云監(jiān)控
云監(jiān)控為您提供企業(yè)級(jí)開放型一站式監(jiān)控解決方案。Hologres已經(jīng)接入云監(jiān)控的云服務(wù)監(jiān)控，方便您通過云監(jiān)控全面了解Hologres實(shí)例的資源使用、業(yè)務(wù)運(yùn)行及健康狀況，及時(shí)收到異常報(bào)警并做出響應(yīng)，保證應(yīng)用程序運(yùn)行順暢。本文為您介紹如何通過云監(jiān)控監(jiān)測(cè)Hologres實(shí)例的相關(guān)指標(biāo)并上報(bào)告警。
前提條件
已開通Hologres，詳情請(qǐng)參見購(gòu)買Hologres。
使用建議
目前云監(jiān)控已經(jīng)支持按照Hologres實(shí)例類型（包括實(shí)時(shí)數(shù)倉(cāng)Hologres（從實(shí)例）、實(shí)時(shí)數(shù)倉(cāng)Hologres（湖倉(cāng)加速）、實(shí)時(shí)數(shù)倉(cāng)Hologres（通用型）、實(shí)時(shí)數(shù)倉(cāng)Hologres（計(jì)算組））展示對(duì)應(yīng)實(shí)例的監(jiān)控指標(biāo)，不同的實(shí)例類型對(duì)應(yīng)專屬監(jiān)控指標(biāo)，以便更好的監(jiān)控業(yè)務(wù)異常并處理，建議將實(shí)時(shí)數(shù)倉(cāng)Hologres的監(jiān)控切換為對(duì)應(yīng)實(shí)例類型下的監(jiān)控，以獲得更好的監(jiān)控體驗(yàn)。
云監(jiān)控指標(biāo)
當(dāng)前云監(jiān)控支持的Hologres實(shí)例監(jiān)控指標(biāo)詳情，請(qǐng)參見Hologres管控臺(tái)的監(jiān)控指標(biāo)。更多有關(guān)云監(jiān)控信息
查看監(jiān)控指標(biāo)
您可以直接登錄云監(jiān)控控制臺(tái)查看。
在左側(cè)導(dǎo)航欄，單擊云產(chǎn)品監(jiān)控。
在大數(shù)據(jù)（數(shù)加）區(qū)域，單擊目標(biāo)實(shí)例類型（實(shí)時(shí)數(shù)倉(cāng)Hologres（從實(shí)例）、實(shí)時(shí)數(shù)倉(cāng)Hologres（湖倉(cāng)加速）、實(shí)時(shí)數(shù)倉(cāng)Hologres（通用型）或?qū)崟r(shí)數(shù)倉(cāng)Hologres（計(jì)算組）），進(jìn)入Hologres監(jiān)控大盤。
單擊地域后的
圖標(biāo)，選擇目標(biāo)地域。單擊目標(biāo)實(shí)例ID或操作列的監(jiān)控圖表，查看實(shí)例相關(guān)指標(biāo)的狀態(tài)。
說明您可以自定義查看實(shí)例指標(biāo)的時(shí)間段，監(jiān)控?cái)?shù)據(jù)最多保留30天。
監(jiān)控告警實(shí)踐
一鍵報(bào)警
Hologres支持您在云監(jiān)控中開啟一鍵報(bào)警功能，為所有實(shí)例設(shè)置默認(rèn)的告警規(guī)則，開啟后，會(huì)創(chuàng)建CPU使用率、磁盤使用率、內(nèi)存使用率、連接數(shù)等相關(guān)報(bào)警規(guī)則，作用于阿里云賬號(hào)（主賬號(hào)）下的所有Hologres實(shí)例，方便對(duì)多個(gè)常見的重要指標(biāo)進(jìn)行異常告警，快速發(fā)現(xiàn)問題。默認(rèn)告警規(guī)則包括：
如果連接數(shù)使用率（Info）連續(xù)3次平均值>=95就通知，通知對(duì)象為云賬號(hào)報(bào)警聯(lián)系人。
如果存儲(chǔ)水位（Warn）連續(xù)3次平均值>90就通知，通知對(duì)象為云賬號(hào)報(bào)警聯(lián)系人。
