#探针管理

#功能概述

平台的探针功能基于 Blackbox Exporter 实现，允许用户通过 ICMP、TCP 或 HTTP 对网络进行探测，以快速定位平台上发生的故障。

与依赖平台已有的各种监控指标的白盒监控系统不同，黑盒监控关注的是结果。当白盒监控无法覆盖影响服务可用性的所有因素时，黑盒监控能够快速发现故障并基于故障发出告警。例如，当某个 API 接口异常时，黑盒监控能够及时将此类问题暴露给用户。

#黑盒监控

创建黑盒监控项时，可选择 ICMP、TCP 或 HTTP 探测方式，周期性地探测指定的目标地址。

#前提条件

集群中必须已安装监控组件，且监控组件运行正常。

#操作流程

1. 在左侧导航栏点击 运维中心 > 监控 > 黑盒监控。

   提示：黑盒监控为集群级功能，可通过顶部导航栏切换集群。

2. 点击 创建黑盒监控项。

3. 按照以下说明配置相关参数。

   参数	说明
   探测方式	ICMP：通过 ping 输入的 目标地址（域名或 IP）来探测服务器可用性。 TCP：通过监听 目标地址 中指定的 <域名:端口> 或 <IP:端口> 来探测主机的业务端口。 HTTP：探测输入的 目标地址 URL，检查网站连通性。 提示：HTTP 探测方式默认仅支持 GET 请求，若需 POST 请求，请参考 自定义 BlackboxExporter 监控模块。
   探测间隔	探测的时间间隔。
   目标地址	探测的目标地址，最长 128 个字符。 不同探测方式的输入格式如下： ICMP：域名或 IP 地址，如 10.165.94.31。 TCP：<域名:端口> 或 <IP:端口>，如 172.19.155.133:8765。 HTTP：以 http 或 https 开头的 URL，如 http://alauda.cn/。

4. 点击 创建。

   创建成功后，可在列表页实时查看最新探测结果，并基于黑盒监控项创建告警策略。当检测到故障时，系统会自动触发告警，通知相关人员进行处理。

#黑盒告警

#前提条件

• 集群中必须已安装监控组件，且监控组件运行正常。

• 黑盒监控项必须已成功创建，且系统已完成配置同步，黑盒监控页面可见探测结果。

#操作流程

1. 在左侧导航栏点击 运维中心 > 告警 > 告警策略。

   提示：告警策略为集群级功能，可通过顶部导航栏切换集群。请确保切换至刚配置黑盒监控项的集群。

2. 点击 创建告警策略。

3. 按照以下说明配置相关参数；更多参数信息请参考 创建告警策略。

• 告警类型：请选择 资源告警。

• 资源类型：请选择 集群。

• 点击 添加告警规则。

  • 告警类型：请选择 黑盒告警。

  • 黑盒监控项：请选择目标黑盒监控项。

  • 指标名称：请选择需要监控和告警的指标。平台当前支持的指标为 Connectivity 和 HTTP Status Code。

    • Connectivity：适用于所有黑盒监控项，触发条件为 “!= 1” 表示黑盒监控项的目标地址不可达。

    • HTTP Status Code：仅当黑盒监控项的探测方式为 HTTP 时可选。触发条件值为三位正整数，例如设置为 “> 299” 表示响应码为 3XX、4XX 或 5XX 时触发告警。

  • 通知策略：请选择预先配置的通知策略。

  • 点击 添加。

4. 点击 创建。提交告警策略后，可在告警策略列表中查看该策略。

#自定义 BlackboxExporter 监控模块

您还可以通过向 BlackboxExporter 配置文件中添加自定义监控模块，增强黑盒监控的功能。例如，添加 http_post_2xx 模块后，当黑盒监控的探测方式设置为 HTTP 时，即可探测 POST 请求方法的状态。

黑盒监控的配置文件位于集群中 Prometheus 组件安装的命名空间内，默认名称为 cpaas-monitor-prometheus-blackbox-exporter，可根据实际名称进行修改。

