通過Prometheus監控備份中心並配置警示

前提條件

• 已安裝migrate-controller備份服務元件，且組件為v1.7.10及以上版本。具體操作，請參見安裝migrate-controller備份服務元件並配置許可權、升級組件。

• 1.20以下版本的叢集無法升級至最新版本的migrate-controller組件，如需使用備份中心監控功能，請先升級叢集版本。具體操作，請參見手動升級叢集。

• 叢集已開啟阿里雲Prometheus監控。

計費說明

migrate-controller備份服務元件會將監控指標發送至阿里雲Prometheus服務，這些指標將被視為自訂指標。使用自訂指標會產生額外的費用。

為避免產生額外的費用，建議啟用前閱讀計費概述，瞭解自訂指標的收費策略。費用將根據您的叢集規模和應用數量等因素產生變動。您可以通過資源消耗統計，監控和管理您的資源使用方式。

將備份中心接入Prometheus

您可以通過阿里雲Prometheus監控當前叢集關聯的備份倉庫及備份任務的狀態。

1. 登入ARMS控制台。

2. 在左側導覽列，單擊接入中心，在基礎設施頁簽，搜尋Ack 備份中心服務監控，然後單擊選中Ack 備份中心服務監控進入接入介面。

3. 在開始接入頁簽，選擇已經安裝了備份中心的目標Container Service叢集，然後單擊確定。

   接入狀態檢查完成後，您可以在Container Service控制台或ARMS控制台查看大盤資料。

查看備份中心監控大盤

大盤入口

1. 登入Container Service管理主控台，在左側導覽列選擇叢集列表。

2. 在叢集列表頁面，單擊目的地組群名稱，然後在左側導覽列，選擇營運管理 > Prometheus 監控。

3. 在Prometheus監控頁面，單擊其他頁簽，在Ack 備份中心服務監控下查看備份中心監控大盤。

大盤介紹

備份中心監控大盤包含備份倉庫監控資訊（Backup Locations）、備份任務監控資訊（Backup Operation Status）以及工作群組件狀態監控資訊（Addon Status）三部分。

Backup Locations

該大盤用於監控備份倉庫的基本資料，展示了叢集當前關聯的備份倉庫詳情（Backuplocation Detail）。

備份倉庫用於存放建立的備份，顯示叢集備份中心與OSS Bucket的關聯資訊。當對應備份倉庫狀態為Available時，才能通過備份中心完成備份、製作快照、恢複等任務。Backuplocation Detail的監控指標如下：

Backup Operation Status

該大盤用於監控備份任務的狀態，包含備份任務總覽（Backup Overview）和失敗狀態的備份任務詳情（Failed Backup Detail）兩部分。

• Backup Overview：通過柱狀圖展示了該叢集的各個備份倉庫中建立備份任務的數量，其中，備份任務的來源為通過立即備份建立、或通過備份計劃定時建立的單個備份。X軸為備份倉庫名稱，Y軸為備份任務數量。Backup Overview的監控指標如下：

  監控指標	說明

  監控指標	說明
  Backup（Failed）	通過紅色柱狀圖展示失敗狀態的備份任務數量。
  Backup（Completed）	通過綠色柱狀圖展示成功狀態的備份任務數量。

• Failed Backup Detail：通過表格展示了該叢集中處於失敗狀態的備份任務的基本資料。Failed Backup Detail的監控指標如下：

  監控指標	說明

  監控指標	說明
  Backup	備份任務名稱。
  Backuplocation	備份任務所處的備份倉庫名稱。
  BackupType	備份任務的備份類型，取值： AppBackup：僅備份應用，即YAML備份。 AppAndPvBackup：備份應用及資料，即YAML和PV內資料備份。
  DataType	資料備份的類型，取值： snapshot：備份的PV為純雲端硬碟儲存。 hbr：備份的PV為HostPath本機存放區、NAS或OSS等類型的檔案儲存體。 all：備份的PV同時包含雲端硬碟儲存及檔案系統儲存。 none：開啟了資料備份，但所選命名空間下未使用PV儲存。
  FromSchedule	備份任務來源。 空值：由立即備份建立。 非空值：由備份計劃定時建立，取值為對應備份計劃名稱。

Addon Status

該大盤用於監控工作群組件csdr-controller和csdr-velero的工作狀態。您需要確保這些工作群組件的正常運行，才能通過備份中心進行備份、製作快照、恢複等操作。

當備份中心組件migrate-controller安裝完成後會對叢集進行預檢查，檢查完成後，將在備份中心工作的命名空間csdr下部署工作群組件csdr-controller和csdr-velero。

備份中心的工作群組件通過Deployment（Pods）形式展示，包含csdr-controller與csdr-velero兩個組件。Addon Status的監控指標如下：

配置備份任務失敗警示

備份任務失敗警示是基於事件的警示，與備份任務對應的CRD為csdr.alibabacloud.com資源群組下的applicationbackups，當備份任務失敗時，同名資源將建立Warn事件。

查詢備份任務失敗的Warn事件

執行以下命令，查詢失敗的備份任務的Warn事件。

kubectl -n csdr get events --field-selector='type!=Normal' 

預期輸出：

VaultError: backup vault is unavailable: oss: service returned error: StatusCode=403, ErrorCode=AccessDenied, ErrorMessage="The bucket you access does not belong to you.", RequestId=668516BC35F915******

其中，VaultError為備份任務失敗的原因。

配置叢集重要事件警示規則感知備份任務失敗Warn事件

通過叢集警示配置功能進行配置。具體操作，請參見Container Service警示管理。

如何定位監控資料異常問題

查詢工作群組件不存在或狀態異常（UnHealth）的原因

• 安裝備份中心後，工作群組件不存在或反覆部署。

  執行以下命令，查詢migrate-controller組件運行狀態。

  kubectl -n kube-system get pod -l app=migrate-controller

  若組件處於CrashLoopBackOff狀態或反覆重啟，即叢集預檢查不通過，通常是由於叢集使用了Flexvolume儲存外掛程式或註冊叢集未配置相關許可權，相關排查請參見備份中心FAQ及註冊叢集。

• 工作群組件狀態長期為UnHealth，Pods儀錶盤無資料或狀態異常。

  工作群組件的Pod無法正常啟動，相關排查請參見Pod異常問題排查。

• 工作群組件狀態為Health，但Pods儀錶盤Restarts次數不為0。

  csdr-velero的記憶體使用量情況在備份期間將出現峰值，容易發生OOM（Out of Memory）問題，導致組件異常退出重啟，您可以提高記憶體資源使用上限來解決。

  說明

  備份過程中，若工作群組件的Pod異常退出，將導致任務失敗或長期處於InProgress狀態。

查詢備份倉庫狀態異常（Unavailable）的原因

執行以下命令，查詢錯誤Message。

其中，<unavailable-backuplocation-name>為異常狀態備份倉庫的名稱。

kubectl -n csdr describe backuplocation <unavailabe-backuplocation-name> 

關於備份倉庫異常狀態處理，請參見備份中心FAQ。

查詢備份任務失敗（Failed）的原因

kubectl -ncsdr describe applicationbackup <failed-applicationbackup-name>