How to use Container Monitoring Pro Edition - Application Real-Time Monitoring Service

Managed Service for Prometheus ofrece monitoreo de contenedores en las ediciones Basic y Pro. Este tema explica cómo habilitar la Pro Edition, su modelo de facturación, la comparación de funciones con la Basic Edition, los dashboards compatibles y las reglas de alerta predeterminadas.

Tipos de clúster compatibles

ACK Pro cluster
ACK Lingjun cluster
ACK Dedicated cluster

Requisitos previos

Antes de utilizar Container Monitoring Pro Edition, active Managed Service for Prometheus (facturado por volumen de datos ingeridos enlace de activación o por cantidad de muestras ingeridas enlace de activación) y, a continuación, active Container Monitoring Pro Edition.

Facturación de Container Monitoring Pro Edition

Concepto de facturación

Descripción

Método de facturación

Ciclo de facturación

Tarifa de monitoreo a escala de clúster

El uso de OCU se calcula según el número de nodos en su clúster de Kubernetes. Una OCU equivale a 10 nodos de clúster.

Nota

OCU: La Observability Capacity Unit (OCU) es una unidad de facturación para Alibaba Cloud Native Observability. El uso de OCU se calcula automáticamente según el consumo horario de recursos. El precio es USD 0.023 por OCU.

Pay-as-you-go: Tarifa diaria de monitoreo a escala de clúster = Suma del recuento horario de OCU × Precio unitario de OCU

Nota

Recuento horario de OCU = ceil(Número máximo de nodos en el ciclo de facturación actual / 10)

El ciclo de facturación es horario. Después de las 00:00 de cada día, Managed Service for Prometheus calcula la tarifa diaria al determinar el recuento máximo de nodos por hora del día anterior, convertir cada recuento a OCU, sumar todas las OCU horarias y multiplicar por el precio unitario de OCU.

Tarifa de instancia de Prometheus

Para obtener más información, consulte Prometheus instance billing.

Habilitar Container Monitoring Pro Edition

Método 1: Seleccionar Pro durante la integración

En la página Integration Center, seleccione Kubernetes Cluster Monitoring.
En el panel Kubernetes Cluster Monitoring, seleccione su clúster de Container Service for Kubernetes (ACK) de destino, elija Container Monitoring Pro Edition y haga clic en OK.

Método 2: Actualizar a Pro Edition

Importante

Después de actualizar a Container Monitoring Pro Edition, no podrá cambiar a la Basic Edition.

En la página Integration Management, elija Integrated Environments > Container Service.
Busque la integración de monitoreo de contenedores que desea actualizar y, en su columna Actions, haga clic en Upgrade. En el cuadro de diálogo de confirmación que aparece, haga clic en OK.

Comprobar si quedó un agente de recolección no gestionado tras la actualización

Container Monitoring Basic Edition despliega un agente de recolección no gestionado, el Deployment arms-prometheus-ack-arms-prometheus, en su clúster. Al actualizar a la Pro Edition, este Deployment puede permanecer en el clúster. Si esto ocurre, recolecta métricas (como las de GPU) en paralelo con el agente de recolección gestionado. Como resultado, una sola métrica aparece como dos series temporales que solo difieren en la etiqueta job, lo cual duplica sus datos de monitoreo.

Para detectar y eliminar un agente de recolección no gestionado residual, realice los siguientes pasos:

Compruebe si aún existe un agente de recolección no gestionado en el namespace arms-prom:
```
kubectl -n arms-prom get deployments.apps
```
Si la salida incluye arms-prometheus-ack-arms-prometheus, el agente de recolección no gestionado sigue ejecutándose.
Verifique si hay recolección duplicada mediante PromQL. En la página de consulta de métricas de su instancia de Prometheus o en Grafana, ejecute la siguiente consulta. Se utiliza como ejemplo la métrica total del framebuffer de GPU:
```
count(DCGM_CUSTOM_DEV_FB_TOTAL)
```
Un resultado mayor que 1 indica que la métrica tiene varias series temporales, lo cual señala una recolección duplicada. Para confirmar, verifique que las series reporten el mismo valor pero tengan etiquetas job diferentes. Por ejemplo, job=gpu-exporter corresponde al agente de recolección gestionado, mientras que job=node-gpu-exporter es la ruta de recolección del agente no gestionado. Puede verificar otras métricas de GPU, como DCGM_FI_DEV_GPU_UTIL, de la misma manera.

Reduzca a cero las réplicas del agente de recolección no gestionado residual:

kubectl -n arms-prom scale deployment arms-prometheus-ack-arms-prometheus --replicas=0

Espere aproximadamente 5 minutos para que se cumpla la ventana de obsolescencia de métricas y luego ejecute nuevamente la consulta count. Compruebe que la consulta devuelva 1 y que solo permanezca la serie temporal del agente de recolección gestionado. Una vez que los datos de monitoreo vuelvan a la normalidad, elimine el Deployment:
```
kubectl -n arms-prom delete deployment arms-prometheus-ack-arms-prometheus
```

Basic Edition vs. Pro Edition

Categoría	Basic Edition	Pro Edition
Metric retention para métricas básicas de clúster de contenedores	7 días	90 días
Recolector de Prometheus	Despliega un agente dentro del clúster que usted gestiona. Este agente consume recursos del clúster (3 núcleos de CPU y 4 GB de memoria por réplica de forma predeterminada).	Utiliza un agente de recolección totalmente gestionado que elimina los costos de recursos en su clúster y proporciona un SLA de nivel de producción del 99.95%.
Dashboards	Dashboards integrados básicos.	Un conjunto completo de dashboards integrados.
Sincronización automática de `PrometheusRule`	Compatible. Puede definir recursos `PrometheusRule` mediante `CRDs` para habilitar el escaneo y la sincronización automáticos.	No compatible. La Pro Edition es un servicio totalmente gestionado cuyo agente de recolección es administrado por Alibaba Cloud, por lo que no puede modificar los parámetros de los componentes subyacentes. Puede gestionar las reglas de alerta en la página de reglas de alerta de Prometheus de la consola, la cual admite dos tipos de detección: umbrales estáticos y PromQL personalizado.

