使用 Node Problem Detector 监控系统运行状况

从 Milestone 77 开始，Container-Optimized OS 包含 Node Problem Detector 代理。您可以使用此功能来监控 COS 实例的系统运行状况。Node Problem Detector 负责监控实例运行状况，并将与运行状况相关的指标报告给 Cloud Monitoring，其中包括容量和错误指标，然后您可以使用 Google Cloud Observability 信息中心直观呈现这些指标。从默认配置收集的指标是免费的。Google 将使用汇总指标来了解节点问题并提高 Container-Optimized OS 的可靠性。

代理已预先配置了一组要导出的指标。目前不支持为内置代理自定义报告指标。Node Problem Detector 是一种开源软件。您可以在各自的源代码库中查看其源代码和配置。

注意： Node Problem Detector 会监控虚拟机，而不会监控在 COS 虚拟机上托管的 Docker 容器。您将看到整个虚拟机的指标，而不会看到与容器相关的任何指标。

启用运行状况监控

注意 ：版本 1.4.0+ 中的 Google Kubernetes Engine Container-Optimized OS 节点和 Google Distributed Cloud 集群节点默认启用节点问题检测器。

默认情况下，在启动时 Node Problem Detector 代理处于停用状态。您可以通过以下方式启用此功能：

• cloud-init
• 启动脚本
• 元数据
• 用户定义的客机政策

使用启动脚本

您可以使用启动脚本来启用节点问题检测器。

使用 cloud-init

cloud-init 示例介绍了配置 Container-Optimized OS 实例的基础知识。您可以使用 cloud-init 通过以下 cloud-config 示例启用运行状况监控功能：

#cloud-config

runcmd:
- systemctl start node-problem-detector

使用元数据

在 Container-Optimized OS 里程碑 88 及更高版本中，您还可以在自定义元数据部分中将 google-monitoring-enabled 的值设置为 true，从而启用节点问题检测器。

如需在创建实例时启用监控功能，请运行以下命令：

gcloud compute instances create VM_NAME \
    --image=IMAGE \
    --image-project=cos-cloud \
    --metadata=google-monitoring-enabled=true

替换以下内容：

• VM_NAME：新虚拟机的名称
• IMAGE：公共 Container-Optimized OS 映像的特定版本。例如 --image=cos-113-18244-85-29。

如需在现有实例中启用监控功能，请运行以下命令：

gcloud compute instances add-metadata VM_NAME \
    --metadata=google-monitoring-enabled=true

将 VM_NAME 替换为虚拟机名称。

从里程碑 97 开始，您可以在项目元数据中启用监控：

gcloud compute project-info add-metadata \
    --metadata google-monitoring-enabled=true

注意： 在实例级别定义的元数据标志优先于在项目级别定义的元数据标志。

执行后，node-problem-detector 服务将启用。

使用用户定义的访客政策

Container-Optimized OS 包含 OS Config 代理，该代理使用操作系统实用程序来维护客机政策中指定的虚拟机的状态。如需详细了解客机政策，请参阅启用 OS Config 代理和创建客机政策。以下访客政策会在所有实例上启用 Node Problem Detector 代理。

recipes:
- name: recipe-enable-npd
  desiredState: INSTALLED
  installSteps:
  - scriptRun:
      interpreter: SHELL
      script: |-
        #!/bin/bash
        systemctl start node-problem-detector

查看收集的指标

Node Problem Detector 会报告针对 Compute Engine 实例受监控的资源的指标列表。这些指标记录在 Monitoring 指标列表中，其前缀为 compute.googleapis.com/guest/。您可以使用 Monitoring Metrics Explorer 查看收集的指标：

注意：如需查看指标，node-issues-detector 的最低版本是 0.7.0 版。

1. 在 Google Cloud 控制台中，前往监控或使用以下按钮：

   转至 Resources

2. 在 Monitoring 导航窗格中，点击 Metrics Explorer。

3. 对于资源类型，选择 Compute Engine 虚拟机实例。

4. 选择一个指标，例如“Problem Count”。

5. 您应该在右侧看到图表和统计信息。如需查看特定 Container-Optimized OS 实例的结果，请将过滤条件设置为 "instance_id=[INSTANCE_ID]"，并将 [INSTANCE_ID] 替换为所需实例的 ID。

停用运行状况监控

如需停用已通过 cloud-config 或启动脚本启用的服务，请移除 systemctl start node-problem-detector 步骤，然后重新启动 Container-Optimized OS 实例。如果服务是通过使用元数据启用的，请确保将 google-monitoring-enabled 键设置为 false。