一、scheduler >由上可知，匹配pod对象，lable标签为component=kube-scheduler即可scheduler和controller-manager一样，默认监听0端口，需要注释 所有Master节点修改 `/etc/kubernetes/manif...

一、PrometheusRule是什么 `PrometheusRule` 是 Prometheus Operator 中的一个自定义资源（Custom Resource），它用于定义 Prometheus 在监控系统中的规则和警报规则。 Prometheus 是一种开源的...

一、为什么还需要 `dcgm-exporter` `node_exporter` 能看到系统级指标，但看不到足够细的 GPU 运行细节。而大模型推理和训练最关心的常常是： * GPU 利用率； * 显存占用； * 温度和功耗； * 显...

一、修改alertmanager-secret.yaml添加自定义模板 添加告警模板 **注意:wechat.tmpl和alertmanager.yaml需要对齐** 在templates字段添加模板位置 配置wechat-ops receiver使用该模板 配置警报重...

一、先用命令行工具做最小监控 1.1 NVIDIA GPU：`nvidia-smi` 这是最基础也最常用的 NVIDIA GPU 监控工具，前提是已经安装好显卡驱动。 常见用法： 它最适合做： * 快速排查显存占用； * 看当前...

一、HTTP 监控（监控外部域名） 按上面方法重载 Prometheus，打开 Prometheus 的 Target 页面，就会看到 上面定义的 `blackbox-external-website` 任务 二、HTTP Post 监控（监控外部域名） 按...

一、为什么监控 ArgonCD Metrics？ ArgoCD 的 Metrics 提供了有关其内部状态和运行状况的重要信息。通过监控这些指标，可以实现以下目标： - **性能监控**：了解ArgoCD的性能表现，确保其能够有...

一、Prometheus监控非云原生应用流程 上面流程图说明： 针对非云原生应用一般本身不存在一个/metrics接口，我们需要配置Exporter来指向非云原生应用Service（集群外部的应用也需要指定具体IP）...

一、配置Alertmanager接入PrometheusAlert 更新alertmanager配置，将所有的告警均指向告警分发平台 接口说明： 热加载alertmanager服务： 二、测试验证 验证所有的告警是否发送到指定的群组： ...

一、背景 [Consul Documentation | Consul | HashiCorp Developer](https://developer.hashicorp.com/consul/docs) Prometheus配置文件 prometheus-config.yaml 配置了大量的采集规则，基本上都...