如果內(nèi)存水位（Warn）連續(xù)3次平均值>=90就通知，通知對(duì)象為云賬號(hào)報(bào)警聯(lián)系人。
如果CPU水位（Info）連續(xù)3次平均值>=99就通知，通知對(duì)象為云賬號(hào)報(bào)警聯(lián)系人。
默認(rèn)每次告警的周期為5分鐘，可自定義設(shè)置。
創(chuàng)建報(bào)警規(guī)則
除默認(rèn)的一鍵告警外，您還可以根據(jù)業(yè)務(wù)情況，對(duì)更多的監(jiān)控指標(biāo)設(shè)置告警，操作詳情如下：
在左側(cè)導(dǎo)航欄，選擇。
在報(bào)警規(guī)則頁(yè)面，單擊創(chuàng)建報(bào)警規(guī)則，根據(jù)提示設(shè)置報(bào)警信息。具體操作，請(qǐng)參見創(chuàng)建報(bào)警規(guī)則。
告警設(shè)置最佳實(shí)踐
Hologres對(duì)于不同監(jiān)控指標(biāo)，推薦設(shè)置的告警如下：
實(shí)例CPU使用率（%）
該指標(biāo)反映了Hologres的資源是否存在瓶頸，也反映了您的資源使用是否充分。推薦的告警如下：
告警規(guī)則：
緊急（Critical）：“實(shí)例CPU使用率連續(xù)60個(gè)周期（1周期=1分鐘），監(jiān)控值>=99%”，有效監(jiān)測(cè)集群的資源水位，長(zhǎng)期打滿需要擴(kuò)容。
警告（Warn）：“實(shí)例CPU使用率連續(xù)10個(gè)周期（1周期=1分鐘），監(jiān)控值>=99%”，可以及時(shí)觀測(cè)是否因?yàn)闃I(yè)務(wù)變動(dòng)導(dǎo)致CPU打滿。
不建議出現(xiàn)一次實(shí)例CPU使用率達(dá)到100%就告警。短時(shí)間內(nèi)的CPU使用率達(dá)到100%并不表示系統(tǒng)過載或異常，而是代表了高效的資源利用。
不建議CPU的告警水位設(shè)置過低。因?yàn)闆]有任務(wù)運(yùn)行時(shí)，也可能有系統(tǒng)組件在運(yùn)行，會(huì)占用一定資源。
Worker節(jié)點(diǎn)CPU使用率（%）
該指標(biāo)反映了Hologres中每個(gè)Worker資源是否存在瓶頸，也反映了資源使用是否充分。推薦告警如下：
告警規(guī)則
緊急（Critical）：“Worker節(jié)點(diǎn)CPU使用率連續(xù)60個(gè)周期（1周期=1分鐘），監(jiān)控值>=99%”，有效監(jiān)測(cè)每個(gè)Worker的資源水位，長(zhǎng)期打滿需要擴(kuò)容。
警告（Warn）：“Worker節(jié)點(diǎn)CPU使用率連續(xù)10個(gè)周期（1周期=1分鐘），監(jiān)控值>=99%”，可以及時(shí)觀測(cè)是否因?yàn)闃I(yè)務(wù)變動(dòng)導(dǎo)致CPU打滿。
不推薦出現(xiàn)一次Worker節(jié)點(diǎn)CPU使用率達(dá)到100%就告警。短時(shí)間內(nèi)的CPU使用率達(dá)到100%并不表示系統(tǒng)過載或異常，而是代表了高效的資源利用。
不推薦CPU的告警水位設(shè)置過低，因?yàn)闆]有任務(wù)運(yùn)行時(shí)，也可能有系統(tǒng)組件在運(yùn)行，會(huì)占用一定資源。
實(shí)例內(nèi)存使用率（%）
該指標(biāo)反映了實(shí)例的內(nèi)存使用情況。推薦的告警如下：
告警規(guī)則
緊急（Critical）：“實(shí)例內(nèi)存使用率連續(xù)60個(gè)周期（1周期=1分鐘），監(jiān)控值>=99%”，有效監(jiān)測(cè)集群的內(nèi)存水位，長(zhǎng)期打滿建議擴(kuò)容。
警告（Warn）：“實(shí)例內(nèi)存使用率連續(xù)10個(gè)周期（1周期=1分鐘），監(jiān)控值>=99%”，可以及時(shí)觀測(cè)是否因?yàn)闃I(yè)務(wù)變動(dòng)導(dǎo)致內(nèi)存打滿。
