容器服务支持 P2P 镜像加速和镜像懒加载（Nydus）功能，大幅提升镜像拉取速度，缩短应用部署时间。同时，支持对镜像加速功能进行监控。本文为您介绍如何配置镜像加速功能观测。 ## 背景信息容器服务中的镜像加速功能，主要包括： * **P2P 镜像加速**：利用节点的内网带宽资源，在节点之间分发镜像，减少对镜像仓库的压力，大幅提升镜像拉取速度，缩短应用部署时间。方案详情，请参见 [P2P 镜像加速概述](https://docs.volcengine.com/docs/6460/2665174?lang=zh)。 * **镜像懒加载（Nydus）** ：集群通过 Nydus 实现镜像懒加载，提升创建 Pod 过程的镜像拉取速度。方案详情，请参见 [容器镜像懒加载方案](https://www.volcengine.com/docs/6460/1130434)。 ## 前提条件 * 已开启云原生观测功能，详情请参见 [开启观测](https://www.volcengine.com/docs/6460/1213992)。 * 已开启容器服务观测功能，详情请参见 [容器服务观测](https://www.volcengine.com/docs/6460/148257)。 * 监控 P2P 镜像加速功能时，需要： * 已开启 P2P 镜像加速功能，并安装 p2p\-accelerator 组件，详情请参见 [配置 P2P 镜像加速](https://docs.volcengine.com/docs/6460/658947?lang=zh)。 * prometheus\-agent 组件升级到 v2.2.0 及以上版本，详情请参见 [组件发布记录](https://www.volcengine.com/docs/6460/699875)。 * 监控镜像懒加载（Nydus）功能时，需要： * 已安装 image\-accelerator 组件，详情请参见 [image-accelerator](https://docs.volcengine.com/docs/6460/2276796)。 * prometheus\-agent 组件升级到 v2.0.4 及以上版本，详情请参见 [组件发布记录](https://www.volcengine.com/docs/6460/699875)。 * 已开启懒加载功能，详情请参见 [容器镜像懒加载方案](https://www.volcengine.com/docs/6460/1130434)。 * 如需观测 image\-accelerator 组件的 Webhook 与 CPU/MEM 使用情况，请将 image\-accelerator 组件升级到 v1.0.6 及以上版本。 ## 操作步骤 ### 步骤一：开启观测 1. 登录 [容器服务控制台](https://console.volcengine.com/vke)。 2. 在左侧导航栏单击 **集群**，找到目标集群，单击集群名称。 3. 在集群管理页面的左侧导航栏中，单击 **观测配置**，并选择 **基础观测** 页签。 4. 选择 **镜像加速** 卡片，单击 **启用**，开启集群镜像加速观测。 ![图片](https://portal.volccdn.com/obj/volcfe/cloud-universal-doc/upload_ff289a28dca8421c1398db3b3cf485fe.png) 5. 系统自动检查开启观测所需的条件。包括：工作区配置、组件状态等。 ![图片](https://portal.volccdn.com/obj/volcfe/cloud-universal-doc/upload_2b90dae895379e93b03c58bfff5b8366.png) 6. 单击 **开启**，开启镜像加速观测。 ### 步骤二：配置采集规则镜像加速观测功能开启后，您可以配置采集规则，选择需要采集的目标组件、具体指标项及采集间隔。可以根据实际需求丢弃一些不用的指标。 1. 在集群管理页面的左侧导航栏中，单击 **观测配置**，并选择 **基础观测** 页签。 2. 选择 **镜像加速** 卡片，单击 **编辑配置** 并选择 **指标** 页签，配置采集规则，并选择具体的采集指标。 * 在组件列表 **操作** 列，单击开关，开启或关闭组件的采集规则。当关闭组件的采集规则时，系统不会采该集组件的所有指标。 ![图片](https://portal.volccdn.com/obj/volcfe/cloud-universal-doc/upload_0103c242dc252d21e02c6161502bd95e.png) * 单击组件列表 **操作** 列中的 ![图片](https://portal.volccdn.com/obj/volcfe/cloud-universal-doc/upload_f33c825f87fff5f5ec3e0ffd80c56234.png) ，支持选择或丢弃组件的具体指标、面向该组件的采集间隔和指标 Relabel。 * 在 **采集间隔** 中，选择该组件指标的采集间隔。不同组件支持的采集间隔不同。 * 在 **指标列表** 中，勾选指标，则采集该指标。取消勾选，则丢弃该指标。单击 **全部**、**基础指标** 或 **其他指标** 页签，允许基于指标类型对指标项进行筛选。 ![图片](https://portal.volccdn.com/obj/volcfe/cloud-universal-doc/upload_f947da9d75ddd9af54e8f02a1f04e87b.png)

