コンテナモニタリング Pro Edition の使用方法 - Managed Service for Prometheus

Pro Edition のサポート対象クラスター

ACK Pro
ACK Lingjun クラスター
ACK Dedicated Cluster

前提条件

コンテナモニタリング Pro Edition を使用する前に、Managed Service for Prometheus (取り込みデータ量による課金有効化リンクまたは取り込みサンプル数による課金有効化リンク) を有効化し、次にコンテナモニタリング Pro Edition を有効化してください。

コンテナモニタリング Pro Edition の課金

課金項目

説明

課金方法

課金サイクル

クラスター規模のモニタリング料金

OCU の使用量は、Kubernetes クラスターのノード数に基づいて計算されます。1 OCU は 10 クラスターノードに相当します。

説明

OCU：可観測性キャパシティユニット (OCU) は、Alibaba Cloud Native Observability の課金単位です。OCU の使用量は、1 時間あたりのリソース消費量に基づいて自動的に計算されます。価格は OCU あたり 0.023 米ドルです。

従量課金：1 日あたりのクラスター規模のモニタリング料金 = 1 時間あたりの OCU 数の合計 × OCU 単価

説明

1 時間あたりの OCU 数 = ceil (現在の課金サイクルにおける最大ノード数 / 10)

課金サイクルは 1 時間ごとです。毎日 00:00 以降、Managed Service for Prometheus は、前日の 1 時間あたりの最大ノード数を特定し、各カウントを OCU に変換し、すべての時間単位の OCU を合計し、OCU 単価を乗じて日次料金を計算します。

Prometheus インスタンス料金

詳細については、「Prometheus インスタンスの課金」をご参照ください。

コンテナモニタリング Pro Edition の有効化

方法1：インテグレーション時にPro Editionを選択

[Integration Center] ページで、[Kubernetes Cluster Monitoring] を選択します。
[Kubernetes Cluster Monitoring] パネルで、対象の Container Service for Kubernetes (ACK) クラスターを選択し、[Container Monitoring Pro Edition] を選択して、[OK] をクリックします。

方法2：Pro Edition へのアップグレード

重要

コンテナモニタリング Pro Edition にアップグレードした後は、Basic Edition にダウングレードすることはできません。

[Integration Management] ページで、[Integrated Environments] > [Container Service] を選択します。
アップグレードするコンテナモニタリングのインテグレーションを見つけ、その [Actions] 列で [Upgrade] をクリックします。表示される確認ダイアログボックスで、[OK] をクリックします。

アップグレード後に残存するアンマネージドコレクターエージェントの確認

コンテナモニタリング基礎版は、お客様のクラスターにアンマネージドコレクターエージェントである arms-prometheus-ack-arms-prometheus デプロイメントをデプロイします。Pro 版にアップグレードした後、このデプロイメントがクラスターに残ることがあります。残った場合、マネージドコレクターエージェントと並行して GPU メトリクスなどのメトリクスを収集します。その結果、単一のメトリクスが job ラベルのみが異なる 2 つの時系列として表示され、モニタリングデータが 2 倍になります。

残存するアンマネージドコレクターエージェントを検出して削除するには、次の手順を実行します。

arms-prom 名前空間に、管理されていないコレクターエージェントが残っているかどうかを確認します:
```
kubectl -n arms-prom get deployments.apps
```
出力に arms-prometheus-ack-arms-prometheus が含まれている場合、非管理対象のコレクターエージェントはまだ実行中です。
PromQL を使用して重複収集を検証します。Prometheus インスタンスのメトリクスクエリページまたは Grafana で、次のクエリを実行します。例として GPU フレームバッファ合計メトリクスを使用します。
```
count(DCGM_CUSTOM_DEV_FB_TOTAL)
```
結果が 1 より大きい場合、そのメトリックには複数の時系列が存在し、重複収集が行われていることを示します。確認するには、各系列が同じ値を報告し、かつ異なる job ラベルを持っていることを確認します。たとえば、job=gpu-exporter はマネージド型のコレクターエージェントであり、job=node-gpu-exporter はアンマネージド型のコレクターエージェントの収集パスです。同様の方法で、DCGM_FI_DEV_GPU_UTIL などの他の GPU メトリックも検証できます。
残存するアンマネージドコレクターエージェントのレプリカを 0 にスケールダウンします。
```
kubectl -n arms-prom scale deployment arms-prometheus-ack-arms-prometheus --replicas=0
```
メトリックのstale期間が経過するまで約 5 分間待機し、count クエリを再度実行します。クエリが 1 を返し、マネージドコレクターエージェントの時系列のみが残っていることを確認します。モニタリングデータが正常に戻ったら、Deploymentを削除します：
```
kubectl -n arms-prom delete deployment arms-prometheus-ack-arms-prometheus
```

Basic Edition と Pro Edition の比較

カテゴリ	Basic Edition	Pro Edition
基本的なコンテナクラスターメトリクスに関するメトリクスの保持期間	7 日間	90 日間
Prometheus コレクター	クラスター内で管理するエージェントをデプロイします。このエージェントはクラスターリソースを消費します (デフォルトではレプリカあたり 3 CPU コアと 4 GB のメモリ)。	フルマネージドのコレクターエージェントを使用します。これにより、クラスターのリソースコストが不要になり、99.95% の本番レベルの SLA が提供されます。
ダッシュボード	基本的な組み込みダッシュボード。	包括的な組み込みダッシュボードセット。
`PrometheusRule` の自動同期	サポートされています。`CRDs` を使用して `PrometheusRule` リソースを定義することで、自動スキャンと同期を有効にできます。	サポートされていません。Pro Edition はフルマネージドサービスで、コレクターエージェントは Alibaba Cloud によって管理されるため、基盤となるコンポーネントのパラメーターは変更できません。コンソールの Prometheus アラートルールページでアラートルールを管理できます。このページでは、静的しきい値とカスタム PromQL の 2 種類の検出タイプがサポートされています。