不推薦內(nèi)存指標(biāo)的告警水位設(shè)置過低。因?yàn)閮?nèi)存不僅用于Query運(yùn)行，也用于Meta、Cache等部分，在實(shí)例任務(wù)空閑時(shí)也有一定的內(nèi)存使用。
Worker節(jié)點(diǎn)內(nèi)存使用率（%）
該指標(biāo)反映了Worker的內(nèi)存使用情況。推薦的告警如下：
告警規(guī)則
緊急（Critical）：“Worker節(jié)點(diǎn)內(nèi)存使用率連續(xù)60個(gè)周期（1周期=1分鐘），監(jiān)控值>=99%”，有效監(jiān)測(cè)集群的內(nèi)存水位，長(zhǎng)期打滿建議擴(kuò)容。
警告（Warn）：“Worker節(jié)點(diǎn)內(nèi)存使用率連續(xù)10個(gè)周期（1周期=1分鐘），監(jiān)控值>=99%”，可以及時(shí)觀測(cè)是否因?yàn)闃I(yè)務(wù)變動(dòng)導(dǎo)致內(nèi)存打滿。
不推薦內(nèi)存指標(biāo)的告警水位設(shè)置過低，因?yàn)閮?nèi)存不僅用于Query運(yùn)行，也用于Meta、Cache等部分，在實(shí)例任務(wù)空閑時(shí)也有一定的內(nèi)存使用。
連接數(shù)使用率最高的FE的連接數(shù)使用率（%）
該指標(biāo)反映了當(dāng)前每個(gè)FE的連接數(shù)使用率最大值。推薦的告警規(guī)則如下：
警告（Warn）：“連接數(shù)使用率最高的FE的連接數(shù)使用率連續(xù)5個(gè)周期（1周期=1分鐘），監(jiān)控值>=95%”，可以有效監(jiān)測(cè)集群的連接數(shù)使用情況，及時(shí)清理空閑連接。
wal sender使用率最高的FE的wal sender使用率（%）
該指標(biāo)反映了當(dāng)前每個(gè)FE的Walsender使用率最大值。推薦的告警規(guī)則如下：
警告（Warn）：“wal sender使用率最高的FE的wal sender使用率連續(xù)5個(gè)周期（1周期=1分鐘），監(jiān)控值>=95%”，可以有效監(jiān)測(cè)集群的Walsender使用情況。
本實(shí)例正在運(yùn)行中Query最長(zhǎng)的時(shí)長(zhǎng)（milliseconds）
該指標(biāo)可以有效監(jiān)測(cè)實(shí)例中當(dāng)前時(shí)刻是否有長(zhǎng)時(shí)間運(yùn)行的Query。推薦的告警規(guī)則如下：
警告（Warn）：“本實(shí)例正在運(yùn)行中Query最長(zhǎng)的時(shí)長(zhǎng)連續(xù)10個(gè)周期（1周期=1分鐘），監(jiān)控值>=3600000milliseconds”。
正在運(yùn)行的 Serverless Computing 的查詢中，最長(zhǎng)的時(shí)長(zhǎng)（milliseconds）
該指標(biāo)可以有效監(jiān)測(cè)Serverless集群中的任務(wù)運(yùn)行情況，如果運(yùn)行時(shí)間過長(zhǎng)，可以及時(shí)取消相關(guān)任務(wù)。推薦的告警規(guī)則如下：
警告（Warn）：“正在運(yùn)行的Serverless Computing的查詢中，最長(zhǎng)的時(shí)長(zhǎng)連續(xù)10個(gè)周期（1周期=1分鐘），監(jiān)控值>=3600000milliseconds”。
失敗Query QPS(countS)
該指標(biāo)反映了實(shí)例中運(yùn)行Query的失敗情況，可以針對(duì)失敗Query設(shè)置告警，方便及時(shí)了解實(shí)例中Query運(yùn)行情況。推薦的告警規(guī)則如下：
警告（Warn）：“失敗Query QPS中，連續(xù)10個(gè)周期（1周期=1分鐘），監(jiān)控值>=10countS”。如果實(shí)例中失敗Query較多，建議根據(jù)慢Query日志查看詳情失敗詳情，并針對(duì)性治理。