说明

调整指标采集间隔的影响如下，请按需调整：

减小采集间隔：增加单位时间内上报的指标数量，提升监控精度，但 VMP 标准版工作区的费用会增加。

增加采集间隔：减少单位时间内上报的指标数量，降低 VMP 标准版工作区的费用，但监控精度会降低。

云产品的指标类型分为 基础指标 和 其他指标，不同类型指标的计费方式不同，详情请参见托管 Prometheus 计费方式。

* 在 **metricRelabelings** 中，单击 **添加规则**，配置指标 Relabel 规则。允许在指标完成采集后、写入存储前，对每条指标的标签执行改写操作。常见用途包括修改标签值、创建新标签或将源标签的值复制到其他标签，便于在查询时统一标签口径。更多详情介绍，请参见 [指标 Relabel](https://docs.volcengine.com/docs/6731/1409682?lang=zh)。 ![图片](https://portal.volccdn.com/obj/volcfe/cloud-universal-doc/upload_5e528e05f4d3117edee85d42b197fdd7.png) |序号 |功能 |对应 YAML 字段 |说明 | |---|---|---|---| |① |操作类型 |`action` |对指标执行的操作类型，当前仅支持 **replace**。表示系统读取`sourceLabels`指定的源标签值，使用`regex`进行匹配，并将`replacement`生成的结果写入`targetLabel`。

* 如果`targetLabel`已存在，则覆盖其原有值。

* 如果`targetLabel`不存在，则创建该标签。

* 如果`targetLabel`与某个源标签名称相同，则直接更新该标签的值。 | |② |源标签 |`sourceLabels` |指定一个或多个来源标签，多个标签之间用`\|`分隔。配置多个源标签时，系统按顺序组合各标签的值，并对组合结果应用正则表达式。 | |③ |正则表达式 |`regex` |用于匹配源标签值的正则表达式。

* 默认为`(.*)`，表示匹配任意值。

* 支持使用捕获组，如`(.+)`提取部分内容。 | |④ |替换值 |`replacement` |匹配成功后写入目标标签的值。

* 默认为`$1`，表示取正则第一个捕获组的内容。

* 支持填入固定字符串。 | |⑤ |目标标签 |`targetLabel` |将处理结果写入的目标标签名称。

* 若目标标签已存在，则覆盖其原有值。

* 若目标标签不存在，则新增该标签。 | 3. 单击 **确定**，完成配置。 ### 步骤三：配置告警您可以基于预置的告警模板，快速完成镜像加速功能的告警配置。 1. 在集群管理页面的左侧导航栏中，单击 **观测配置**。 2. 选择 **镜像加速** 卡片，单击 **编辑配置** 并选择 **告警** 页签，配置告警的相关参数。 ![图片](https://portal.volccdn.com/obj/volcfe/cloud-universal-doc/upload_12bcf1558443cf473cebda9a569cc03f.png) |配置项 |说明 | |---|---| |告警模板 |单击开启需要的告警模板。 | |告警聚合策略 |在下拉菜单中选择告警聚合策略。详情请参见 [创建告警聚合策略](https://www.volcengine.com/docs/6731/159019)。 | |告警通知策略 |在下拉菜单中选择告警通知策略。系统会使用通知策略中配置的告警等级和联系人组，将告警发送给指定的联系人。详情请参见 [创建告警通知策略](https://www.volcengine.com/docs/6731/159013)。 |

说明

除了直接使用预置告警模板配置告警规则，您可以自定义模板中的配置，或直接使用 PromQL 语句配置告警规则。详情请参见告警配置概述。

预置告警规则模板的详情，包括规则说明、PromQL 配置和常见告警处理流程。请参见预置告警模板。

## 观测看板

说明

预置看板中为您提供监控数据同比对照、复制看板语句等功能，详情请参见使用看板。

### 镜像加速监控您可以在容器服务控制台中，查看预置的监控大盘。 1. 在集群管理页面的左侧导航栏中，选择 **监控中心** \> **监控看板**。 2. 在左侧看板列表中选择 **镜像加速服务监控** \> **镜像加速监控**，即可查看监控看板。 ![图片](https://portal.volccdn.com/obj/volcfe/cloud-universal-doc/upload_8fd265da9031c4087609bbbc7d16d3b0.png) 镜像加速监控看板详细的图表说明，如下表所示。