#操作流程

1. 通过向配置文件的 key modules 中添加自定义监控模块，更新黑盒监控配置文件。

   以添加 http_post_2xx 模块为例：

   blackbox.yaml: |
     modules:
       http_post_2xx:                    # HTTP POST 探测模块
         prober: http
         timeout: 5s
         http:
           method: POST                 # 探测请求方法
           headers:
             Content-Type: application/json
           body: '{}'                   # 探测时携带的请求体

   黑盒监控配置文件的完整 YAML 示例，请参考 参考信息。

2. 通过以下任一方式使配置生效。

   • 删除 Blackbox Exporter 组件 cpaas-monitor-prometheus-blackbox-exporter 的 Pod，重启组件。

   • 执行以下命令调用 reload API，刷新配置文件：

     curl -X POST -v <Pod IP>:9115/-/reload

#通过 CLI 创建黑盒监控项和告警

#前提条件

• 已配置通知策略（若需告警自动通知）。

• 目标集群已安装监控组件。

#操作流程

1. 新建 YAML 配置文件，命名为 example-probe.yaml。

2. 在 YAML 文件中添加 PrometheusRule 资源并提交。以下示例创建名为 prometheus-liveness 的新告警策略：

   apiVersion: monitoring.coreos.com/v1
   kind: Probe
   metadata:
     annotations:
       cpaas.io/creator: jhshi@alauda.io # 探针项创建者
       cpaas.io/updated-at: '2021-05-25T08:08:45Z' # 探针项最后更新时间
       cpaas.io/display-name: 'Prometheus prober' # 探针项描述
     creationTimestamp: '2021-05-10T02:04:33Z' # 探针项创建时间
     labels:
       prometheus: kube-prometheus # 用于 prometheus 名称的标签值
     name: prometheus-liveness # 探针项名称
     namespace: cpaas-system # prometheus 命名空间
   spec:
     jobName: prometheus-liveness # 探针项名称
     prober:
       url: cpaas-monitor-prometheus-blackbox-exporter:9115 # Blackbox 指标 URL，从特性中获取
     module: http_2xx # 探针项模块名称
     targets:
       staticConfig:
         static:
           - http://www.prometheus.io # 探针项目标地址
         labels:
           module: http_2xx # 探针项模块名称
           prober: http # 探测方式
     interval: 30s # 探针项探测间隔
     scrapeTimeout: 10s

