彩票游戏推荐网站博彩平台信誉[[419119]] 目次 设立 Prometheus 和 Grafana 来监控 Longhorn2023款丰田皇冠4款车型 将 Longhorn 筹划集成到 Rancher 监控系统中 Longhorn 监控筹划 复古 Kubelet Volume 筹划 Longhorn 警报端正示例

设立 Prometheus 和 Grafana 来监控 Longhorn

概览

Longhorn 在 REST 端点 http://LONGHORN_MANAGER_IP:PORT/metrics 上以 Prometheus 文本神色原生公开筹划。关联系数可用筹划的评释，请参阅 Longhorn's metrics。您不错使用 Prometheus, Graphite, Telegraf 等任何网络器具来捏取这些筹划，然后通过 Grafana 等器具将网络到的数据可视化。

幸运快艇百家乐

本文档提供了一个监控 Longhorn 的示例设立。监控系统使用 Prometheus 网络数据和警报，使用 Grafana 将网络的数据可视化/容貌板(visualizing/dashboarding)。高等轮廓来看，监控系统包含：

Prometheus 处事器从 Longhorn 筹划端点捏取和存储时辰序列数据。Prometheus 还崇拜根据竖立的端正和网络的数据生成警报。Prometheus 处事器然后将警报发送到 Alertmanager。 AlertManager 然后经管这些警报(alerts)，包括静默(silencing)、抑制(inhibition)、团聚(aggregation)和通过电子邮件、招呼见知系统和聊天平台等顺序发送见知。 Grafana 向 Prometheus 处事器查询数据并绘图容貌板进行可视化。

下图形色了监控系统的翔实架构。

上图中有 2 个未说起的组件：

Longhorn 后端处事是指向 Longhorn manager pods 集的处事。Longhorn 的筹划在端点 http://LONGHORN_MANAGER_IP:PORT/metrics 的 Longhorn manager pods 中公开。 Prometheus operator 使在 Kubernetes 上启动 Prometheus 变得至极容易。operator 监视 3 个自界说资源：ServiceMonitor、Prometheus 和 AlertManager。当用户创建这些自界说资源时，Prometheus Operator 会使用用户指定的竖立部署和经管 Prometheus server, AlerManager。