说明

图表对应 PromQL 语句的获取方式，请参见使用看板。

|图表名称 |单位 |图表说明 | |---|---|---| |**Dragonfly Seed Peer** ||| |UP |个 |统计当前时刻按版本汇总的 Seed Peer 实例数量，反映各版本实例的存活与部署规模。

* 正常情况下，实例数量保持稳定，并与预期部署规模及版本分布一致。

* 如果实例数量异常降低或降为 0，通常代表部分或全部实例不可用，或监控采集异常；建议检查 Pod 运行状态、组件部署副本、版本变更和指标采集目标。 | |流量分布（1小时） |字节 |统计 Seed Peer 在过去 1 小时按下载类型汇总的流量累计增量，反映不同来源或传输类型的流量分布。

* 正常情况下，累计流量随实际下载负载平稳变化，各类型占比与业务访问模式相符。

* 如果累计流量或类型分布异常突增、突降或偏斜，通常代表下载负载突变、P2P 命中路径变化或回源流量异常；建议检查业务发布节奏、下载类型标签、P2P 链路和源站访问情况。 | |磁盘使用空间 |字节 |统计当前时刻按 Pod 汇总的 Seed Peer 磁盘总空间及由总空间减已用空间得到的可用空间，反映本地缓存存储容量与使用压力。

* 正常情况下，磁盘总空间保持稳定，可用空间充足且随缓存写入和回收平稳变化。

* 如果可用空间异常降低或磁盘总空间异常变化，通常代表缓存持续增长、回收不及时或挂载容量发生变化；建议检查缓存目录占用、清理策略、磁盘挂载和 Pod 日志。 | |下载带宽 |bit/s |基于过去 5 分钟采样计算 Seed Peer 按 Pod 和下载类型汇总的瞬时下载速率并换算为 bit/s，反映下载链路带宽负载。

* 正常情况下，下载带宽随业务负载平稳变化，不同下载类型的变化与实际任务量相符。

* 如果下载带宽异常升高、降低或剧烈波动，通常代表下载负载突变、链路拥塞、P2P 传输异常或指标采集不连续；建议检查下载任务量、网络带宽、对端连接和组件日志。 | |上传带宽 |bit/s |基于过去 5 分钟采样计算 Seed Peer 按 Pod 汇总的瞬时上传速率并换算为 bit/s，反映对外提供数据的带宽负载。

* 正常情况下，上传带宽随下游请求量平稳变化，并与节点承担的分发任务相符。

* 如果上传带宽异常升高、降低或剧烈波动，通常代表下游请求突变、链路拥塞、数据分发异常或指标采集不连续；建议检查分发任务量、网络带宽、对端连接和组件日志。 | |并行下载任务总数 |个 |统计当前时刻按 Pod 汇总的 Seed Peer 并行下载任务数量，反映实时下载并发压力。

* 正常情况下，并行任务数量随业务负载平稳变化，且不会持续累积。

* 如果并行任务数量异常升高或长时间不回落，通常代表请求突增、下载变慢或任务阻塞；建议检查下载队列、网络与磁盘性能、上游服务和组件日志。 | |小文件下载耗时(0\-64MiB) |ms |基于过去 5 分钟采样，统计 Seed Peer 对 0～64 MiB 文件按任务大小分级的下载耗时 P50、P95 和 P99 分位值，反映小文件下载时延分布。

* 正常情况下，各分位耗时保持平稳，高分位与中位数之间无持续扩大。

* 如果下载耗时异常升高或高分位持续恶化，通常代表网络拥塞、对端响应变慢、磁盘 I/O 瓶颈或任务排队；建议检查分位曲线、任务大小分级、网络与磁盘性能和组件日志。 | |回源小文件下载耗时（0\-64MiB） |ms |基于过去 5 分钟采样，统计 Seed Peer 对 0～64 MiB 文件按任务大小分级的回源请求耗时 P50、P95 和 P99 分位值，反映源站下载时延分布。

* 正常情况下，各分位回源耗时保持平稳，高分位与中位数之间无持续扩大。

* 如果回源耗时异常升高或高分位持续恶化，通常代表源站响应变慢、回源网络拥塞、磁盘 I/O 瓶颈或请求排队；建议检查源站健康状态、回源链路、任务大小分级和组件日志。 | |下载任务总数 |个 |统计 Seed Peer 在过去 1 分钟按 Pod 汇总的下载任务累计增量，反映短周期下载任务负载。