Dashboards compatibles en Container Monitoring Pro Edition

Tipo	Dashboard
Descripción general del monitoreo	Descripción general del monitoreo del clúster
Descripción general del monitoreo	Dashboard de Namespace del clúster
Componentes principales del clúster	Servidor API de ACK Pro
	ETCD de ACK Pro
	Scheduler de ACK Pro
	Cloud Controller Manager de ACK Pro
	Kube Controller Manager de ACK Pro
Monitoreo de nodos	Descripción general del node pool
Monitoreo de nodos	Detalles del monitoreo de nodos del clúster
Monitoreo de aplicaciones	Monitoreo de Deployments
	Monitoreo de StatefulSets
	Monitoreo de DaemonSets
	Monitoreo de Pods del clúster
Monitoreo de red	Monitoreo del componente CoreDNS
Monitoreo de red	Monitoreo de tráfico Ingress del clúster
Monitoreo de almacenamiento	Monitoreo del componente de almacenamiento CSI (nivel de clúster)
	Monitoreo del componente de almacenamiento CSI (nivel de nodo)
	Monitoreo de IO de Pod (nivel de Pod)
	Monitoreo de IO de almacenamiento frontend (nivel de clúster)
Monitoreo de GPU	Monitoreo de GPU del clúster (nivel de clúster)
	Monitoreo de GPU del clúster (nivel de nodo)
	Monitoreo de GPU del clúster (por Pod de aplicación)
Análisis de costos y optimización de recursos	Perfil de recursos
Otros	Monitoreo de IO de almacenamiento backend (nivel de clúster)
	k8s-reclaimed-resource
	Automonitoreo de Prometheus del clúster
	Descripción general de nodo virtual (ECI)

Reglas de alerta predeterminadas

Nombre de la regla de alerta	Grupo de alertas	Plantilla
Uso de CPU del nodo superior al 75%	node	El uso de CPU del nodo {{ $labels.instance }} supera el 75%. Uso actual: {{ printf "%.2f" $value }}%
Uso de CPU del nodo superior al 85%	node	El uso de CPU del nodo {{ $labels.instance }} supera el 85%. Uso actual: {{ printf "%.2f" $value }}%
Uso de memoria del nodo superior al 75%	node	El uso de memoria del nodo {{ $labels.instance }} supera el 75%. Uso actual: {{ printf "%.2f" $value }}%
Uso de memoria del nodo superior al 85%	node	El uso de memoria del nodo {{ $labels.instance }} supera el 85%. Uso actual: {{ printf "%.2f" $value }}%
Anomalías en el nodo	node	El nodo {{$labels.node}} ha estado no disponible durante más de 10 minutos.
Uso de disco superior al 95%	node	El uso del disco {{ $labels.device }} en el nodo {{ $labels.instance }} ha superado el 95%. Uso actual: {{ printf "%.2f" $value }}%
Disponibilidad de Pods del Deployment inferior al 50%	workload	Namespace: {{$labels.namespace}} / Deployment: {{$labels.deployment}} La disponibilidad de Pods es inferior al 50%. Cantidad actual de Pods no disponibles: {{ $value }}
Error en la ejecución del Job	workload	Namespace: {{$labels.namespace}}/Job: {{$labels.job_name}} Error en la ejecución.
Tiempo de espera agotado en el inicio del Pod	workload	Namespace: {{$labels.namespace}}/Pod: {{$labels.pod_name}} No se ha podido iniciar durante más de 15 minutos. Motivo de la espera: {{$labels.reason}}
Estado anómalo del Pod	workload	Namespace: {{$labels.namespace}}/Pod: {{$labels.pod_name}} Ha estado en el estado {{$labels.phase}} durante más de 10 minutos.
Reinicios frecuentes de Pod	workload	Namespace: {{$labels.namespace}}/Pod: {{$labels.pod_name}} Se ha reiniciado más de {{ $labels.metrics_params_value}} veces en los últimos {{$labels.metrics_params_time}} minutos. Recuento actual de reinicios: {{ $value }}
Uso de CPU del contenedor superior al 85%	workload	En el Namespace {{$labels.namespace}}, el uso de CPU del contenedor {{$labels.container}} en el Pod {{$labels.pod_name}} supera el 85%. Uso actual: {{ printf "%.2f" $value }}%
Uso de CPU del contenedor superior al 75%	workload	En el Namespace {{$labels.namespace}}, el uso de CPU del contenedor {{$labels.container}} en el Pod {{$labels.pod_name}} supera el 75%. Uso actual: {{ printf "%.2f" $value }}%
Uso de memoria del contenedor superior al 75%	workload	En el Namespace {{$labels.namespace}}, el uso de memoria del contenedor {{$labels.container}} en el Pod {{$labels.pod_name}} supera el 75%. Uso actual: {{ printf "%.2f" $value }}%
Uso de memoria del contenedor superior al 85%	workload	En el Namespace {{$labels.namespace}}, el uso de memoria del contenedor {{$labels.container}} en el Pod {{$labels.pod_name}} supera el 85%. Uso actual: {{ printf "%.2f" $value }}%