3. 新建 YAML 配置文件，命名为 example-alerting-rule.yaml。

4. 在 YAML 文件中添加 PrometheusRule 资源并提交。以下示例创建名为 policy 的新告警策略：

   apiVersion: monitoring.coreos.com/v1
   kind: PrometheusRule
   metadata:
     annotations:
       alert.cpaas.io/cluster: global # 告警所在集群名称
       alert.cpaas.io/kind: Cluster # 资源类型
       alert.cpaas.io/name: global # 黑盒监控项所在集群名称
       alert.cpaas.io/namespace: cpaas-system # prometheus 命名空间，保持默认
       alert.cpaas.io/notifications: '["test"]'
       alert.cpaas.io/repeat-config: '{"Critical":"never","High":"5m","Medium":"5m","Low":"5m"}'
       alert.cpaas.io/rules.description: '{}'
       alert.cpaas.io/rules.disabled: '[]'
       alert.cpaas.io/subkind: ''
       cpaas.io/description: ''
       cpaas.io/display-name: policy # 告警策略显示名称
     labels:
       alert.cpaas.io/owner: System
       alert.cpaas.io/project: cpaas-system
       cpaas.io/source: Platform
       prometheus: kube-prometheus
       rule.cpaas.io/cluster: global
       rule.cpaas.io/name: policy
       rule.cpaas.io/namespace: cpaas-system
     name: policy
     namespace: cpaas-system
   spec:
     groups:
       - name: general # 告警规则名称
         rules:
           - alert: cluster.blackbox.probe.success-y97ah-9833444d918cab96c43e9ab6efc172cf
             annotations:
               alert_current_value: '{{ $value }}' # 通知时的当前值，保持默认
             expr:
               max by (job, instance) (probe_success{job=~"test",
               instance=~"https://demo.at-servicecenter.com/"})!=1
               # 连通性告警场景，务必修改黑盒监控项名称和目标地址
             for: 30s # 持续时间
             labels:
               alert_cluster: global # 告警所在集群名称
               alert_for: 30s # 持续时间
               alert_indicator: cluster.blackbox.probe.success # 保持不变
               alert_indicator_aggregate_range: '0' # 保持不变
               alert_indicator_blackbox_instance: https://demo.at-servicecenter.com/ # 黑盒监控目标地址
               alert_indicator_blackbox_name: test # 黑盒监控项名称
               alert_indicator_comparison: '!=' # 连通性告警保持配置不变
               alert_indicator_query: '' # 日志告警使用，无需配置
               alert_indicator_threshold: '1' # 告警规则阈值，1 表示连通性，保持不变
               alert_indicator_unit: '' # 告警规则指标单位
               alert_involved_object_kind: Cluster # 黑盒告警保持不变
               alert_involved_object_name: global # 黑盒监控项所在集群
               alert_involved_object_namespace: '' # 告警规则所属对象命名空间
               alert_name: cluster.blackbox.probe.success-y97ah # 告警规则名称
               alert_namespace: cpaas-system # 告警规则所在命名空间
               alert_project: cpaas-system # 告警规则所属对象项目名称
               alert_resource: policy # 告警规则所在告警策略名称
               alert_source: Platform # 告警规则数据类型：Platform-平台数据，Business-业务数据
               severity: High # 告警规则级别：Critical-灾难，High-严重，Medium-警告，Low-提示
           - alert: cluster.blackbox.http.status.code-235el-99b0095b6b6669415043e14ae84f43bc
             annotations:
               alert_current_value: '{{ $value }}'
               alert_notifications: '["message"]'
             expr:
               max by(job, instance) (probe_http_status_code{job=~"test",
               instance=~"https://demo.at-servicecenter.com/"})>200
               # HTTP 状态码告警场景，务必修改黑盒监控项名称和目标地址
             for: 30s
             labels:
               alert_cluster: global
               alert_for: 30s
               alert_indicator: cluster.blackbox.http.status.code
               alert_indicator_aggregate_range: '0'
               alert_indicator_blackbox_instance: https://demo.at-servicecenter.com/
               alert_indicator_blackbox_name: test
               alert_indicator_comparison: '>'
               alert_indicator_query: ''
               alert_indicator_threshold: '299' # 告警规则阈值，HTTP 状态码告警场景应为三位数，例如大于 299（3XX、4XX、5XX）表示错误
               alert_indicator_unit: ''
               alert_involved_object_kind: Cluster
               alert_involved_object_name: global
               alert_involved_object_namespace: ''
               alert_involved_object_options: Single
               alert_name: cluster.blackbox.http.status.code-235el
               alert_namespace: cpaas-system
               alert_project: cpaas-system
               alert_resource: policy33
               alert_source: Platform
               severity: High