* 正常情况下，任务增量随业务下载量平稳变化，并与实际镜像拉取活动相符。

* 如果任务增量异常升高、降低或中断，通常代表业务负载突变、下载入口异常或指标采集异常；建议检查镜像拉取事件、Pod 请求分布、组件状态和采集链路。 | |下载任务失败总数 |个 |统计 Seed Peer 在过去 1 分钟按 Pod 汇总的下载任务失败累计增量，反映短周期下载失败情况。

* 正常情况下，失败增量保持为 0 或处于较低且稳定的水平。

* 如果失败增量异常升高，通常代表网络、源站、对端节点、磁盘或任务处理链路出现故障；建议检查失败任务日志、网络连通性、源站与对端健康状态和磁盘空间。 | |代理请求任务总数 |个 |统计 Seed Peer 在过去 1 分钟按 Pod 汇总的代理请求任务累计增量，反映短周期代理请求负载。

* 正常情况下，请求增量随业务访问量平稳变化，并与实际代理流量相符。

* 如果请求增量异常升高、降低或中断，通常代表业务访问突变、代理入口异常或指标采集异常；建议检查代理请求日志、客户端访问、Pod 状态和采集链路。 | |代理请求任务失败总数 |个 |统计 Seed Peer 在过去 1 分钟按 Pod 汇总的代理请求任务失败累计增量，反映短周期代理请求失败情况。

* 正常情况下，失败增量保持为 0 或处于较低且稳定的水平。

* 如果失败增量异常升高，通常代表代理链路、上游服务、鉴权配置或网络连接出现故障；建议检查失败请求日志、上游可用性、代理配置和网络连通性。 | |预取任务总数 |个 |统计 Seed Peer 在过去 1 分钟按 Pod 汇总的预取任务累计增量，反映短周期预取负载。

* 正常情况下，任务增量随预取计划平稳变化，并与实际预取活动相符。

* 如果任务增量异常升高、降低或中断，通常代表预取计划突变、任务下发异常或指标采集异常；建议检查预取配置、任务下发记录、Pod 状态和采集链路。 | |回源下载请求总数 |个 |统计 Seed Peer 在过去 1 分钟按 Pod 汇总的回源下载请求累计增量，反映短周期源站访问负载。

* 正常情况下，请求增量随业务负载平稳变化，且与 P2P 未命中及回源策略相符。

* 如果请求增量异常升高、降低或中断，通常代表 P2P 命中率变化、业务请求突变、回源策略异常或指标采集异常；建议检查 P2P 命中情况、回源配置、源站访问日志和采集链路。 | |回源下载请求失败总数 |个 |统计 Seed Peer 在过去 1 分钟按 Pod 汇总的回源下载请求失败累计增量，反映短周期源站访问失败情况。

* 正常情况下，失败增量保持为 0 或处于较低且稳定的水平。

* 如果失败增量异常升高，通常代表源站不可用、回源网络故障、鉴权失败或请求超时；建议检查源站健康状态、网络连通性、鉴权配置和失败请求日志。 | |Threads |个 |统计当前时刻 Seed Peer 各进程的线程数量，反映进程线程资源使用情况。

* 正常情况下，线程数量保持稳定，并随并发负载在合理范围内平稳变化。

* 如果线程数量异常升高、降低或持续增长，通常代表并发压力突增、线程泄漏、任务阻塞或进程异常；建议检查进程状态、线程栈、任务队列和组件日志。 | |CPU |% |基于过去 1 分钟采样计算 Seed Peer 各 Pod 的平均 CPU 使用率，反映组件计算资源负载。

* 正常情况下，CPU 使用率随业务负载平稳变化，无持续高位或无故突变。

* 如果CPU 使用率异常升高、降低或剧烈波动，通常代表请求突增、计算热点、进程阻塞或实例异常；建议检查 Pod 负载、CPU 限额与节流、热点操作和组件日志。 | |Memory |字节 |统计当前时刻 Seed Peer 各进程的常驻内存用量，反映组件实际占用的物理内存规模。

* 正常情况下，内存用量保持稳定，并随业务负载在可控范围内变化。

* 如果内存用量异常升高或持续增长，通常代表缓存堆积、内存泄漏、任务积压或负载突增；建议检查 Pod 内存限额、进程内存分析、缓存与任务队列和 OOM 事件。 | |Open File Descriptors |个 |统计当前时刻 Seed Peer 各进程已打开的文件描述符数量，反映文件与网络连接资源占用情况。

