Kubernetes 叢集的建議警示規則

Azure 監視器中的警示 會主動識別與 Azure 資源健康情況和效能相關的問題。 本文說明如何啟用和編輯針對 Kubernetes 叢集預先定義的一組建議計量警示規則。

警示規則的類型

Kubernetes 叢集使用兩種類型的計量警示規則。

警示規則類型	描述
Prometheus 計量警示規則 （預覽）	在適用於 Prometheus 的 Azure 監視器受控服務中使用從 Kubernetes 叢集收集的計量數據。 這些規則需要 在您的叢集 上啟用 Prometheus，並儲存在 Prometheus 規則群組中。
平臺計量警示規則	使用從 AKS 叢集自動收集的計量，並儲存為 Azure 監視器警示規則。

啟用建議的警示規則

使用下列其中一種方法，為您的叢集啟用建議的警示規則。 您可以為相同的叢集啟用 Prometheus 和平台計量警示規則。

Azure 入口網站

使用 Azure 入口網站，Prometheus 規則群組將會建立在與叢集相同的區域中。

1. 從叢集的 [ 警示] 功能表中，選取 [ 設定建議]。

   

2. 可用的 Prometheus 和平臺警示規則會顯示為由 Pod、叢集和節點層級組織的 Prometheus 規則。 切換 Prometheus 規則群組以啟用該規則集。 展開群組以查看個別規則。 您可以保留預設值或停用個別規則，並編輯其名稱和嚴重性。

   

3. 切換平台計量規則以啟用該規則。 您可以展開規則來修改其詳細數據，例如名稱、嚴重性和臨界值。

   

4. 選取一或多個通知方法來建立新的動作群組，或選取具有這組警示規則之通知詳細數據的現有動作群組。

5. 按兩下 [ 儲存 ] 以儲存規則群組。

Azure Resource Manager

使用 ARM 範本，您可以指定 Prometheus 規則群組的區域，但您應該在與叢集相同的區域中建立它。

下載您正在使用的範本所需的檔案，並使用下表中的參數進行部署。 如需不同方法的範例，請參閱部署樣本範本。

ARM

• 範本檔案：https://aka.ms/azureprometheus-recommendedmetricalerts

• 參數：

  參數	描述
  clusterResourceId	叢集的資源識別碼。
  actionGroupResourceId	定義警示回應的動作群組資源標識碼。
  azureMonitorWorkspaceResourceId	Azure 監視器工作區的資源標識符，接收叢集的 Prometheus 計量。
  location	要儲存警示規則群組的區域。

Bicep

如需詳細資訊， 請參閱自述檔 。

• 範本檔案：https://aka.ms/azureprometheus-recommendedmetricalertsbicep

• 參數：

  參數	描述
  aksResourceId	叢集的資源識別碼。
  actionGroupResourceId	定義警示回應的動作群組資源標識碼。
  monitorWorkspaceName	接收叢集 Prometheus 計量的 Azure 監視器工作區名稱。
  location	要儲存警示規則群組的區域。

編輯建議的警示規則

建立規則群組之後，您無法在入口網站中使用相同頁面來編輯規則。 針對 Prometheus 計量，您必須編輯規則群組以修改其中的任何規則，包括啟用尚未啟用的任何規則。 針對平台計量，您可以編輯每個警示規則。

Azure 入口網站

1. 從叢集的 [ 警示] 功能表中，選取 [ 設定建議]。 任何已建立的規則或規則群組都會標示為 已建立。

2. 展開規則或規則群組。 按兩下 [檢視 Prometheus 的規則群組] 和 [檢視平臺計量的警示規則]。

   

3. 針對 Prometheus 規則群組：

   1. 選取 [ 規則 ] 以檢視群組中的警示規則。

   2. 按下您要修改的規則旁邊的 [編輯] 圖示。 使用建立警示規則中的指引來修改規則。

      

   3. 當您完成群組中的編輯規則時，按兩下 [ 儲存 ] 以儲存規則群組。

4. 針對平台計量：

   1. 按兩下 [編輯 ] 以開啟警示規則的詳細數據。 使用建立警示規則中的指引來修改規則。

      

Azure Resource Manager

編輯查詢和閾值，或在啟用建議警示規則中所述 的 ARM 範本中設定警示規則 的動作群組，並使用任何部署方法重新部署。

停用警示規則群組

停用規則群組以停止接收來自規則的警示。

Azure 入口網站

1. 檢視 Prometheus 警示規則群組或平臺計量警示規則，如編輯建議的警示規則中所述。

2. 從 [概 觀] 功能表中，選取 [ 停用]。

   