装配

按照此评释将系数组件装配到 monitoring 定名空间中。要将它们装配到不同的定名空间中，请篡改字段 namespace: OTHER_NAMESPACE

创建 monitoring 定名空间

apiVersion: 2023款丰田皇冠4款车型v1 kind: Namespace metadata:   name: monitoring 

装配 Prometheus Operator

部署 Prometheus Operator 偏激所需的 ClusterRole、ClusterRoleBinding 和 Service Account。

www.crownstakeszonehome.com

apiVersion: rbac.authorization.k8s.io/v1 kind: ClusterRoleBinding metadata:   labels:     app.kubernetes.io/component: controller     app.kubernetes.io/name: prometheus-operator     app.kubernetes.io/version: v0.38.3   name: prometheus-operator   namespace: monitoring roleRef:   apiGroup: rbac.authorization.k8s.io   kind: ClusterRole   name: prometheus-operator subjects: - kind: ServiceAccount   name: prometheus-operator   namespace: monitoring --- apiVersion: rbac.authorization.k8s.io/v1 kind: ClusterRole metadata:   labels:     app.kubernetes.io/component: controller     app.kubernetes.io/name: prometheus-operator     app.kubernetes.io/version: v0.38.3   name: prometheus-operator   namespace: monitoring rules: - apiGroups:   - apiextensions.k8s.io   resources:   - customresourcedefinitions   verbs:   - create - apiGroups:   - apiextensions.k8s.io   resourceNames:   - alertmanagers.monitoring.coreos.com   - podmonitors.monitoring.coreos.com   - prometheuses.monitoring.coreos.com   - prometheusrules.monitoring.coreos.com   - servicemonitors.monitoring.coreos.com   - thanosrulers.monitoring.coreos.com   resources:   - customresourcedefinitions   verbs:   - get   - update - apiGroups:   - monitoring.coreos.com   resources:   - alertmanagers   - alertmanagers/finalizers   - prometheuses   - prometheuses/finalizers   - thanosrulers   - thanosrulers/finalizers   - servicemonitors   - podmonitors   - prometheusrules   verbs:   - '*' - apiGroups:   - apps   resources:   - statefulsets   verbs:   - '*' - apiGroups:   - ""   resources:   - configmaps   - secrets   verbs:   - '*' - apiGroups:   - ""   resources:   - pods   verbs:   - list   - delete - apiGroups:   - ""   resources:   - services   - services/finalizers   - endpoints   verbs:   - get   - create   - update   - delete - apiGroups:   - ""   resources:   - nodes   verbs:   - list   - watch - apiGroups:   - ""   resources:   - namespaces   verbs:   - get   - list   - watch --- apiVersion: apps/v1 kind: Deployment metadata:   labels:     app.kubernetes.io/component: controller     app.kubernetes.io/name: prometheus-operator     app.kubernetes.io/version: v0.38.3   name: prometheus-operator   namespace: monitoring spec:   replicas: 1   selector:     matchLabels:       app.kubernetes.io/component: controller       app.kubernetes.io/name: prometheus-operator   template:     metadata:       labels:         app.kubernetes.io/component: controller         app.kubernetes.io/name: prometheus-operator         app.kubernetes.io/version: v0.38.3     spec:       containers:       - args:         - --kubelet-service=kube-system/kubelet         - --logtostderr=true         - --config-reloader-image=jimmidyson/configmap-reload:v0.3.0         - --prometheus-config-reloader=quay.io/prometheus-operator/prometheus-config-reloader:v0.38.3         image: quay.io/prometheus-operator/prometheus-operator:v0.38.3         name: prometheus-operator         ports:         - containerPort: 8080           name: http         resources:           limits:             cpu: 200m             memory: 200Mi           requests:             cpu: 100m             memory: 100Mi         securityContext:           allowPrivilegeEscalation: false       nodeSelector:         beta.kubernetes.io/os: linux       securityContext:         runAsNonRoot: true         runAsUser: 65534       serviceAccountName: prometheus-operator --- apiVersion: v1 kind: ServiceAccount metadata:   labels:     app.kubernetes.io/component: controller     app.kubernetes.io/name: prometheus-operator     app.kubernetes.io/version: v0.38.3   name: prometheus-operator   namespace: monitoring --- apiVersion: v1 kind: Service metadata:   labels:     app.kubernetes.io/component: controller     app.kubernetes.io/name: prometheus-operator     app.kubernetes.io/version: v0.38.3   name: prometheus-operator   namespace: monitoring spec:   clusterIP: None   ports:   - name: http     port: 8080     targetPort: http   selector:     app.kubernetes.io/component: controller     app.kubernetes.io/name: prometheus-operator 

装配 Longhorn ServiceMonitor

Longhorn ServiceMonitor 有一个标签聘请器 app: longhorn-manager 来聘请 Longhorn 后端处事。稍后，Prometheus CRD 不错包含 Longhorn ServiceMonitor，以便 Prometheus server 不错发现系数 Longhorn manager pods 偏激端点。

apiVersion: monitoring.coreos.com/v1 kind: ServiceMonitor metadata:   name: longhorn-prometheus-servicemonitor   namespace: monitoring   labels:     name: longhorn-prometheus-servicemonitor spec:   selector:     matchLabels:       app: longhorn-manager   namespaceSelector:     matchNames:     - longhorn-system   endpoints:   - port: manager 

装配和竖立 Prometheus AlertManager

使用 3 个实例创建一个高可用的 Alertmanager 部署：

apiVersion: monitoring.coreos.com/v1 kind: Alertmanager metadata:   name: longhorn   namespace: monitoring spec:   replicas: 3 