* 正常情况下，文件描述符数量保持稳定，并随连接和文件访问量平稳变化。

* 如果文件描述符数量异常升高或持续增长，通常代表连接泄漏、文件句柄未释放或请求积压；建议检查进程 FD 上限、网络连接、文件访问和组件日志。 | |**Dragonfly Peer** ||| |UP |个 |统计当前时刻按版本汇总的 Peer 实例数量，反映各版本实例的存活与部署规模。

* 正常情况下，实例数量保持稳定，并与预期部署规模及版本分布一致。

* 如果实例数量异常降低或降为 0，通常代表部分或全部实例不可用，或监控采集异常；建议检查 Pod 运行状态、组件部署副本、版本变更和指标采集目标。 | |流量分布（1小时） |字节 |统计 Peer 在过去 1 小时按下载类型汇总的流量累计增量，反映不同来源或传输类型的流量分布。

* 正常情况下，累计流量随实际下载负载平稳变化，各类型占比与业务访问模式相符。

* 如果累计流量或类型分布异常突增、突降或偏斜，通常代表下载负载突变、P2P 命中路径变化或回源流量异常；建议检查业务发布节奏、下载类型标签、P2P 链路和源站访问情况。 | |磁盘使用空间 |字节 |统计当前时刻按 Pod 汇总的 Peer 磁盘总空间及由总空间减已用空间得到的可用空间，反映本地缓存存储容量与使用压力。

* 正常情况下，磁盘总空间保持稳定，可用空间充足且随缓存写入和回收平稳变化。

* 如果可用空间异常降低或磁盘总空间异常变化，通常代表缓存持续增长、回收不及时或挂载容量发生变化；建议检查缓存目录占用、清理策略、磁盘挂载和 Pod 日志。 | |下载带宽 |bit/s |基于过去 5 分钟采样计算 Peer 按 Pod 和下载类型汇总的瞬时下载速率并换算为 bit/s，反映下载链路带宽负载。

* 正常情况下，下载带宽随业务负载平稳变化，不同下载类型的变化与实际任务量相符。

* 如果下载带宽异常升高、降低或剧烈波动，通常代表下载负载突变、链路拥塞、P2P 传输异常或指标采集不连续；建议检查下载任务量、网络带宽、对端连接和组件日志。 | |上传带宽 |bit/s |基于过去 5 分钟采样计算 Peer 按 Pod 汇总的瞬时上传速率并换算为 bit/s，反映对外提供数据的带宽负载。

* 正常情况下，上传带宽随下游请求量平稳变化，并与节点承担的分发任务相符。

* 如果上传带宽异常升高、降低或剧烈波动，通常代表下游请求突变、链路拥塞、数据分发异常或指标采集不连续；建议检查分发任务量、网络带宽、对端连接和组件日志。 | |并行下载任务总数 |个 |统计当前时刻按 Pod 汇总的 Peer 并行下载任务数量，反映实时下载并发压力。

* 正常情况下，并行任务数量随业务负载平稳变化，且不会持续累积。

* 如果并行任务数量异常升高或长时间不回落，通常代表请求突增、下载变慢或任务阻塞；建议检查下载队列、网络与磁盘性能、上游服务和组件日志。 | |小文件下载耗时（0\-64MiB） |ms |基于过去 5 分钟采样，统计 Peer 对 0～64 MiB 文件按任务大小分级的下载耗时 P50、P95 和 P99 分位值，反映小文件下载时延分布。

* 正常情况下，各分位耗时保持平稳，高分位与中位数之间无持续扩大。

* 如果下载耗时异常升高或高分位持续恶化，通常代表网络拥塞、对端响应变慢、磁盘 I/O 瓶颈或任务排队；建议检查分位曲线、任务大小分级、网络与磁盘性能和组件日志。 | |回源小文件下载耗时（0\-64MiB） |ms |基于过去 5 分钟采样，统计 Peer 对 0～64 MiB 文件按任务大小分级的回源请求耗时 P50、P95 和 P99 分位值，反映源站下载时延分布。

* 正常情况下，各分位回源耗时保持平稳，高分位与中位数之间无持续扩大。

* 如果回源耗时异常升高或高分位持续恶化，通常代表源站响应变慢、回源网络拥塞、磁盘 I/O 瓶颈或请求排队；建议检查源站健康状态、回源链路、任务大小分级和组件日志。 | |下载任务总数 |个 |统计 Peer 在过去 1 分钟按 Pod 汇总的下载任务累计增量，反映短周期下载任务负载。

* 正常情况下，任务增量随业务下载量平稳变化，并与实际镜像拉取活动相符。

* 如果任务增量异常升高、降低或中断，通常代表业务负载突变、下载入口异常或指标采集异常；建议检查镜像拉取事件、Pod 请求分布、组件状态和采集链路。 | |下载任务失败总数 |个 |统计 Peer 在过去 1 分钟按 Pod 汇总的下载任务失败累计增量，反映短周期下载失败情况。

