5.3. 查看分布式工作负载的 Kueue 警报

流程

1. 在 OpenShift 控制台中，在 Administrator 视角中点 Observe Alerting。

2. 单击 Alerting rules 选项卡，以查看 default 和用户定义的项目的警报规则列表。

   • Severity 列指示警报是否为 informational、警告还是 critical。
   • Alert state 列指示规则当前是否触发。

3. 点警报规则的名称查看更多详情，如触发该警报的条件。下表总结了 Kueue 资源的警报规则。

   Expand

   表 5.1. Kueue 资源的警报规则

   重要性	Name	报警条件
   Critical	KueuePodDown	Kueue pod 未就绪，持续 5 分钟。
   info	LowClusterQueueResourceUsage	集群队列中的资源使用量低于其在 1 天以上的 nominal 配额的 20%。资源使用情况指的是集群队列中列出的任何资源，如 CPU、内存等。
   info	ResourceReservationExceedsQuota	资源保留是集群队列中可用配额的 10 倍。资源保留指的是集群队列中列出的任何资源，如 CPU、内存等。
   info	PendingWorkloadPods	一个 pod 处于 Pending 状态超过 3 天。

   Show more

4. 如果警报规则的 Alert 状态 被设置为 Firing，请完成以下步骤：

   1. 点 Observe Alerting，然后点 Alerts 选项卡。
   2. 点触发规则的每个警报查看更多详情。请注意，针对受警报规则影响的每个资源类型触发单独的警报。
   3. 在警报详情页面的 Runbook 部分中，单击链接以打开提供故障排除信息的 GitHub 页面。
   4. 完成 runbook 步骤以确定警报的原因并解决这种情况。