文档中心

容器服务

请输入

其他观测

检查自愈观测

检查自愈观测允许您监控集群中节点池检查自愈功能，基于指标对节点常见的 Kubelet、Runtime 和 GPU 故障进行观测和告警。本文为您介绍如何配置检查自愈观测。

说明

检查自愈的详情，请参见配置节点检查自愈。

前提条件

已开启云原生观测功能，详情请参见开启观测。

已开启容器服务观测功能，详情请参见容器服务观测。

（可选）已在全栈可观测平台或托管 Prometheus 中创建告警通知策略，详情请参见创建通知策略、创建告警通知策略。

（可选）已在全栈可观测平台或托管 Prometheus 中创建告警聚合策略，详情请参见创建聚合策略、创建告警聚合策略。

开启观测

步骤一：配置观测项

登录容器服务控制台。

在左侧导航栏单击集群，找到目标集群，单击集群名称。

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。

选择检查自愈卡片，单击启用观测，进入观测项配置页面。

系统自动检查开启观测所需的必要条件，包括工作区配置、组件状态等。

单击下一步，进入告警与通知配置页面。

步骤二：配置告警与通知

在告警通知选项中，选择接收告警的平台，当前支持统一告警中心和原 VMP 告警策略。

在通知策略名称选项中，选择已创建的告警通知策略，并分别基于告警等级，配置不同级别告警的通知对象和通知方式。

说明

若无需配置某个级别的告警，可以取消勾选对应的告警等级。

若当前已有的通知策略不满足需求，可以在通知策略名称中选择 vke_default_notify_policy（自动创建），并在下方为所需告警等级配置通知对象和通知方式。保存后，系统将在统一告警中心或托管 Prometheus 中自动创建一条名称为 vke_default_notify_policy 的自定义通知策略。

在告警聚合策略选项中，选择已创建的告警聚合策略。

配置预置告警规则。

开启或关闭预置告警规则右侧的开关。开启后，系统按照配置的触发条件检测指标并产生告警；关闭后，该规则不再触发新的告警。

单击查看 PromQL，支持查看当前预置告警规则的说明和对应的 PromQL 语句。

单击需要配置的预置规则名称，展开预置告警规则配置页面，在触发条件区域配置不同级别（P0、P1 或 P2）告警的触发条件。

配置项	说明
告警等级	勾选不同告警等级（P0、P1 或 P2）后的启用，使对应等级的触发条件生效。取消勾选，则表示不设定该等级的告警。
比较条件	指定 PromQL 语句和阈值之间的比较条件。支持配置多个比较条件，包括：大于、大于等于、小于、小于等于、等于和不等于。
阈值	配置指标的阈值。
条件持续时间	配置指标持续满足触发条件的时长。只有指标在该时长内持续满足比较条件，系统才会触发对应等级的告警。
Label	配置告警规则的 Label，主要用于告警身份识别、分组、去重、路由匹配等。Label 由 Key 和 Value 组成。其中： Key：字符串形式，支持以字母或_开头，但不能以__开头。支持字母、数字和_，取值范围为 1～256。 Value：字符串形式，支持中英文、数字和特殊字符，取值范围为 1～512。常见配置示例： labels: severity: critical # 告警级别 business: pay # 业务线 alert_type: resource # 告警类型
Annotation	配置告警规则的 Annotation，主要用于关键信息展示。Annotation 由 Key 和 Value 组成。其中： Key：字符串形式，支持以字母或_开头，但不能以__开头。支持字母、数字和_，取值范围为 1～256。 Value：字符串形式，支持中英文、数字和特殊字符，取值范围为 1～512。常见配置示例： annotations: summary: "High CPU usage on instance {{ $labels.instance }}" description: "Current CPU usage is {{ $value \| humanizePercentage }}, threshold is 80%" runbook_url: "https://xxx/docs/cpu-alert" dashboard_url: "https://grafana/xxx"

单击完成配置。

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。

您可以查看检查自愈的监控信息，包括：异常节点数、GPU 异常节点数、自愈操作数、自愈操作成功数等。支持设置查询的时间段，并指定刷新方式（手动刷新、自动刷新）。

在集群管理页面的左侧导航栏中，选择监控中心 > 监控看板。

在左侧看板列表中选择智能运维 > 检查自愈，即可查看监控大盘。

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。

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。

最近更新时间：2026.10.16 15:59:50

这个页面对您有帮助吗？

有用

无用