* 正常情况下，失败增量保持为 0 或处于较低且稳定的水平。

* 如果失败增量异常升高，通常代表网络、源站、对端节点、磁盘或任务处理链路出现故障；建议检查失败任务日志、网络连通性、源站与对端健康状态和磁盘空间。 | |代理请求任务总数 |个 |统计 Peer 在过去 1 分钟按 Pod 汇总的代理请求任务累计增量，反映短周期代理请求负载。

* 正常情况下，请求增量随业务访问量平稳变化，并与实际代理流量相符。

* 如果请求增量异常升高、降低或中断，通常代表业务访问突变、代理入口异常或指标采集异常；建议检查代理请求日志、客户端访问、Pod 状态和采集链路。 | |代理请求任务失败总数 |个 |统计 Peer 在过去 1 分钟按 Pod 汇总的代理请求任务失败累计增量，反映短周期代理请求失败情况。

* 正常情况下，失败增量保持为 0 或处于较低且稳定的水平。

* 如果失败增量异常升高，通常代表代理链路、上游服务、鉴权配置或网络连接出现故障；建议检查失败请求日志、上游可用性、代理配置和网络连通性。 | |预取任务总数 |个 |统计 Peer 在过去 1 分钟按 Pod 汇总的预取任务累计增量，反映短周期预取负载。

* 正常情况下，任务增量随预取计划平稳变化，并与实际预取活动相符。

* 如果任务增量异常升高、降低或中断，通常代表预取计划突变、任务下发异常或指标采集异常；建议检查预取配置、任务下发记录、Pod 状态和采集链路。 | |预取任务失败总数 |个 |统计 Peer 在过去 1 分钟按 Pod 汇总的预取任务失败累计增量，反映短周期预取失败情况。

* 正常情况下，失败增量保持为 0 或处于较低且稳定的水平。

* 如果失败增量异常升高，通常代表预取源不可用、网络或磁盘异常、任务参数错误或处理链路故障；建议检查预取任务日志、源站与网络连通性、磁盘空间和预取配置。 | |回源下载请求总数 |个 |统计 Peer 在过去 1 分钟按 Pod 汇总的回源下载请求累计增量，反映短周期源站访问负载。

* 正常情况下，请求增量随业务负载平稳变化，且与 P2P 未命中及回源策略相符。

* 如果请求增量异常升高、降低或中断，通常代表 P2P 命中率变化、业务请求突变、回源策略异常或指标采集异常；建议检查 P2P 命中情况、回源配置、源站访问日志和采集链路。 | |回源下载请求失败总数 |个 |统计 Peer 在过去 1 分钟按 Pod 汇总的回源下载请求失败累计增量，反映短周期源站访问失败情况。

* 正常情况下，失败增量保持为 0 或处于较低且稳定的水平。

* 如果失败增量异常升高，通常代表源站不可用、回源网络故障、鉴权失败或请求超时；建议检查源站健康状态、网络连通性、鉴权配置和失败请求日志。 | |Threads |个 |统计当前时刻 Peer 各进程的线程数量，反映进程线程资源使用情况。

* 正常情况下，线程数量保持稳定，并随并发负载在合理范围内平稳变化。

* 如果线程数量异常升高、降低或持续增长，通常代表并发压力突增、线程泄漏、任务阻塞或进程异常；建议检查进程状态、线程栈、任务队列和组件日志。 | |CPU |% |基于过去 1 分钟采样计算 Peer 各 Pod 的平均 CPU 使用率，反映组件计算资源负载。

* 正常情况下，CPU 使用率随业务负载平稳变化，无持续高位或无故突变。

* 如果CPU 使用率异常升高、降低或剧烈波动，通常代表请求突增、计算热点、进程阻塞或实例异常；建议检查 Pod 负载、CPU 限额与节流、热点操作和组件日志。 | |Memory |字节 |统计当前时刻 Peer 各进程的常驻内存用量，反映组件实际占用的物理内存规模。

* 正常情况下，内存用量保持稳定，并随业务负载在可控范围内变化。

* 如果内存用量异常升高或持续增长，通常代表缓存堆积、内存泄漏、任务积压或负载突增；建议检查 Pod 内存限额、进程内存分析、缓存与任务队列和 OOM 事件。 | |Open File Descriptors |个 |统计当前时刻 Peer 各进程已打开的文件描述符数量，反映文件与网络连接资源占用情况。