除非提供灵验竖立，不然 Alertmanager 实例将无法启动。关联 Alertmanager 竖立的更多评释，请参见此处。底下的代码给出了一个示例竖立：

global:   resolve_timeout: 5m route:   group_by: [alertname]   receiver: email_and_slack receivers: - name: email_and_slack   email_configs:   - to: <the email address to send notifications to>     from: <the sender address>     smarthost: <the SMTP host through which emails are sent>     # SMTP authentication information.     auth_username: <the username>     auth_identity: <the identity>     auth_password: <the password>     headers:       subject: 'Longhorn-Alert'     text: |-       {{ range .Alerts }}         *Alert:* {{ .Annotations.summary }} - `{{ .Labels.severity }}`         *Description:* {{ .Annotations.description }}         *Details:*         {{ range .Labels.SortedPairs }} • *{{ .Name }}:* `{{ .Value }}`         {{ end }}       {{ end }}   slack_configs:   - api_url: <the Slack webhook URL>     channel: <the channel or user to send notifications to>     text: |-       {{ range .Alerts }}         *Alert:* {{ .Annotations.summary }} - `{{ .Labels.severity }}`         *Description:* {{ .Annotations.description }}         *Details:*         {{ range .Labels.SortedPairs }} • *{{ .Name }}:* `{{ .Value }}`         {{ end }}       {{ end }} 

将上述 Alertmanager 竖立保存在名为 alertmanager.yaml 的文献中，并使用 kubectl 从中创建一个 secret。

Alertmanager 实例要求 secret 资源定名罢黜 alertmanager-{ALERTMANAGER_NAME} 神色。在上一步中，Alertmanager 的称号是 longhorn，是以 secret 称号必须是 alertmanager-longhorn

皇冠体育

$ kubectl create secret generic alertmanager-longhorn --from-file=alertmanager.yaml -n monitoring 

为了好像稽查 Alertmanager 的 Web UI，请通过 Service 公开它。一个通俗的顺序是使用 NodePort 类型的 Service ：

apiVersion: v1 kind: Service metadata:   name: alertmanager-longhorn   namespace: monitoring spec:   type: NodePort   ports:   - name: web     nodePort: 30903     port: 9093     protocol: TCP     targetPort: web   selector:     alertmanager: longhorn 

创建上述处事后，您不错通过节点的 IP 和端口 30903 看望 Alertmanager 的 web UI。

使用上头的 NodePort 处事进行快速考据，因为它欠亨过 TLS 贯穿进行通讯。您可能但愿将处事类型篡改为 ClusterIP，并设立一个 Ingress-controller 以通过 TLS 贯穿公开 Alertmanager 的 web UI。

装配和竖立 Prometheus server

创建界说警报条目的 PrometheusRule 自界说资源。

apiVersion: monitoring.coreos.com/v1 kind: PrometheusRule metadata:   labels:     prometheus: longhorn     role: alert-rules   name: prometheus-longhorn-rules   namespace: monitoring spec:   groups:   - name: longhorn.rules     rules:     - alert: LonghornVolumeUsageCritical       annotations:         description: Longhorn volume {{$labels.volume}} on {{$labels.node}} is at {{$value}}% used for           more than 5 minutes.         summary: Longhorn volume capacity is over 90% used.       expr: 100 * (longhorn_volume_usage_bytes / longhorn_volume_capacity_bytes) > 90       for: 5m       labels:         issue: Longhorn volume {{$labels.volume}} usage on {{$labels.node}} is critical.         severity: critical 

关联如何界说警报端正的更多信息，请参见https://prometheus.io/docs/prometheus/latest/configuration/alerting_rules/#alerting-rules

要是激活了 RBAC 授权，则为 Prometheus Pod 创建 ClusterRole 和 ClusterRoleBinding：

apiVersion: v1 kind: ServiceAccount metadata:   name: prometheus   namespace: monitoring apiVersion: rbac.authorization.k8s.io/v1beta1 kind: ClusterRole metadata:   name: prometheus   namespace: monitoring rules: - apiGroups: [""]   resources:   - nodes   - services   - endpoints   - pods   verbs: ["get", "list", "watch"] - apiGroups: [""]   resources:   - configmaps   verbs: ["get"] - nonResourceURLs: ["/metrics"]   verbs: ["get"] apiVersion: rbac.authorization.k8s.io/v1beta1 kind: ClusterRoleBinding metadata:   name: prometheus roleRef:   apiGroup: rbac.authorization.k8s.io   kind: ClusterRole   name: prometheus subjects: - kind: ServiceAccount   name: prometheus   namespace: monitoring 

