Categraf Telegraf Datadog-Agent Grafana-Agent Falcon-Plugin

集群聚合 用户手册 用户需求 Cluster monitor配置 策略配置 集群聚合 集群监控的本质是一个聚合功能。 单台机器的监控指标难以反应整个集群的情况，我们需要把整个集群的机器（体现为某个HostGroup下的机器）综合起来看。比如所有机器的qps加和才是整个集群的qps，所有机器的request_fail数量 ÷ 所有机器的req...

概述 Categraf Datadog-agent Falcon插件 Grafana-agent Telegraf

绘图链路常见问题 如何清除过期索引 Dashboard索引缺失、查询不到endpoint或counter Dashboard图表曲线为空 Dashboard图表曲线有断点 Graph绘图数据高可用 如何确定某个counter对应的rrd文件 Graph调试 Transfer调试 设置绘图数据的存储周期 绘图链路常见问题 如何清...

HBS(Heartbeat Server) 设计初衷 源码安装 部署说明 配置说明 进程管理 验证 补充 视频教程 HBS(Heartbeat Server) 心跳服务器，公司所有agent都会连到HBS，每分钟发一次心跳请求。 设计初衷 Portal的数据库中有一个host表，维护了公司所有机器的信息，比如hostname、i...

告警屏蔽 告警屏蔽 告警屏蔽除了可以屏蔽机器之外，还可以做更细粒度的屏蔽策略，比如可以指定监控指标，可以指定某个标签 相比Open-Falcon只能屏蔽机器，夜莺的告警屏蔽做得粒度更灵活，可以配置某个机器的某个指标，甚至可以配置某个机器的某个指标的某个特定tag。 告警屏蔽的配置是依托服务树的，这里纯粹只是为了管理方便，比如某个机器挂在服务树的sr...

Categraf Telegraf Datadog-Agent Grafana-Agent Falcon-Plugin

Categraf Datadog-agent Falcon插件 Grafana-agent Telegraf

前言 本文面向对象 方案原理 方案缺陷 扩容前，我们做了哪些准备 补全自监控 功能测试 压力测试 扩容过程 分批扩容 扩容过程观察的指标 如何确保扩容完成 需注意的点 总结 附：扩容中的指标变化情况 前言 监控系统是整个运维环节，乃至整个产品生命周期中最重要的一环。而Open-Falcon是目前业界做的最开放、最好用的互...

GPU使用率监控 简介 基本概念 使用流程 GPU使用率监控 简介 Xiaomi Cloud-ML底层使用kubernetes+docker调度资源，GPU分配的粒度是个 ，不存在GPU共享的情况。当前集群的服务器都是4卡 机型，编号从0到3 。GPU使用率每分钟 抓取一次，推送到falcon上。 基本概念 Cloud-ML对用户的任...