* 正常情况下，文件描述符数量保持稳定，并随连接和文件访问量平稳变化。

* 如果文件描述符数量异常升高或持续增长，通常代表连接泄漏、文件句柄未释放或请求积压；建议检查进程 FD 上限、网络连接、文件访问和组件日志。 | |**Dragonfly Scheduler** ||| |UP |个 |统计当前时刻按版本汇总的 Scheduler 实例数量，反映各版本实例的存活与部署规模。

* 正常情况下，实例数量保持稳定，并与预期部署规模及版本分布一致。

* 如果实例数量异常降低或降为 0，通常代表部分或全部实例不可用，或监控采集异常；建议检查 Pod 运行状态、组件部署副本、版本变更和指标采集目标。 | |gRPC 请求总数 |个 |统计 Scheduler 在过去 1 分钟按 Pod 和 gRPC 状态码汇总的已处理请求累计增量，反映短周期 gRPC 请求负载与结果分布。

* 正常情况下，请求增量随调度负载平稳变化，成功状态码占主要部分。

* 如果请求增量或错误状态码数量异常升高，通常代表调用量突增、服务处理失败、超时或依赖异常；建议检查 gRPC 状态码分布、调用方请求、Scheduler 日志和依赖服务。 | |并行调度任务总数 |个 |统计当前时刻按 Pod 汇总的 Scheduler 并行调度任务数量，反映实时调度并发压力。

* 正常情况下，并行任务数量随业务负载平稳变化，且不会持续累积。

* 如果并行任务数量异常升高或长时间不回落，通常代表调度请求突增、处理变慢或任务阻塞；建议检查调度队列、CPU 与内存资源、下游交互和 Scheduler 日志。 | |调度注册任务总数 |个 |统计 Scheduler 在过去 1 分钟按 Pod 汇总的调度注册任务累计增量，反映短周期节点注册负载。

* 正常情况下，任务增量随节点注册活动平稳变化，并与实际节点上线或注册行为相符。

* 如果任务增量异常升高、降低或中断，通常代表节点注册活动突变、注册链路异常或指标采集异常；建议检查节点上线事件、注册请求日志、Scheduler 状态和采集链路。 | |调度注册任务失败总数 |个 |统计 Scheduler 在过去 1 分钟按 Pod 汇总的调度注册任务失败累计增量，反映短周期节点注册失败情况。

* 正常情况下，失败增量保持为 0 或处于较低且稳定的水平。

* 如果失败增量异常升高，通常代表节点信息无效、网络异常、服务处理失败或依赖故障；建议检查注册失败日志、节点参数、网络连通性和依赖服务。 | |调度任务总数 |个 |统计 Scheduler 在过去 1 分钟按 Pod 汇总的调度任务累计增量，反映短周期任务调度负载。

* 正常情况下，任务增量随下载请求平稳变化，并与实际调度活动相符。

* 如果任务增量异常升高、降低或中断，通常代表调度请求突变、服务处理异常或指标采集异常；建议检查调度请求日志、客户端活动、Scheduler 状态和采集链路。 | |调度任务失败总数 |个 |统计 Scheduler 在过去 1 分钟按 Pod 汇总的调度任务失败累计增量，反映短周期任务调度失败情况。

* 正常情况下，失败增量保持为 0 或处于较低且稳定的水平。

* 如果失败增量异常升高，通常代表可用对端不足、调度策略异常、依赖故障或请求参数无效；建议检查调度失败日志、对端节点状态、调度配置和依赖服务。 | |节点上报信息总数 |个 |统计 Scheduler 在过去 1 分钟按 Pod 汇总的节点信息上报累计增量，反映短周期节点状态上报负载。

* 正常情况下，上报增量随节点规模和上报周期平稳变化。

* 如果上报增量异常升高、降低或中断，通常代表节点规模突变、上报重试、网络异常或采集异常；建议检查节点状态、上报周期、网络连通性和 Scheduler 日志。 | |节点上报信息失败总数 |个 |统计 Scheduler 在过去 1 分钟按 Pod 汇总的节点信息上报失败累计增量，反映短周期节点状态上报失败情况。

* 正常情况下，失败增量保持为 0 或处于较低且稳定的水平。

* 如果失败增量异常升高，通常代表节点信息无效、网络异常、服务处理失败或依赖故障；建议检查上报失败日志、节点状态、网络连通性和依赖服务。 | |节点释放信息总数 |个 |统计 Scheduler 在过去 1 分钟按 Pod 汇总的节点释放信息累计增量，反映短周期节点离开或释放事件负载。

