概述 | OceanBase 文档中心

概述

更新时间：2023-08-16 15:51:32

OceanBase 云平台（OceanBase Cloud Platform，OCP）为您提供了告警监控服务，支持 OceanBase 集群、租户、主机等不同维度。用户可以使用内置的告警项来满足基本的告警需求，本手册为您介绍各内置告警的详细信息。您也可以通过新建告警规则来创建满足您需求的告警项。

本章所述的告警标题由 告警项名称 和说明组成。如 " ob_cannot_connected OB 服务器无法连接 " 标题中， ob_cannot_connected 为 告警项名称 ， OB 服务器无法连接 为告警说明。

本章将从如下几个方面对内置告警项做说明：

维度	说明
告警描述	对每个告警的含义及触发场景进行说明。
告警原理	介绍告警形成的原理，侧重于监控指标值的来源。监控表达式触发的告警，其告警原理的描述中会包含如下术语：监控指标：当监控指标值满足告警上报规则时触发告警指标来源：未作特殊说明时，一般由 OCP-Agent 查询 sys 租户的系统表获得，查询语句已在各告警的指标来源中给出。采集指标：其采集自指标来源，将其代入监控表达式计算，最终得到监控指标的值。监控指标表达式：将采集指标和 LABELS 结合进行运算，最终得出监控指标值（LABELS：根据前端界面传来的 LABELS 与指标来源中的 LABELS 进行匹配从而精准的获取到目标对象的数据）。 GBLABELS：用于聚合同一类别的监控数据。采集周期： OCP-Agent 查询 sys 租户的系统表的周期上述术语之间的关系：采集指标每个采集周期通过指标来源中描述的方法获取值，采集指标的值带入监控指标表达式得到监控指标值。
规则信息	介绍每个告警触发的规则，包括监控指标、默认阈值、持续时间、告警周期和消除周期。触发规则：系统每个检测周期检测一次监控指标，当监控指标值超过默认阈值并且持续达到持续时间设置的值则上报告警。检测周期默认为 10 秒，告警触发前每 10 秒检测一次，告警触发后，则每个告警周期检测一次。消除规则：当告警持续未上报，持续时间达到消除周期设置的时长时，则系统自动清除此告警。
告警信息	介绍每个告警的触发方式、告警等级、范围和告警对象。其中触发方式包括：表达式触发：即监控指标表达式触发，当监控指标值满足上报条件就会触发告警。一般其监控指标来源于： OCP-Agent 查询 sys 租户的系统表获得。 OCP-Agent 通过 Linux 命令查询本机获得。从 exporter 监控采集的指标中获取。通过在浏览器中调用相应接口，可查看 exporter 中采集了哪些指标，示例如下，其中 `xxx.xxx.xxx.xxx` 为 OBServer 节点主机 IP。 `http://xxx.xxx.xxx.xxx:62889/metrics/node/host` 查看主机指标 `http://xxx.xxx.xxx.xxx:62889/metrics/node/ob` 查看集群指标 * `http://xxx.xxx.xxx.xxx:62889/metrics/ob/perSecond` 查看集群每秒类型的指标 `http://xxx.xxx.xxx.xxx:62889/metrics/ob/perMinute` 针对集群每分钟类型的指标定时任务触发：OCP-Server 设置定时任务对本机进行相应检查，符合触发条件则上报告警。
告警模板	介绍每个告警的概述模板、详情模板、概述详情和详情样例。
对系统的影响	介绍当告警发生时对系统可能造成的影响。
可能原因	介绍告警产生的原因，方便您定位问题、处理告警。
处理方法	您可根据每个告警中的具体方法进行处理。

当默认阈值不满足您的使用需求时，可修改告警阈值，参见如何修改告警阈值。当您的使用场景不需要关注部分告警时，可设置告警屏蔽，参见新建屏蔽条件。

相关概念

告警对象

是告警任务所监控的主体，唯一标识一个告警对应的对象，可以是一个 OceanBase 集群、一台机器或一个服务。

告警对象的格式取决于告警项的维度，可能是标签值或标签值的组合，如 obregion=obocp:svr_ip=*.*.*.* 标识 OceanBase OCP 集群上的一台服务器。

告警范围

告警范围用于定义某个告警对应的范围，和指标范围保持一致。例如，CPU 使用率超限可能是集群整体使用率超限、租户 CPU 使用率超限、机器使用率超限等不同范围的含义。

告警范围包括：OB集群 OBCluster、OB租户 OBTenant、应用集群 AppCluster、服务 Service、服务器主机 Host、进程 Process （预留类型）。

告警等级

每个告警项都有对应的告警级别。

级别	英文含义	中文含义	颜色	说明
1	Down	停服	紫	完全不可用，需要立即介入修复，如 `OB服务启动失败`
2	Critical	严重	红	系统可用性下降，需要紧急修复，避免完全不可用，如 `机器内存使用率大于90%持续3分钟`
3	Alert	警告	橙	系统仍然可用，但是即将达到不可用状态，需要采取措施防止可用性下降，如 `OB租户连接数大于上限的80%`
4	Caution	注意	蓝	根据趋势判断，系统关键性能指标正在下降，但是还没达到触发警告的程度，此时可以通过排查发现潜在的问题，避免警告产生（保留类型，目前尚未有匹配的告警项）。
5	Info	提醒	绿	操作提醒，本质上不是告警，通常是管理员执行重要操作，如 `管理员执行集群下线操作`。该级别的告警恢复后，不会产生告警恢复的通知。