GCP 正常运行时间指标发出不可靠的警报

如何解决GCP 正常运行时间指标发出不可靠的警报

尝试通过创建警报策略在 GCE 虚拟机处于关闭状态时获得警报。

指标：compute.googleapis.com/instance/uptime

资源：虚拟机实例

并进行了配置，以便在此条件不存在 3 分钟时触发警报。

为了模拟上述行为，我已经停止了虚拟机，但它没有触发警报，同时数据在警报策略图中不可见

已附加触发器配置

解决方法

当 VM 处于停止状态时，没有任何指标提供可靠的警报，这些指标是 compute.googleapis.com/instance/uptime 或监控代理的正常运行时间或 CPU 利用率指标，直到您使用 MQL 创建警报策略 - 监控查询语言。

“与 TERMINATED 或 DELETED Google Cloud 资源关联的指标不考虑用于指标缺失政策。这意味着您不能使用指标缺失政策来测试 TERMINATED 或 DELETED Google Cloud 虚拟机。” https://cloud.google.com/monitoring/alerts/types-of-conditions#metric-absence

因此，根据上述声明，我们不能对已停止的虚拟机使用 metic 缺席策略 - 因为它在停止一段时间后会进入终止状态。原因是，它仅在再次变为运行状态时才计算实例停止时间。

但是，当您使用具有相同指标集的 MQL 配置相同条件时，指标缺失策略可以正常工作。

示例：

不要通过选择资源和指标来配置条件，而是转到查询编辑器并键入以下查询以在开发环境 VM 未处于运行状态 3 分钟时获取警报。

fetch gce_instance
| metric 'compute.googleapis.com/instance/uptime'
| filter (metadata.user_labels.env == 'dev')
| group_by 1m,[value_uptime_aggregate: aggregate(value.uptime)]
| every 1m
| absent_for 180s

不确定这是否是错误，但这是我们以传统方式配置警报条件时的限制，我们可以利用 MQL 解决此问题。

,

您所描述的行为不寻常。

我复制了您的案例并使用相同的指标 compute.googleapis.com/instance/uptime 和相同的设置创建了准确的警报政策。我已将所有警报转发到我的电子邮件。

不幸的是，我无法重现这种行为。在尝试了各种设置（集合、缺席时间）后，我收到了提醒电子邮件。

尝试重新设置提醒政策。如果您的目标只是监控虚拟机的状态（有响应或无响应），那么您可以使用任何其他指标，例如 cpu usage，当虚拟机关闭（或无响应）时，这些指标将不存在。

最后，您可以在 VM 上尝试 installing monitoring agent，这将为您提供更多可用指标，从而获得有关机器的更多信息。

查看可能对您有用的 how to manage alerting policies 文档。此外，本文档还介绍了 alerting policies types 以及如何为您的用例选择合适的一个。

最终尝试创建另一个虚拟机并为其设置警报策略。如果这不起作用，您最好的办法是转到 Google IssueTracker 并提交新的错误报告，并将由产品团队处理 - 但是这可能需要一些（或很多）时间，具体取决于问题.