* 正常情况下，事件增量与实际节点下线或释放活动相符，不存在无故突增。

* 如果事件增量异常升高、降低或中断，通常代表节点频繁上下线、释放流程异常或指标采集异常；建议检查节点生命周期事件、释放请求日志、Scheduler 状态和采集链路。 | |节点释放信息失败总数 |个 |统计 Scheduler 在过去 1 分钟按 Pod 汇总的节点释放信息失败累计增量，反映短周期节点离开或释放失败情况。

* 正常情况下，失败增量保持为 0 或处于较低且稳定的水平。

* 如果失败增量异常升高，通常代表节点状态不一致、网络异常、服务处理失败或依赖故障；建议检查释放失败日志、节点状态、网络连通性和依赖服务。 | |Goroutines |个 |统计当前时刻 Scheduler 各进程的 Goroutine 数量，反映 Go 运行时并发任务规模。

* 正常情况下，Goroutine 数量保持稳定，并随调度负载在合理范围内平稳变化。

* 如果Goroutine 数量异常升高、降低或持续增长，通常代表并发压力突增、Goroutine 泄漏、任务阻塞或进程异常；建议检查 Goroutine 堆栈、任务队列、依赖调用和 Scheduler 日志。 | |CPU |% |基于过去 1 分钟采样计算 Scheduler 各 Pod 的平均 CPU 使用率，反映组件计算资源负载。

* 正常情况下，CPU 使用率随调度负载平稳变化，无持续高位或无故突变。

* 如果CPU 使用率异常升高、降低或剧烈波动，通常代表调度请求突增、计算热点、进程阻塞或实例异常；建议检查 Pod 负载、CPU 限额与节流、热点操作和 Scheduler 日志。 | |Memory |字节 |统计当前时刻 Scheduler 各进程的常驻内存用量，反映组件实际占用的物理内存规模。

* 正常情况下，内存用量保持稳定，并随调度负载在可控范围内变化。

* 如果内存用量异常升高或持续增长，通常代表缓存堆积、内存泄漏、任务积压或负载突增；建议检查 Pod 内存限额、进程内存分析、缓存与任务队列和 OOM 事件。 | |Open File Descriptors |个 |统计当前时刻 Scheduler 各进程已打开的文件描述符数量，反映文件与网络连接资源占用情况。

* 正常情况下，文件描述符数量保持稳定，并随连接和文件访问量平稳变化。

* 如果文件描述符数量异常升高或持续增长，通常代表连接泄漏、文件句柄未释放或请求积压；建议检查进程 FD 上限、网络连接、文件访问和 Scheduler 日志。 | ### P2P 镜像加速监控您可以在容器服务控制台中，查看预置的监控大盘。包括：代理请求总次数、当前代理请求总次数、任务总个数、失败的任务总个数、分片的总个数等。 1. 在集群管理页面的左侧导航栏中，选择 **监控中心** \> **监控看板**。 2. 在左侧看板列表中选择 **镜像加速服务监控** \> **p2p 镜像加速监控**，即可查看监控看板。 ![图片](https://portal.volccdn.com/obj/volcfe/cloud-universal-doc/upload_ae7a790cf177711ace0440e521e832d4.png)

说明

您也可以在集群中自建 Grafana，并通过 Grafana 查看指标和创建大盘。详情请参见在容器服务集群中部署 Grafana 并接入工作区。

### 镜像懒加载（Nydus）监控配置 Nydus 懒加载功能后，您可以在容器服务控制台中，查看预置的监控大盘。包括：Nydus Daemon 数量、Nydus Daemon 内存用量等。 1. 在集群管理页面的左侧导航栏中，选择 **监控中心** \> **监控看板**。 2. 在左侧看板列表中选择 **镜像加速服务监控** \> **镜像懒加载（Nydus）监控**，即可查看监控看板。 ![图片](https://portal.volccdn.com/obj/volcfe/cloud-universal-doc/upload_48400095196f4bdfd90fbbf10ccc625c.png)

说明

您也可以在集群中自建 Grafana，并通过 Grafana 查看指标和创建大盘。详情请参见将托管 Prometheus 数据接入自建 Grafana。

## 查看指标 * 如需查询集群中的已接入/未接入指标，或查询指标的具体含义，请参见 [指标查询](https://docs.volcengine.com/docs/6460/2600936)。 * 支持使用托管 Prometheus 的 Explore 功能来快速查询和展示指标数据。详情请参见 [指标查询](https://www.volcengine.com/docs/6731/195523)。