集群监控

当平台上自建/接入的集群已部署了监控组件且监控组件运行正常时，支持通过可视化界面，查看集群的监控数据。

• 集群概览：查看集群的基本资源监控信息，包括：资源运行情况、资源使用情况、资源趋势统计数据、网络负载统计数据及网络健康状态。

• 查看组件监控数据：查看集群控制组件的监控信息，实时了解组件的运行情况和资源使用情况。

前提条件

• 集群状态正常。

• 集群已部署监控组件且监控组件运行正常。

监控数据操作说明

• 刷新控制：集群概览、监控页面的监控数据仅在页面打开时自动刷新一次，如需再次刷新监控数据，可通过以下两种方式实现：

  • 手动刷新：通过单击页面右下角的 手动刷新监控数据；

  • 设置自动刷新（默认关闭）：单击 设置自动刷新监控数据的时间间隔。

• 查看监控图表大图：单击图表右上角 可在弹出的对话框中查看放大的，数据展示粒度细化后的监控图表。

• 查看/设置图例：单击图表右上角 可展开监控图表中的图例，单击图例，可隐藏/显示图表中图例对应的曲线。

集群概览

1. 在左侧导航栏中，单击 集群管理 > 集群。

2. 单击待查看 集群名称。

   在概览页面，可查看集群的基本信息、集群上资源的运行情况、资源的当前使用情况统计值以及对应的趋势统计图表。

   提示：仅当自建集群为 GPU 集群时，会展示 GPU 相关监控数据；且仅当 GPU 资源类型为 vGPU 时，会展示显存监控数据。

   资源统计数据说明如下：

   • 单位：

     • 1 颗 pGPU（物理 GPU）= 1 核 = 100 vGPU（虚拟 GPU）

     • 1 单位显存 = 256 Mi

     • 1024 Mi = 1 Gi

   • 使用率 = 资源使用值 / 资源总额

   • 请求率 = 资源请求值 / 资源总额

   • 分配率 = 已分配资源值 / 资源总额

   • 系统负载：1 分钟、5 分钟、15 分钟内的 CPU 平均负载。取值为当前正在被 CPU 执行和等待被 CPU 执行的进程数目总和与 CPU 最大能执行的进程数目的比值，是反映系统忙闲程度的重要指标。

   

查看组件监控数据

支持查看集群中核心 Kubernetes 组件的监控信息，帮助平台管理员或集群运维人员实时了解组件的运行情况和资源使用情况，避免因组件状态异常影响集群功能。

操作步骤

1. 单击页面上方的 监控 页签，进入集群组件的监控信息页面。

   提示：通过单击以组件名称命名的二级页签，可切换至对应组件的监控信息页面。

   每个组件的监控信息主要由 监控概览、组件容器组列表、监控趋势统计 3 部分组成，如图所示（以 ApiServer 为例）。详细的监控信息说明参见 参考信息 。

   

   目前，支持查看监控概览和监控趋势统计数据的组件包括：

   • ApiServer ：提供了 Kubernetes 各类资源对象的 POST、DELETE、PUT、GET 及 WATCH 等 HTTP Rest 接口，是整个系统的数据总线和数据中心。

   • Controller Manager ：作为集群内部的管理控制中心，负责集群内的 Node、Pod 副本、服务端点（Endpoint）、命名空间（Namespace）、服务账号（ServiceAccount）、资源配额（ResourceQuota）的管理，当某个 Node 意外宕机时，Controller Manager 会及时发现并执行自动化修复流程，确保集群始终处于预期的工作状态。

   • Scheduler ：运行在 master 节点，它的核心功能是监听 apiserver 来获取 PodSpec.NodeName 为空的 Pod，通过为每个这样的 Pod 创建一个 binding 来指示 Pod 应该调度到哪个节点上。

   • ETCD ：一个高可用的分布式 key-value 存储系统，它提供了数据 TTL 失效、数据改变监视、多值、目录监听、分布式锁原子操作等功能，可用于服务发现、共享配置、管理集群节点的状态并保障节点数据的一致性。

参考信息

ApiServer

ApiServer 组件相关的监控信息字段说明参见以下表格。

表 ApiServer 监控概览

参数	说明
CPU 使用总量	运行组件的容器组所用 CPU 的总量。
内存使用总量	运行组件的容器组所用内存的总量。
5 分钟内重启总次数	运行组件的容器组在最近的 5 分钟内重启的总次数。 ：重启总数 = 0； ：1 =< 重启总数 <= 3； ：重启总数 > 3。
5 分钟内请求总数	运行组件的容器组在最近的 5 分钟内接收到的 HTTP 请求总数。

表 ApiServer 容器组列表

表 ApiServer 监控趋势统计

Controller Manager

Controller Manager 组件相关的监控信息字段说明参见以下表格。

表 Controller Manager 监控概览

参数	说明
CPU 使用总量	运行组件的容器组所用 CPU 的总量。
内存使用总量	运行组件的容器组所用内存的总量。
5 分钟内重启总次数	运行组件的容器组在最近的 5 分钟内重启的总次数。 ：重启总数 = 0； ：1 =< 重启总数 <= 3； ：重启总数 > 3。

表 Controller Manager 容器组列表

表 Controller Manager 监控趋势统计

Scheduler

Scheduler 组件相关的监控信息字段说明参见以下表格。

表 Scheduler 监控概览

参数	说明
CPU 使用总量	运行组件的容器组所用 CPU 的总量。
内存使用总量	运行组件的容器组所用内存的总量。
5 分钟内重启总次数	运行组件的容器组在最近的 5 分钟内重启的总次数。 ：重启总数 = 0； ：1 =< 重启总数 <= 3； ：重启总数 > 3。
5 分钟内调度总次数	组件在最近的 5 分钟内的实现调度的总数。

表 Scheduler 容器组列表

表 Scheduler 监控趋势统计

ETCD

ETCD 组件相关的监控信息字段说明参见以下表格。

表 ETCD 监控概览

参数	说明
CPU 使用总量	运行组件的容器组所用 CPU 的总量。
内存使用总量	运行组件的容器组所用内存的总量。
5 分钟内重启总次数	运行组件的容器组在最近的 5 分钟内重启的总次数。 ：重启总数 = 0； ：1 =< 重启总数 <= 3； ：重启总数 > 3。
近 1 天内 Leader 变更总次数	运行组件的容器组在最近的 1 天内，Leader 发生变更的总次数。 说明： 频繁更换 Leader 将显著影响 ETCD 的性能。 Leader 不稳定，可能是由于网络连接问题或 ETCD 集群负载过高所致。

表 ETCD 容器组列表

表 ETCD 监控趋势统计