#参考信息

黑盒监控配置文件的完整 YAML 示例如下：

apiVersion: v1
data:
  blackbox.yaml: |
    modules:
      http_2xx_example:               # HTTP 探测示例
        prober: http
        timeout: 5s                   # 探测超时时间
        http:
          valid_http_versions: ["HTTP/1.1", "HTTP/2.0"]                   # 返回信息中的版本，通常默认
          valid_status_codes: []  # 默认为 2xx                       # 有效响应码范围，返回码在此范围内视为探测成功
          method: GET                 # 请求方法
          headers:                    # 请求头
            Host: vhost.example.com
            Accept-Language: en-US
            Origin: example.com
          no_follow_redirects: false  # 是否允许重定向
          fail_if_ssl: false
          fail_if_not_ssl: false
          fail_if_body_matches_regexp:
            - "Could not connect to database"
          fail_if_body_not_matches_regexp:
            - "Download the latest version here"
          fail_if_header_matches: # 验证未设置 Cookie
            - header: Set-Cookie
              allow_missing: true
              regexp: '.*'
          fail_if_header_not_matches:
            - header: Access-Control-Allow-Origin
              regexp: '(\*|example\.com)'
          tls_config:                  # https 请求的 TLS 配置
            insecure_skip_verify: false
          preferred_ip_protocol: "ip4" # 默认为 "ip6"                 # 优先使用的 IP 协议版本
          ip_protocol_fallback: false  # 不回退到 "ip6"
      http_post_2xx:                   # 带 Body 的 HTTP 探测示例
        prober: http
        timeout: 5s
        http:
          method: POST                 # 探测请求方法
          headers:
            Content-Type: application/json
          body: '{"username":"admin","password":"123456"}'                   # 探测时携带的请求体
      http_basic_auth_example:         # 带用户名密码的探测示例
        prober: http
        timeout: 5s
        http:
          method: POST
          headers:
            Host: "login.example.com"
          basic_auth:                  # 探测时添加的用户名密码
            username: "username"
            password: "mysecret"
      http_custom_ca_example:
        prober: http
        http:
          method: GET
          tls_config:                  # 探测时指定使用的根证书
            ca_file: "/certs/my_cert.crt"
      http_gzip:
        prober: http
        http:
          method: GET
          compression: gzip            # 探测时使用的压缩方式
      http_gzip_with_accept_encoding:
        prober: http
        http:
          method: GET
          compression: gzip
          headers:
            Accept-Encoding: gzip
      tls_connect:                     # TCP 探测示例
        prober: tcp
        timeout: 5s
        tcp:
          tls: true                    # 是否使用 TLS
      tcp_connect_example:
        prober: tcp
        timeout: 5s
      imap_starttls:                   # 配置 IMAP 邮件服务器探测示例
        prober: tcp
        timeout: 5s
        tcp:
          query_response:
            - expect: "OK.*STARTTLS"
            - send: ". STARTTLS"
            - expect: "OK"
            - starttls: true
            - send: ". capability"
            - expect: "CAPABILITY IMAP4rev1"
      smtp_starttls:                   # 配置 SMTP 邮件服务器探测示例
        prober: tcp
        timeout: 5s
        tcp:
          query_response:
            - expect: "^220 ([^ ]+) ESMTP (.+)$"
            - send: "EHLO prober\r"
            - expect: "^250-STARTTLS"
            - send: "STARTTLS\r"
            - expect: "^220"
            - starttls: true
            - send: "EHLO prober\r"
            - expect: "^250-AUTH"
            - send: "QUIT\r"
      irc_banner_example:
        prober: tcp
        timeout: 5s
        tcp:
          query_response:
            - send: "NICK prober"
            - send: "USER prober prober prober :prober"
            - expect: "PING :([^ ]+)"
              send: "PONG ${1}"
            - expect: "^:[^ ]+ 001"
      icmp_example:                    # ICMP 探测示例配置
        prober: icmp
        timeout: 5s
        icmp:
          preferred_ip_protocol: "ip4"
          source_ip_address: "127.0.0.1"
      dns_udp_example:                 # 使用 UDP 的 DNS 查询示例
        prober: dns
        timeout: 5s
        dns:
          query_name: "www.prometheus.io"                 # 解析的域名
          query_type: "A"              # 域名对应的类型
          valid_rcodes:
          - NOERROR
          validate_answer_rrs:
            fail_if_matches_regexp:
            - ".*127.0.0.1"
            fail_if_all_match_regexp:
            - ".*127.0.0.1"
            fail_if_not_matches_regexp:
            - "www.prometheus.io.\t300\tIN\tA\t127.0.0.1"
            fail_if_none_matches_regexp:
            - "127.0.0.1"
          validate_authority_rrs:
            fail_if_matches_regexp:
            - ".*127.0.0.1"
          validate_additional_rrs:
            fail_if_matches_regexp:
            - ".*127.0.0.1"
      dns_soa:
        prober: dns
        dns:
          query_name: "prometheus.io"
          query_type: "SOA"
      dns_tcp_example:               # 使用 TCP 的 DNS 查询示例
        prober: dns
        dns:
          transport_protocol: "tcp" # 默认为 "udp"
          preferred_ip_protocol: "ip4" # 默认为 "ip6"
          query_name: "www.prometheus.io"
kind: ConfigMap
metadata:
  annotations:
    skip-sync: 'true'
  labels:
    app.kubernetes.io/instance: cpaas-monitor
    app.kubernetes.io/managed-by: Tiller
    app.kubernetes.io/name: prometheus-blackbox-exporter
    helm.sh/chart: prometheus-blackbox-exporter-1.6.0
  name: cpaas-monitor-prometheus-blackbox-exporter
  namespace: cpaas-system