OCP 监控常见问题排查方法

2024年 5月 7日 94.1k 0

常见现象

页面很卡:

页面卡顿,需要分辨是所有页面都卡,还是特定的监控页面很卡

监控数据看不到:

需要分辨是否是所有数据看不到,特定集群的数据看不到,还是某一两个监控数据看不到

信息收集

因为 OCP 是一个 web 应用,一般的问题都是反应在页面上的,所以一般排查过程也是从页面上来入手的, 在浏览器中右键,点击inspect element, 打开调试窗口,然后点 Network, 可以看浏览器请求。

OCP 监控常见问题排查方法-1

页面卡顿:

针对页面卡顿的现象,主要需要分析请求的时间,Queued 的时间表示请求的排队时间,waiting 的时间表示等待的时间,一般是后端的响应时间,download 表示数据下载的时间,OCP 后端的返回结果中也会有响应时间,duration字段表示响应时间。

OCP 监控常见问题排查方法-2

OCP 监控常见问题排查方法-3

最需要关心的是 OCP 的响应时间,如果 OCP 的响应时间不长的话,一般后端服务没问题,需要关注其他的方面

如果客户的主机和 OCP 之间的网络条件比较差,而页面请求的监控数据比较多的时候,Download时间会比较久,如果再打开了实时页面,很可能会因为浏览器并发请求的限制,造成请求的排队, 需要考虑解决网络的问题。

如果是 OCP 响应时间长,需要再做详细的分析,根据 OCP 响应结果中的 traceid, 去 OCP 的日志中搜索,可以找到这个请求完整的处理流程的日志, 可以看日志文件中的时间戳,如果两条日志之间的时间差比较大,应该就是耗时的操作。

当 OCP 所有页面都有卡顿的时候,一般要关注 OCP 的 GC 情况,可以通过以下命令来查看,主要关注 full gc 的次数和时间.

jstat -gcutil $pid 1000

另外 OCP 的 gc 情况也会记录在 gc.log.0.current 中

数据缺失:

因为 OCP 的监控数据采集和持久化都是后台任务,通过traceid可能查询不到有用的信息,需要查询一些其他的信息,按照一些关键字来进行日志搜索。

  1. 查找 ocp 的日志

ocp 如果有多个节点,尽量都搜一下。

采集失败,ocp 日志中会有 'collect failed' 的日志,可以作为关键字进行搜索,查找监控线程相关的日志,pool-metric 作为关键字,另外 ERROR 日志也需要关注,特别是写 db 是否有失败的日志。

  1. 查找 agent 日志

首先找到失败的exporter, ocp 会在metadb表中记录所有的exporter, 如果采集失败多次,status 会变成 inactive,可以首先看哪些是inactive状态的,去对应主机上找日志。

OCP 监控常见问题排查方法-4

ocp-agent 监控进程的日志在 /home/admin/ocp_agent/log/monagent.log, 可以搜索ERROR信息。

常用处理方式

  1. 页面请求 download 和 queue 时间长,可以看客户主机和 ocp 的网络情况,是否打开了实时页面,可以考虑先关闭实时请求页面,并且平时使用的时候注意实时页面开了之后记得关闭。或者优化网络情况。
  2. 有 fullgc,看下资源使用情况,首先避免资源不够,包括docker的和元数据库两个租户的资源,3.3.0 可以考虑关闭掉不必要的后台任务。
  3. 采集失败,需要根据具体的日志来分析。
  4. 如果客户自己处理不了,尽量收集更多的信息,需要把 ocp 的日志,agent 的日志,gc 状态这些信息都搜集下来。

相关文章

Oracle如何使用授予和撤销权限的语法和示例
Awesome Project: 探索 MatrixOrigin 云原生分布式数据库
下载丨66页PDF,云和恩墨技术通讯(2024年7月刊)
社区版oceanbase安装
Oracle 导出CSV工具-sqluldr2
ETL数据集成丨快速将MySQL数据迁移至Doris数据库

发布评论