公开该信息。

Longhorn 警报规则示例

我们在下面提供了几个示例 Longhorn 警报规则供您参考。请参阅此处获取所有可用 Longhorn 指标的列表并构建您自己的警报规则。

1. apiVersion: monitoring.coreos.com/v1 
2. kind: PrometheusRule 
3. metadata: 
4.   labels: 
5.     prometheus: longhorn 
6.     role: alert-rules 
7.   name: prometheus-longhorn-rules 
8.   namespace: monitoring 
9. spec: 
10.   groups: 
11.   - name: longhorn.rules 
12.     rules: 
13.     - alert: LonghornVolumeActualSpaceUsedWarning 
14.       annotations: 
15.         description: The actual space used by Longhorn volume {{$labels.volume}} on {{$labels.node}} is at {{$value}}% capacity for 
16.           more than 5 minutes. 
17.         summary: The actual used space of Longhorn volume is over 90% of the capacity. 
18.       expr: (longhorn_volume_actual_size_bytes / longhorn_volume_capacity_bytes) * 100 > 90 
19.       for: 5m 
20.       labels: 
21.         issue: The actual used space of Longhorn volume {{$labels.volume}} on {{$labels.node}} is high. 
22.         severity: warning 
23.     - alert: LonghornVolumeStatusCritical 
24.       annotations: 
25.         description: Longhorn volume {{$labels.volume}} on {{$labels.node}} is Fault for 
26.           more than 2 minutes. 
27.         summary: Longhorn volume {{$labels.volume}} is Fault 
28.       expr: longhorn_volume_robustness == 3 
29.       for: 5m 
30.       labels: 
31.         issue: Longhorn volume {{$labels.volume}} is Fault. 
32.         severity: critical 
33.     - alert: LonghornVolumeStatusWarning 
34.       annotations: 
35.         description: Longhorn volume {{$labels.volume}} on {{$labels.node}} is Degraded for 
36.           more than 5 minutes. 
37.         summary: Longhorn volume {{$labels.volume}} is Degraded 
38.       expr: longhorn_volume_robustness == 2 
39.       for: 5m 
40.       labels: 
41.         issue: Longhorn volume {{$labels.volume}} is Degraded. 
42.         severity: warning 
43.     - alert: LonghornNodeStorageWarning 
44.       annotations: 
45.         description: The used storage of node {{$labels.node}} is at {{$value}}% capacity for 
46.           more than 5 minutes. 
47.         summary:  The used storage of node is over 70% of the capacity. 
48.       expr: (longhorn_node_storage_usage_bytes / longhorn_node_storage_capacity_bytes) * 100 > 70 
49.       for: 5m 
50.       labels: 
51.         issue: The used storage of node {{$labels.node}} is high. 
52.         severity: warning 
53.     - alert: LonghornDiskStorageWarning 
54.       annotations: 
55.         description: The used storage of disk {{$labels.disk}} on node {{$labels.node}} is at {{$value}}% capacity for 
56.           more than 5 minutes. 
57.         summary:  The used storage of disk is over 70% of the capacity. 
58.       expr: (longhorn_disk_usage_bytes / longhorn_disk_capacity_bytes) * 100 > 70 
59.       for: 5m 
60.       labels: 
61.         issue: The used storage of disk {{$labels.disk}} on node {{$labels.node}} is high. 
62.         severity: warning 
63.     - alert: LonghornNodeDown 
64.       annotations: 
65.         description: There are {{$value}} Longhorn nodes which have been offline for more than 5 minutes. 
66.         summary: Longhorn nodes is offline 
67.       expr: longhorn_node_total - (count(longhorn_node_status{condition="ready"}==1) OR on() vector(0)) 
68.       for: 5m 
69.       labels: 
70.         issue: There are {{$value}} Longhorn nodes are offline 
71.         severity: critical 
72.     - alert: LonghornIntanceManagerCPUUsageWarning 
73.       annotations: 
74.         description: Longhorn instance manager {{$labels.instance_manager}} on {{$labels.node}} has CPU Usage / CPU request is {{$value}}% for 
75.           more than 5 minutes. 
76.         summary: Longhorn instance manager {{$labels.instance_manager}} on {{$labels.node}} has CPU Usage / CPU request is over 300%. 
77.       expr: (longhorn_instance_manager_cpu_usage_millicpu/longhorn_instance_manager_cpu_requests_millicpu) * 100 > 300 
78.       for: 5m 
79.       labels: 
80.         issue: Longhorn instance manager {{$labels.instance_manager}} on {{$labels.node}} consumes 3 times the CPU request. 
81.         severity: warning 
82.     - alert: LonghornNodeCPUUsageWarning 
83.       annotations: 
84.         description: Longhorn node {{$labels.node}} has CPU Usage / CPU capacity is {{$value}}% for 
85.           more than 5 minutes. 
86.         summary: Longhorn node {{$labels.node}} experiences high CPU pressure for more than 5m. 
87.       expr: (longhorn_node_cpu_usage_millicpu / longhorn_node_cpu_capacity_millicpu) * 100 > 90 
88.       for: 5m 
89.       labels: 
90.         issue: Longhorn node {{$labels.node}} experiences high CPU pressure. 
91.         severity: warning 

在https://prometheus.io/docs/prometheus/latest/configuration/alerting_rules/#alerting-rules 查看有关如何定义警报规则的更多信息。

原文链接：https://mp.weixin.qq.com/s/znaf4v3OBdGrLp0j23BcaQ