创建 Prometheus 自界说资源。请防卫，咱们在 spec 中聘请了 Longhorn 处事监视器(service monitor)和 Longhorn 端正。

apiVersion: monitoring.coreos.com/v1 kind: Prometheus metadata:   name: prometheus   namespace: monitoring spec:   replicas: 2   serviceAccountName: prometheus   alerting:     alertmanagers:       - namespace: monitoring         name: alertmanager-longhorn         port: web   serviceMonitorSelector:     matchLabels:       name: longhorn-prometheus-servicemonitor   ruleSelector:     matchLabels:       prometheus: longhorn       role: alert-rules 

为了好像稽查 Prometheus 处事器的 web UI，请通过 Service 公开它。一个通俗的顺序是使用 NodePort 类型的 Service：

apiVersion: v1 kind: Service metadata:   name: prometheus   namespace: monitoring spec:   type: NodePort   ports:   - name: web     nodePort: 30904     port: 9090     protocol: TCP     targetPort: web   selector:     prometheus: prometheus 

创建上述处事后，您不错通过节点的 IP 和端口 30904 看望 Prometheus server 的 web UI。

此时，您应该好像在 Prometheus server UI 的所在和端正部分看到系数 Longhorn manager targets 以及 Longhorn rules。

使用上述 NodePort service 进行快速考据，因为它欠亨过 TLS 贯穿进行通讯。您可能但愿将处事类型篡改为 ClusterIP，并设立一个 Ingress-controller 以通过 TLS 贯穿公开 Prometheus server 的 web UI。

装配 Grafana

创建 Grafana 数据源竖立：

apiVersion: v1 kind: ConfigMap metadata:   name: grafana-datasources   namespace: monitoring data:   prometheus.yaml: |-     {         "apiVersion": 1,         "datasources": [             {                "access":"proxy",                 "editable": true,                 "name": "prometheus",                 "orgId": 1,                 "type": "prometheus",                 "url": "http://prometheus:9090",                 "version": 1             }         ]     } 

创建 Grafana 部署：

apiVersion: apps/v1 kind: Deployment metadata:   name: grafana   namespace: monitoring   labels:     app: grafana spec:   replicas: 1   selector:     matchLabels:       app: grafana   template:     metadata:       name: grafana       labels:         app: grafana     spec:       containers:       - name: grafana         image: grafana/grafana:7.1.5         ports:         - name: grafana           containerPort: 3000         resources:           limits:             memory: "500Mi"             cpu: "300m"           requests:             memory: "500Mi"             cpu: "200m"         volumeMounts:           - mountPath: /var/lib/grafana             name: grafana-storage           - mountPath: /etc/grafana/provisioning/datasources             name: grafana-datasources             readOnly: false       volumes:         - name: grafana-storage           emptyDir: {}         - name: grafana-datasources           configMap:               defaultMode: 420               name: grafana-datasources 

在 NodePort 32000 上显露 Grafana：

apiVersion: v1 kind: Service metadata:   name: grafana   namespace: monitoring spec:   selector:     app: grafana   type: NodePort   ports:     - port: 3000       targetPort: 3000       nodePort: 32000 

使用上述 NodePort 处事进行快速考据，因为它欠亨过 TLS 贯穿进行通讯。您可能但愿将处事类型篡改为 ClusterIP，并设立一个 Ingress-controller 以通过 TLS 贯穿公开 Grafana。

使用端口 32000 上的任何节点 IP 看望 Grafana 容貌板。默许阐发为：

User: admin Pass: admin 

装配 Longhorn dashboard

投入 Grafana 后，导入预置的面板：https://grafana.com/grafana/dashboards/13032

博彩平台信誉

关联如何导入 Grafana dashboard 的评释，请参阅 https://grafana.com/docs/grafana/latest/reference/export_import/