コンテナモニタリング Pro Edition でサポートされているダッシュボード

タイプ	ダッシュボード
モニタリング概要	クラスターモニタリング概要
モニタリング概要	クラスター名前空間ダッシュボード
クラスターコアコンポーネント	ACK Pro API サーバー
	ACK Pro ETCD
	ACK Pro スケジューラ
	ACK Pro Cloud Controller Manager
	ACK Pro Kube Controller Manager
ノードモニタリング	ノードプール概要
ノードモニタリング	クラスターノードモニタリング詳細
アプリケーションモニタリング	デプロイメントモニタリング
	StatefulSet モニタリング
	DaemonSet モニタリング
	クラスター Pod モニタリング
ネットワークモニタリング	CoreDNS コンポーネントモニタリング
ネットワークモニタリング	クラスター Ingress トラフィックモニタリング
ストレージモニタリング	CSI ストレージコンポーネントモニタリング (クラスターレベル)
	CSI ストレージコンポーネントモニタリング (ノードレベル)
	Pod IO モニタリング (Pod レベル)
	フロントエンドストレージ IO モニタリング (クラスターレベル)
GPU モニタリング	クラスター GPU モニタリング (クラスターレベル)
	クラスター GPU モニタリング (ノードレベル)
	クラスター GPU モニタリング (アプリケーション Pod 別)
コスト分析/リソース最適化	リソースプロファイル
その他	バックエンドストレージ IO モニタリング (クラスターレベル)
	k8s-reclaimed-resource
	クラスター Prometheus 自己監視
	仮想ノード (ECI) 概要

デフォルトのアラートルール

アラートルール名	アラートグループ	テンプレート
ノードの CPU 使用率が 75% を超える	node	ノード {{ $labels.instance }} の CPU 使用率が 75% を超えています。現在の使用率：{{ printf "%.2f" $value }}%
ノードの CPU 使用率が 85% を超える	node	ノード {{ $labels.instance }} の CPU 使用率が 85% を超えています。現在の使用率：{{ printf "%.2f" $value }}%
ノードのメモリ使用率が 75% を超える	node	ノード {{ $labels.instance }} のメモリ使用率が 75% を超えています。現在の使用率：{{ printf "%.2f" $value }}%
ノードのメモリ使用率が 85% を超える	node	ノード {{ $labels.instance }} のメモリ使用率が 85% を超えています。現在の使用率：{{ printf "%.2f" $value }}%
ノード異常	node	ノード {{ $labels.node }} が 10 分以上利用できません。
ディスク使用率が 95% を超える	node	ノード {{ $labels.instance }} のディスク {{ $labels.device }} の使用率が 95% を超えています。現在の使用率：{{ printf "%.2f" $value }}%
デプロイメントの Pod 可用性が 50% 未満	ワークロード	名前空間：{{ $labels.namespace }} / デプロイメント：{{ $labels.deployment }} の Pod 可用性が 50% 未満です。現在の利用不可 Pod 数：{{ $value }}
ジョブの実行に失敗	ワークロード	名前空間：{{ $labels.namespace }} / ジョブ：{{ $labels.job_name }} の実行に失敗しました。
Pod の起動タイムアウト	ワークロード	名前空間：{{ $labels.namespace }} / Pod：{{ $labels.pod_name }} が 15 分以上起動できていません。待機理由：{{ $labels.reason }}
Pod のステータス異常	ワークロード	名前空間：{{ $labels.namespace }} / Pod：{{ $labels.pod_name }} が {{ $labels.phase }} フェーズで 10 分以上経過しています。
Pod の頻繁な再起動	ワークロード	名前空間：{{ $labels.namespace }} / Pod：{{ $labels.pod_name }} が過去 {{ $labels.metrics_params_time }} 分間に {{ $labels.metrics_params_value }} 回以上再起動しました。現在の再起動回数：{{ $value }}
コンテナの CPU 使用率が 85% を超える	ワークロード	名前空間 {{ $labels.namespace }} 内の Pod {{ $labels.pod_name }} のコンテナ {{ $labels.container }} の CPU 使用率が 85% を超えています。現在の使用率：{{ printf "%.2f" $value }}%
コンテナの CPU 使用率が 75% を超える	ワークロード	名前空間 {{ $labels.namespace }} 内の Pod {{ $labels.pod_name }} のコンテナ {{ $labels.container }} の CPU 使用率が 75% を超えています。現在の使用率：{{ printf "%.2f" $value }}%
コンテナのメモリ使用率が 75% を超える	ワークロード	名前空間 {{ $labels.namespace }} 内の Pod {{ $labels.pod_name }} のコンテナ {{ $labels.container }} のメモリ使用率が 75% を超えています。現在の使用率：{{ printf "%.2f" $value }}%
コンテナのメモリ使用率が 85% を超える	ワークロード	名前空間 {{ $labels.namespace }} 内の Pod {{ $labels.pod_name }} のコンテナ {{ $labels.container }} のメモリ使用率が 85% を超えています。現在の使用率：{{ printf "%.2f" $value }}%