https://github.com/prometheus/node_exporter/tree/v1.5.0
文档介绍:默认获取vmstat中相关的指标。
node-exporter
输出:
vmstat
输出:
注意:vmstat中的指标不一定在node-exporter中是以node_vmstat_为前缀的指标。
procs:
- r 列表示运行和等待cpu时间片的进程数,如果长期大于1,说明cpu不足,需要增加cpu。
- b 列表示在等待资源的进程数,比如正在等待I/O、或者内存交换等。
memory:
- swpd 切换到内存交换区的内存数量(k表示)。如果swpd的值不为0,或者比较大,比如超过了100m,只要si、so的值长期为0,系统性能还是正常。
- free 当前的空闲页面列表中内存数量。
- buff 作为buffer cache的内存数量,一般对块设备的读写才需要缓冲。
- cache: 作为page cache的内存数量,一般作为文件系统的cache,如果cache较大,说明用到cache的文件较多,如果此时IO中bi比较小,说明文件系统效率比较好。
swap:
- r si 由内存进入内存交换区数量。
- so由内存交换区进入内存数量。
IO:
- bi 从块设备读入数据的总量(读磁盘)(每秒kb)。
- bo 块设备写入数据的总量(写磁盘)(每秒kb)。
这里我们设置的bi+bo参考值为1000,如果超过1000,而且wa值较大应该考虑均衡磁盘负载,可以结合iostat输出来分析。
system(显示采集间隔内发生的中断数):
- in 列表示在某一时间间隔中观测到的每秒设备中断数。
- cs列表示每秒产生的上下文切换次数,如当 cs 比磁盘 I/O 和网络信息包速率高得多,都应进行进一步调查。
cpu :
- us 列显示了用户方式下所花费 CPU 时间的百分比。us的值比较高时,说明用户进程消耗的cpu时间多,但是如果长期大于50%,需要考虑优化用户的程序。
- sy 列显示了内核进程所花费的cpu时间的百分比。这里us + sy的参考值为80%,如果us+sy 大于 80%说明可能存在CPU不足。
- id 列显示了cpu处在空闲状态的时间百分比。
- wa 列显示了IO等待所占用的CPU时间的百分比。这里wa的参考值为30%,如果wa超过30%,说明IO等待严重,这可能是磁盘大量随机访问造成的,也可能磁盘或者磁盘访问控制器的带宽瓶颈造成的(主要是块操作)。
- st指的是steal time,即被偷取的时间。这是vmstat命令输出的一项指标,表示系统将CPU时间片让给其他虚拟机而导致自己的进程等待的时间。如果st的值较高,说明当前系统的负载较重,需要采取措施进行优化。
常使用的告警:
# 5分钟内平均超过40就告警
- alert: VMSTATCPUSTAVG40
expr: avg_over_time((rate(node_cpu_seconds_total{mode="steal"}[5m]) /on(cpu,env,instance,job,platform) sum(rate(node_cpu_seconds_total[5m])) by (cpu,env,instance,job,platform) *100)[5m:]) > 40
for: 5m
labels:
severity: critical
team: Linux_ECS
annotations:
summary: "st 5分钟内平均超过40"
description: "当前节点(instance {{ $labels.instance }};CPU {{ $labels.cpu }})的st指标5分钟内平均超过40。\n"