ARM 範本

針對啟用建議的警示規則中所述的 ARM 範本中的規則群組，將 enabled 旗標設定為 false，並使用任何部署方法重新部署。

建議的警示規則詳細數據

下表列出每個建議警示規則的詳細數據。 GitHub 中提供每個的原始程式碼，以及 Prometheus 社群的疑難解答指南。

Prometheus 社群警示規則

叢集層級警示

警示名稱	描述	預設閾值	時間範圍 (分鐘)
KubeCPUQuotaOvercommit	配置給命名空間的CPU資源配額在過去5分鐘內超過叢集節點上可用的CPU資源超過50%。	>1.5	5
KubeMemoryQuotaOvercommit	配置給命名空間的記憶體資源配額在過去 5 分鐘內超過叢集節點上可用的記憶體資源超過 50%。	>1.5	5
因 OOM 而終止的容器數目大於 0	Pod 內的一或多個容器在過去 5 分鐘內因記憶體不足 （OOM） 事件而終止。	>0	5
KubeClientErrors	Kubernetes API 要求中從 5xx 開始的用戶端錯誤率（HTTP 狀態代碼）超過過去 15 分鐘 API 要求總數的 1%。	>0.01	15
KubePersistentVolumeFillingUp	永續性磁碟區會填滿，且預期會用盡可用空間比率、已使用空間，以及過去 6 小時內可用空間的預測線性趨勢。 過去 60 分鐘會評估這些條件。	N/A	60
KubePersistentVolumeInodesFillingUp	在過去15分鐘內，永續性磁碟區內的inode少於3%。	<0.03	15
KubePersistentVolumeErrors	過去 5 分鐘，一或多個永續性磁碟區處於失敗或擱置階段。	>0	5
KubeContainerWaiting	Kubernetes Pod 內的一或多個容器在過去 60 分鐘內處於等候狀態。	>0	60
KubeDaemonSetNotScheduled	過去15分鐘內，不會在任何節點上排程一或多個Pod。	>0	15
KubeDaemonSetMisScheduled	在過去15分鐘內，叢集中有一或多個Pod排程錯誤。	>0	15
KubeQuotaAlmostFull	Kubernetes 資源配額的使用率在過去 15 分鐘硬性限制的 90% 到 100% 之間。	>0.9 <1	15

節點層級警示

警示名稱	描述	預設閾值	時間範圍 (分鐘)
KubeNodeUnreachable	過去15分鐘無法連線到節點。	1	15
KubeNodeReadinessFlapping	節點的整備狀態在過去 15 分鐘內已變更超過 2 次。	2	15

Pod 層級警示

警示名稱	描述	預設閾值	時間範圍 (分鐘)
平均 PV 使用率大於 80%	Pod 上的永續性磁碟區 （PVs） 平均使用量在過去 15 分鐘內超過 80%。	>0.8	15
KubeDeploymentReplicasMismatch	所需的複本數目與過去 10 分鐘的可用複本數目不符。	N/A	10
KubeStatefulSetReplicasMismatch	StatefulSet 中的就緒複本數目與 StatefulSet 中過去 15 分鐘內的複本總數不符。	N/A	15
KubeHpaReplicasMismatch	叢集中的水準 Pod 自動調整程式在過去 15 分鐘內不符合所需的複本數目。	N/A	15
KubeHpaMaxedOut	叢集中的水準 Pod 自動調整程式 （HPA） 在過去 15 分鐘內已以最大複本執行。	N/A	15
KubePodCrashLooping	一或多個 Pod 處於 CrashLoopBackOff 條件中，Pod 會在啟動後持續損毀，且在過去 15 分鐘內無法成功復原。	>=1	15
KubeJobStale	在過去6小時內，至少有一個作業實例未成功完成。	>0	360
Pod 容器在過去 1 小時內重新啟動	Kubernetes 叢集中 Pod 內的一或多個容器至少在過去一小時內重新啟動一次。	>0	15
Pod 的就緒狀態小於 80%	過去 5 分鐘內，處於就緒狀態的 Pod 百分比低於 Kubernetes 叢集中任何部署或精靈集的 80%。	<0.8	5
處於失敗狀態的 Pod 數目大於 0。	過去 5 分鐘內，一或多個 Pod 處於失敗狀態。	>0	5
KubePodNotReadyByController	過去15分鐘內，一或多個Pod未處於就緒狀態（也就是「擱置」或「未知」階段。	>0	15
KubeStatefulSetGenerationMismatch	觀察到的 Kubernetes StatefulSet 世代與過去 15 分鐘的元數據產生不符。	N/A	15
KubeJobFailed	過去 15 分鐘內，一或多個 Kubernetes 作業失敗。	>0	15
每個容器的平均 CPU 使用率大於 95%	過去5分鐘，每個容器的平均CPU使用量超過95%。	>0.95	5
每個容器的平均記憶體使用率大於 95%	過去5分鐘，每個容器的平均記憶體使用量超過95%。	>0.95	10
KubeletPodStartUpLatencyHigh	Pod 啟動延遲的第 99 個百分位數在過去 10 分鐘內超過 60 秒。	>60	10

平臺計量警示規則

警示名稱	描述	預設閾值	時間範圍 (分鐘)
節點 CPU 百分比大於 95%	過去 5 分鐘節點 CPU 百分比大於 95%。	95	5
節點記憶體工作集百分比大於 100%	過去 5 分鐘節點記憶體工作集百分比大於 95%。	100	5

舊版容器深入解析計量警示 （預覽）

容器深入解析中的計量規則將於 2024 年 5 月 31 日淘汰（先前已於 2026 年 3 月 14 日宣佈）。 自 2023 年 8 月 15 日以來，這些規則尚未可供使用入口網站建立。 這些規則處於公開預覽狀態，但將會在未達到正式運作的情況下淘汰，因為本文所述的新建議計量警示現已推出。

如果您已經啟用這些舊版警示規則，您應該停用這些規則並啟用新的體驗。

停用計量警示規則

1. 從叢集的 [深入解析] 功能表中，選取 [建議的警示][預覽]。
2. 將每個警示規則的狀態變更為 [已停用]。

下一步

• 閱讀 Azure 監視器中不同的警示規則類型的相關資訊。
• 閱讀適用於 Prometheus 的 Azure 監視器受管理服務中的警示規則群組的相關資訊。