DeepLens 私有云监控与根因分析

问题

私有云半夜出问题，值班的人看到的是一片红：存储延迟高、虚拟机卡、业务超时。哪个是因，哪个是果？

做法

• Prometheus 作为唯一的指标来源，存储、虚拟化、主机、交换机和应用全部接入，免装 agent 的采集方式降低侵入。
• 告警写成因果规则。例如：Ceph 延迟超过 100ms，同时备份流量超过 1.5GB/s，结论就是"备份冲垮了存储"，而不是"延迟高"。
• 多集群巡检每小时出一份报告，看板 12 块，规则 30 多个文件。

一句话

告警即结论，巡检即体检。相关成果已在申请软件著作权和专利。