见效后，您应该会看到以下 dashboard：

皇冠一直以合法合规经营宗旨，注重玩家体验服务质量，赢得广大玩家认可信赖。皇冠账号

将 Longhorn 筹划集成到 Rancher 监控系统中

对于 Rancher 监控系统

使用 Rancher，您不错通过与朝上的开源监控惩处决策 Prometheus 的集成来监控集群节点、Kubernetes 组件和软件部署的状况和进度。

关联如何部署/启用 Rancher 监控系统的评释，请参见https://rancher.com/docs/rancher/v2.x/en/monitoring-alerting/

将 Longhorn 筹划添加到 Rancher 监控系统

要是您使用 Rancher 来经管您的 Kubernetes 况兼也曾启用 Rancher 监控，您不错通过通俗地部署以下 ServiceMonitor 将 Longhorn 筹划添加到 Rancher 监控中：

apiVersion: monitoring.coreos.com/v1 kind: ServiceMonitor metadata:   name: longhorn-prometheus-servicemonitor   namespace: longhorn-system   labels:     name: longhorn-prometheus-servicemonitor spec:   selector:     matchLabels:       app: longhorn-manager   namespaceSelector:     matchNames:     - longhorn-system   endpoints:   - port: manager 

创建 ServiceMonitor 后，Rancher 将自动发现系数 Longhorn 筹划。

然后，您不错设立 Grafana 容貌板以进行可视化。

Longhorn 监控筹划

彩票游戏推荐网站

Volume(卷)

筹划名 评释 示例 longhorn_volume_actual_size_bytes 对应节点上卷的每个副本使用的骨子空间 longhorn_volume_actual_size_bytes{node="worker-2",volume="testvol"} 1.1917312e+08 longhorn_volume_capacity_bytes 此卷的竖立大小（以 byte 为单元） longhorn_volume_capacity_bytes{node="worker-2",volume="testvol"} 6.442450944e+09 longhorn_volume_state 本卷状况：1=creating, 2=attached, 3=Detached, 4=Attaching, 5=Detaching, 6=Deleting longhorn_volume_state{node="worker-2",volume="testvol"} 2 longhorn_volume_robustness 本卷的健壮性: 0=unknown, 1=healthy, 2=degraded, 3=faulted longhorn_volume_robustness{node="worker-2",volume="testvol"} 1

Node(节点)

筹划名 评释 示例 longhorn_node_status 该节点的状况：1=true, 0=false longhorn_node_status{condition="ready",condition_reason="",node="worker-2"} 1 longhorn_node_count_total Longhorn 系统中的节点总和 longhorn_node_count_total 4 longhorn_node_cpu_capacity_millicpu 此节点上的最大可分派 CPU longhorn_node_cpu_capacity_millicpu{node="worker-2"} 2000 longhorn_node_cpu_usage_millicpu 此节点上的 CPU 使用率 longhorn_node_cpu_usage_millicpu{node="pworker-2"} 186 longhorn_node_memory_capacity_bytes 此节点上的最大可分派内存 longhorn_node_memory_capacity_bytes{node="worker-2"} 4.031229952e+09 longhorn_node_memory_usage_bytes 此节点上的内存使用情况 longhorn_node_memory_usage_bytes{node="worker-2"} 1.833582592e+09 longhorn_node_storage_capacity_bytes 本节点的存储容量 longhorn_node_storage_capacity_bytes{node="worker-3"} 8.3987283968e+10 longhorn_node_storage_usage_bytes 该节点的已用存储 longhorn_node_storage_usage_bytes{node="worker-3"} 9.060941824e+09 longhorn_node_storage_reservation_bytes 此节点上为其他期骗重要和系统保留的存储空间 longhorn_node_storage_reservation_bytes{node="worker-3"} 2.519618519e+10

Disk(磁盘)

