跳转至

集群诊断

集群诊断是在指定的时间范围内，定位及分析当前集群出现的问题，并将诊断结果和集群相关的监控信息生成网页版的诊断报告。

功能介绍

  • 通过诊断报告可以排查出当前集群出现的问题，并可以对问题进行解决。
  • 快速了解集群内各个节点以及服务，Session，服务配置的基本情况。
  • 根据诊断的报告信息，做出运维建议和集群预警。

入口

  1. 在 Dashboard 企业版顶部导航栏，单击集群管理。
  2. 单击目标集群右侧详情。
  3. 在左侧导航栏，单击集群信息->集群诊断。

创建诊断

  1. 选择诊断的时间范围。支持自定义诊断时间和通过时间区间设置集群诊断的范围，包括：1 小时、6 小时、12 小时、1 天、3 天、7 天、14 天。

    Caution

    集群诊断是对集群历史数据的诊断，因此用户设置的诊断范围的结束时间不能超过当前时间。

  2. 在集群诊断页面，单击开始诊断。

    diagnosepage

  3. 当诊断状态由 generating 变为 success 时，即表示诊断已经完成。

查看诊断报告

在诊断列表中，单击目标诊断右侧的详情可以直接查看诊断报告，也可以下载 PDF 格式诊断报告到本地。

集群诊断报告中包含以下内容：

  • 诊断结果
  • 基本信息
  • 负载
  • Network
  • Session
  • 服务信息
  • 配置信息

诊断结果

  • 当以下参数出现异常时，诊断结果中会显示相应的信息，包括参数名、类型、严重程度、详情。

    参数 说明
    num_queries_hit_memory_watermark 执行的 nGQL 语句中达到内存水位值的数量。
    graphd_down Graph 服务停止运行。
    storaged_down Storage 服务停止运行。
    metad_down Meta 服务停止运行。
    node-exporter down 用于收集节点系统数据的服务停止运行。
  • 当未诊断到任何异常时，诊断结果中不显示诊断信息。

基本信息

basic-info

  • 诊断区间：显示生成报告的时间范围，包括开始时间和结束时间。

  • 节点信息：显示集群中节点的数量、CPU、内存、磁盘等信息。

    参数 说明
    HOST 服务器的 IP 地址。
    INSTANCE 该服务器部署的实例数量，例如：metad*1 graphd*1 storaged*1。
    CPU CPU 核数，单位 Core。
    MEMORY 表示服务器的内存大小，单位是 GB。
    DISK 表示服务器磁盘大小，单位是 GB。
  • 服务信息：显示 NebulaGraph 各个服务的类型、所在节点 IP、端口、HTTP 端口、运行状态。

  • Leader分布：显示 Storage 服务中 Leader 分布情况。

    参数 说明
    Storage Service 显示 Storage 服务的访问地址。
    Number of Leaders 显示 Storage 服务中的 Leader 总数 。
    Leader Distribution 显示 Storage 服务中不同图空间的 Leader 分布数。

负载

basic-info

显示集群所有服务器节点的负载信息，包括以下指标的平均值（AVG）、最大值（MAX）、最小值（MIN）：

  • 内存使用率：显示节点内存使用率，单位是 %。
  • CPU使用率：显示节点 CPU 使用率，单位是 %。
  • 磁盘使用率：显示节点磁盘的总使用率，及节点中各个磁盘的使用率，单位是 %。

Network

basic-info

显示集群所有服务器节点的网络流量信息，包括以下指标的平均值（AVG）、最大值（MAX）、最小值（MIN）：

  • NetworkOut：显示集群中各个服务器节点的网络流出速度的大小，及每个节点中各网卡的流出速度大小，单位是 Bytes/s。
  • NetworkIn：显示集群中各个服务器节点的网络流入速度的大小，及每个节点中各网卡的流入速度大小，单位是 Bytes/s。

Session

basic-info

显示集群中所有 Graph 服务的 Session 相关信息。

参数 说明
num_opened_sessions 服务端建立过的会话数量。
num_auth_failed_sessions 登录验证失败的会话数量。
num_active_sessions 当前活跃的会话数量。
num_reclaimed_expired_sessions 服务端主动回收的过期的会话数量。

服务信息

显示集群各服务稳定性相关的指标：

  • Graph：

    basic-info

    参数 说明
    METRIC_NAME query：查询次数。
    slow_queries：慢查询次数。
    num_killed_queries：被终止的查询数量。
    num_queries_hit_memory_watermark：执行的 nGQL 语句中达到内存水位值的数量。
    num_rpc_sent_to_metad：Graphd 服务发给 Metad 服务的 RPC 请求数量。

  • Meta：

    basic-info

    参数 说明
    METRIC_NAME heartbeat：心跳次数。

  • Storage：

    basic-info

    参数 说明
    METRIC_NAME delete_vertices：删除的点的数量。
    delete_edges：删除的边的数量。
    delete_tags：删除的 Tag 的数量。
    num_rpc_sent_to_metad：Storaged 服务发给 Metad 服务的 RPC 请求数量。

其他参数说明如下：

参数 说明
TOTAL 该项监控执行的总次数。
ERROR 发生错误的个数。
P75 P75 周期内响应耗时从小到大排列，顺序处于 75% 位置的分位数值。
P95 P95 周期内响应耗时从小到大排列，顺序处于 95% 位置的分位数值。
P99 P99 周期内响应耗时从小到大排列，顺序处于 99% 位置的分位数值。
P999 P999 周期内响应耗时从小到大排列，顺序处于 99.9% 位置的分位数值。

配置信息

列出当前集群中 Graph、Meta、Storage 服务的所有配置信息。

关于各个服务的配置信息的详情，参见配置管理。

最后更新: March 28, 2023