FE replay延遲（milliseconds）
該指標(biāo)反映了每個(gè)FE的replay時(shí)間，如果時(shí)間過長(zhǎng)，說明replay慢，可能原因?yàn)镕E卡住，導(dǎo)致Query卡住，需要及時(shí)處理。推薦的告警如下：
告警規(guī)則
警告（Warn）：“FE replay延遲連續(xù)10個(gè)周期（1周期=1分鐘），監(jiān)控值>=300000milliseconds”，出現(xiàn)告警時(shí)，前往HoloWeb活躍Query查看是否有長(zhǎng)時(shí)間運(yùn)行的Query，并嘗試取消Query。
不推薦FE replay延遲設(shè)置的時(shí)間過短。因?yàn)閷?shí)例中有元數(shù)據(jù)的修改就有FE的replay，通常情況下，F(xiàn)E的replay時(shí)間在秒級(jí)都屬于正常現(xiàn)象。
主從同步延遲（milliseconds）
該指標(biāo)僅在從實(shí)例中展示，反映了主從同步的延遲情況，推薦的告警規(guī)則如下：
警告（Warn）：“主從同步延遲連續(xù)10個(gè)周期（1周期=1分鐘），監(jiān)控值>=600000milliseconds”。
每個(gè)DB統(tǒng)計(jì)信息缺失的表個(gè)數(shù)（countS）
該指標(biāo)反映了Auto Analyze的質(zhì)量，如果長(zhǎng)時(shí)間存在缺失統(tǒng)計(jì)信息的表，可以對(duì)表手動(dòng)執(zhí)行Analyze命令，詳情請(qǐng)參見ANALYZE和AUTO ANALYZE。推薦的告警如下：
告警規(guī)則
警告（Warn）：“每個(gè)DB統(tǒng)計(jì)信息缺失的表個(gè)數(shù)連續(xù)60個(gè)周期（1周期=1分鐘），監(jiān)控值>=10countS”。
不建議監(jiān)控值設(shè)置過低。因?yàn)閷?shí)例中表數(shù)量太多時(shí)，也會(huì)導(dǎo)致Auto Analyze執(zhí)行速度降低。
常見監(jiān)控問題排查
當(dāng)監(jiān)控指標(biāo)出現(xiàn)不符合業(yè)務(wù)預(yù)期的波動(dòng)，或者出現(xiàn)告警時(shí)，可以通過監(jiān)控指標(biāo)常見問題排查監(jiān)控指標(biāo)的問題并處理。
API方式訪問監(jiān)控指標(biāo)
除了云監(jiān)控控制臺(tái)，云監(jiān)控也提供自定義監(jiān)控大盤、API等方式訪問監(jiān)控指標(biāo)，以便業(yè)務(wù)能夠更加靈活地訪問監(jiān)控。其中：
通過API方式訪問云監(jiān)控，請(qǐng)參見云產(chǎn)品監(jiān)控。
使用自定義監(jiān)控大盤，請(qǐng)參見管理自定義監(jiān)控大盤。
授予RAM用戶云監(jiān)控查看權(quán)限
默認(rèn)情況下，RAM用戶無法查看云監(jiān)控的指標(biāo)信息。此時(shí)需要您對(duì)該RAM用戶授予云監(jiān)控查看權(quán)限。
您可使用阿里云賬號(hào)（主賬號(hào)）登錄RAM控制臺(tái)，為RAM用戶授予如下權(quán)限，授權(quán)方法請(qǐng)參見為RAM用戶授權(quán)。
您也可根據(jù)需求自行選擇權(quán)限。
權(quán)限名稱 | 權(quán)限功能描述 |
AliyunCloudMonitorFullAccess | 管理云監(jiān)控（CloudMonitor）的權(quán)限。 |
AliyunCloudMonitorReadOnlyAccess | 只讀訪問云監(jiān)控（CloudMonitor）的權(quán)限。 |
AliyunCloudMonitorMetricDataReadOnlyAccess | 訪問云監(jiān)控（CloudMonitor）時(shí)序指標(biāo)數(shù)據(jù)的權(quán)限。 |