筹划名 评释 示例 longhorn_disk_capacity_bytes 此磁盘的存储容量 longhorn_disk_capacity_bytes{disk="default-disk-8b28ee3134628183",node="worker-3"} 8.3987283968e+10 longhorn_disk_usage_bytes 此磁盘的已用存储空间 longhorn_disk_usage_bytes{disk="default-disk-8b28ee3134628183",node="worker-3"} 9.060941824e+09 longhorn_disk_reservation_bytes 此磁盘上为其他期骗重要和系统保留的存储空间 longhorn_disk_reservation_bytes{disk="default-disk-8b28ee3134628183",node="worker-3"} 2.519618519e+10

Instance Manager(实例经管器)

皇冠hg86a

 

皇冠客服飞机：@seo3687

筹划名 评释 示例 longhorn_instance_manager_cpu_usage_millicpu 这个 longhorn 实例经管器的 CPU 使用率 longhorn_instance_manager_cpu_usage_millicpu{instance_manager="instance-manager-e-2189ed13",instance_manager_type="engine",node="worker-2"} 80 longhorn_instance_manager_cpu_requests_millicpu 在这个 Longhorn 实例经管器的 kubernetes 中肯求的 CPU 资源 longhorn_instance_manager_cpu_requests_millicpu{instance_manager="instance-manager-e-2189ed13",instance_manager_type="engine",node="worker-2"} 250 longhorn_instance_manager_memory_usage_bytes 这个 longhorn 实例经管器的内存使用情况 longhorn_instance_manager_memory_usage_bytes{instance_manager="instance-manager-e-2189ed13",instance_manager_type="engine",node="worker-2"} 2.4072192e+07 longhorn_instance_manager_memory_requests_bytes 这个 longhorn 实例经管器在 Kubernetes 中肯求的内存 longhorn_instance_manager_memory_requests_bytes{instance_manager="instance-manager-e-2189ed13",instance_manager_type="engine",node="worker-2"} 0

Manager(经管器)

筹划名 评释 示例 longhorn_manager_cpu_usage_millicpu 这个 Longhorn Manager 的 CPU 使用率 longhorn_manager_cpu_usage_millicpu{manager="longhorn-manager-5rx2n",node="worker-2"} 27 longhorn_manager_memory_usage_bytes 这个 Longhorn Manager 的内存使用情况 longhorn_manager_memory_usage_bytes{manager="longhorn-manager-5rx2n",node="worker-2"} 2.6144768e+07 复古 Kubelet Volume 筹划

对于 Kubelet Volume 筹划

Kubelet 公开了以下筹划：

kubelet_volume_stats_capacity_bytes kubelet_volume_stats_available_bytes kubelet_volume_stats_used_bytes kubelet_volume_stats_inodes kubelet_volume_stats_inodes_free kubelet_volume_stats_inodes_used

这些筹划揣摸与 Longhorn 块成立内的 PVC 文献系统接头的信息。

它们与 longhorn_volume_* 筹划不同，后者测量特定于 Longhorn 块成立(block device)的信息。

您不错设立一个监控系统来捏取 Kubelet 筹划端点以得回 PVC 的状况并设创新常事件的警报，举例 PVC 行将亏损存储空间。

一个流行的监控设立是 prometheus-operator/kube-prometheus-stack,，它捏取 kubelet_volume_stats_* 筹划并为它们提供容貌板和警报端正。

