监控中心

一、概述

告警中心是监控系统的核心模块之一，用于实时捕获集群、命名空间、容器组等多维度资源的异常状态，通过分级告警机制及时向用户传递系统风险。结合图表中心的可视化分析能力与监控大盘的多集群、多云全局视图，形成“全局态势-指标分析-告警处置”的完整闭环，助力快速定位并解决问题，保障系统稳定运行。

二、告警级别说明

三、功能模块

1. 告警总览

聚合展示各类告警的统计分布与趋势变化，帮助用户快速掌握系统整体告警态势（如致命告警数量、告警类型占比等）。

2. 分级告警列表

按“致命、警告、提示”级别分类呈现告警详情，每条告警包含触发时间、涉及资源（集群/容器组等）、告警原因等关键信息，支持按“资源类型、时间范围”筛选查询。

3. 告警详情与处置

点击告警可查看触发条件、影响范围及推荐处置步骤，用户可在该模块标记告警处置状态（如“已处理”“待跟进”）。

4. 图表中心

集成Grafana核心功能，支持在网页内直接嵌入并展示Grafana监控图表，为告警分析提供可视化数据支撑。

• 核心能力：覆盖集群、命名空间、节点、容器等多维度监控指标（如CPU利用率、内存使用率、网络吞吐量等），可查看实时数据与历史趋势曲线；
• 联动告警：支持从告警详情页直接跳转至关联资源的图表页面，快速定位告警触发时段的指标异常，辅助分析问题根源；
• 灵活配置：支持自定义图表时间范围、指标维度，满足不同场景下的精细化分析需求。

5. 监控大盘

作为多集群、多云环境的全局可视化总览入口，融合跨集群、跨云平台（如阿里云、私有云等）的监控数据，提供直观的全局态势感知能力。

• 地理分布视图：以地图形式展示各区域集群的分布与运行状态，支持“中国视图/全球视图”切换，快速定位区域级资源与告警集中点（如附件中河南区域的集群状态）；
• 多维度指标看板：
  • 告警统计：以时间维度呈现一周内“提示、警告、致命”三类告警的分布趋势，辅助识别告警高发时段与类型；
  • 资源利用率：实时展示CPU、内存、磁盘等核心资源的整体使用率曲线，把握全局资源负载；
  • 性能指标采样：通过雷达图、趋势曲线等形式，分析CPU利用率、内存使用率、磁盘IO、网络吞吐等关键性能指标在不同环境（如阿里云生产、GPU集群、测试环境）的表现差异；
• 集群/云平台筛选：支持按集群（如“叶奕珺的测试环境”“华东-测试”）、云平台类型进行数据筛选，聚焦特定环境的监控态势；
• 资源总览：展示全局资源开机率、CPU核数、内存容量等核心资源的总量与使用情况，辅助资源规划决策。

四、操作指南

1. 告警订阅

支持按“告警级别、资源类型”自定义订阅规则，通知方式涵盖邮件、短信、站内信等，确保关键告警不遗漏。

2. 告警排查流程

1. 收到告警后，先查看告警详情（资源类型、触发原因）；
2. 点击详情页中的“查看关联图表”，跳转至图表中心，结合Grafana可视化数据（如指标突变点、趋势异常）分析资源负载变化；
3. 如需全局态势参考，可切换至监控大盘，查看跨集群/多云的资源与告警分布，定位问题是否具有区域性或平台级特征；
4. 针对异常资源，结合图表数据与大盘视图检查其配置、日志、依赖关系，定位问题根源；
5. 执行处置操作后，通过图表中心确认指标是否恢复正常，同步更新告警处置状态，并在监控大盘中验证全局态势是否改善。

3. 历史告警查询

支持按“时间区间、资源类型”查询历史告警记录，结合图表中心的历史数据曲线与监控大盘的历史趋势，便于追溯系统问题、总结故障规律。

4. 图表中心使用

• 从左侧导航进入“图表中心”，可按资源类型（集群/命名空间等）筛选预设图表；
• 自定义分析：通过“时间范围选择器”（如近1小时、近24小时）调整数据周期，或添加/隐藏指标维度，聚焦关键数据；
• 关联告警：在图表页点击“关联告警”按钮，可查看该时段内该资源的所有告警记录，实现数据与告警的联动分析。

5. 监控大盘操作

• 视图切换：点击“点击查看全球视图”可在“中国视图/全球视图”间切换，查看不同地理范围的集群分布；
• 环境筛选：通过下方“全部”“叶奕珺的测试环境”“华东-测试”等标签，筛选特定集群或云平台的监控数据；
• 指标钻取：点击资源利用率曲线、性能采样图表等，可跳转至图表中心的详情页，查看更细粒度的指标数据；
• 告警联动：在“一周告警统计”模块点击具体告警类型或时段，可跳转至告警中心的对应筛选列表，快速定位该时段/类型的告警详情。

五、常见问题

1. 为何频繁收到某类告警？

可能是资源配置不合理（如CPU/内存限制过低）或业务流量突增导致。建议通过图表中心查看资源指标趋势，结合监控大盘的跨集群/多云负载分布，分析负载峰值规律，调整资源配额或优化业务逻辑。

2. 如何屏蔽误报告警？

进入告警详情页，若确认告警为误报，可设置告警屏蔽规则，避免同类误报重复通知。

3. 告警处理后状态未更新？

需确认处置操作是否彻底解决了告警触发条件。可通过图表中心检查指标是否恢复至正常阈值，若问题未根治，告警状态可能不会更新，建议重新排查。

4. 图表中心数据与监控中心不一致？

图表中心数据来源于Grafana原生采集，与监控中心总览页数据同步周期一致（默认5分钟），若存在短时差异属正常现象，可刷新页面或延长时间范围查看。

5. 监控大盘的地理分布与实际集群位置不符？

可在“监控大盘-设置”中维护集群的地理信息，确保地图上的集群位置与实际部署区域一致，提升全局视图的准确性。