外汇 Longhorn CSI 插件复古

在 v1.1.0 中，Longhorn CSI 插件根据 CSI spec 复古 NodeGetVolumeStats RPC。

博彩皇冠赔率

这允许 kubelet 查询 Longhorn CSI 插件以得回 PVC 的状况。

然后 kubelet 在 kubelet_volume_stats_* 筹划中公开该信息。

Longhorn 警报端正示例

咱们不才面提供了几个示例 Longhorn 警报端正供您参考。请参阅此处得回系数可用 Longhorn 筹划的列表并构建您我方的警报端正。

apiVersion: monitoring.coreos.com/v1 kind: PrometheusRule metadata:   labels:     prometheus: longhorn     role: alert-rules   name: prometheus-longhorn-rules   namespace: monitoring spec:   groups:   - name: longhorn.rules     rules:     - alert: LonghornVolumeActualSpaceUsedWarning       annotations:         description: The actual space used by Longhorn volume {{$labels.volume}} on {{$labels.node}} is at {{$value}}% capacity for           more than 5 minutes.         summary: The actual used space of Longhorn volume is over 90% of the capacity.       expr: (longhorn_volume_actual_size_bytes / longhorn_volume_capacity_bytes) * 100 > 90       for: 5m       labels:         issue: The actual used space of Longhorn volume {{$labels.volume}} on {{$labels.node}} is high.         severity: warning     - alert: LonghornVolumeStatusCritical       annotations:         description: Longhorn volume {{$labels.volume}} on {{$labels.node}} is Fault for           more than 2 minutes.         summary: Longhorn volume {{$labels.volume}} is Fault       expr: longhorn_volume_robustness == 3       for: 5m       labels:         issue: Longhorn volume {{$labels.volume}} is Fault.         severity: critical     - alert: LonghornVolumeStatusWarning       annotations:         description: Longhorn volume {{$labels.volume}} on {{$labels.node}} is Degraded for           more than 5 minutes.         summary: Longhorn volume {{$labels.volume}} is Degraded       expr: longhorn_volume_robustness == 2       for: 5m       labels:         issue: Longhorn volume {{$labels.volume}} is Degraded.         severity: warning     - alert: LonghornNodeStorageWarning       annotations:         description: The used storage of node {{$labels.node}} is at {{$value}}% capacity for           more than 5 minutes.         summary:  The used storage of node is over 70% of the capacity.       expr: (longhorn_node_storage_usage_bytes / longhorn_node_storage_capacity_bytes) * 100 > 70       for: 5m       labels:         issue: The used storage of node {{$labels.node}} is high.         severity: warning     - alert: LonghornDiskStorageWarning       annotations:         description: The used storage of disk {{$labels.disk}} on node {{$labels.node}} is at {{$value}}% capacity for           more than 5 minutes.         summary:  The used storage of disk is over 70% of the capacity.       expr: (longhorn_disk_usage_bytes / longhorn_disk_capacity_bytes) * 100 > 70       for: 5m       labels:         issue: The used storage of disk {{$labels.disk}} on node {{$labels.node}} is high.         severity: warning     - alert: LonghornNodeDown       annotations:         description: There are {{$value}} Longhorn nodes which have been offline for more than 5 minutes.         summary: Longhorn nodes is offline       expr: longhorn_node_total - (count(longhorn_node_status{condition="ready"}==1) OR on() vector(0))       for: 5m       labels:         issue: There are {{$value}} Longhorn nodes are offline         severity: critical     - alert: LonghornIntanceManagerCPUUsageWarning       annotations:         description: Longhorn instance manager {{$labels.instance_manager}} on {{$labels.node}} has CPU Usage / CPU request is {{$value}}% for           more than 5 minutes.         summary: Longhorn instance manager {{$labels.instance_manager}} on {{$labels.node}} has CPU Usage / CPU request is over 300%.       expr: (longhorn_instance_manager_cpu_usage_millicpu/longhorn_instance_manager_cpu_requests_millicpu) * 100 > 300       for: 5m       labels:         issue: Longhorn instance manager {{$labels.instance_manager}} on {{$labels.node}} consumes 3 times the CPU request.         severity: warning     - alert: LonghornNodeCPUUsageWarning       annotations:         description: Longhorn node {{$labels.node}} has CPU Usage / CPU capacity is {{$value}}% for           more than 5 minutes.         summary: Longhorn node {{$labels.node}} experiences high CPU pressure for more than 5m.       expr: (longhorn_node_cpu_usage_millicpu / longhorn_node_cpu_capacity_millicpu) * 100 > 90       for: 5m       labels:         issue: Longhorn node {{$labels.node}} experiences high CPU pressure.         severity: warning 

 

在https://prometheus.io/docs/prometheus/latest/configuration/alerting_rules/#alerting-rules 稽查关联如何界说警报端正的更多信息。