Monitora lo stato di salute della distribuzione e analizza i problemi in AI Data Engine
Suggerisci modifiche
PDF
L'AI Data Engine (AIDE) health monitor ti aiuta a identificare workload con problemi e vincoli delle risorse che potrebbero interrompere la scansione. Usa i dettagli sullo stato di salute per valutare l'impatto di un problema e raccogliere informazioni per la risoluzione dei problemi.
Monitora lo stato di integrità della distribuzione e analizza i problemi
-
In NetApp Console, vai a AI data hub > AI Data Engine.
-
Seleziona Configurazione, quindi seleziona Health monitor.
-
Controlla System stability in Infrastructure Status per verificare se qualche pod non è in buono stato.
Un pod non integro non può eseguire il suo carico di lavoro come previsto. Gli stati non integri includono Pending, Failed, Evicted, Unknown, OOMKilled e CrashLoopBackOff.
-
Identifica i vincoli delle risorse che potrebbero influire sulla tua implementazione:
-
Per una distribuzione a nodo singolo, controlla Node health. Se il nodo indica un problema di stato di salute, controlla le schede di utilizzo della CPU, della memoria e del disco per individuare eventuali segnali di pressione sulle risorse.
-
Per una distribuzione multi-node, controlla Node health per identificare i nodi con stato Critical, Warning o Offline. Confronta le metriche disponibili di utilizzo delle risorse per individuare segnali di pressione sulle risorse. Per i nodi offline, verifica la disponibilità dei nodi.
-
-
Per una distribuzione multi-nodo, seleziona Visualizza dettagli su una scheda di utilizzo per esaminare la risorsa:
-
utilizzo della CPU: Confronta l'utilizzo attuale con le soglie di avviso e critiche.
-
Utilizzo della memoria: Esamina l'utilizzo corrente, il rischio di esaurimento della memoria (OOM) e la soglia di espulsione.
-
Utilizzo del disco: controlla lo spazio disponibile, il rischio e la soglia di arresto.
Presta particolare attenzione agli avvisi relativi alla memoria e al disco perché queste condizioni possono interrompere la scansione. Segui le azioni consigliate visualizzate nei dettagli.
-
-
Per identificare i carichi di lavoro interessati, usa i filtri Pod e Status in Pod health per restringere l'elenco.
Esamina il carico di lavoro, lo stato e l'utilizzo delle risorse di ciascun pod interessato. Utilizza queste informazioni per distinguere la pressione sulle risorse dai pod che non funzionano, si riavviano ripetutamente o sono in attesa di essere eseguiti.
-
Esamina i carichi di lavoro problematici per identificare quelli che si sono arrestati o che si riavviano frequentemente. Prendi nota degli orari segnalati per poter correlare questi eventi con l'utilizzo delle risorse.
-
Analizza le tendenze di utilizzo delle risorse per verificare se la pressione sulle risorse è temporanea o persistente:
-
Per una distribuzione a nodo singolo, consulta Distribuzione dell'utilizzo delle risorse per l'intervallo di tempo pertinente.
-
Per una distribuzione multi-node, esamina Top 20 Nodes (Utilization) per l'intervallo di tempo pertinente. Confronta l'utilizzo tra i nodi e controlla l'utilizzo di CPU, memoria e disco per i nodi interessati, per identificare brevi picchi o un utilizzo elevato prolungato.
-
-
Se hai bisogno di aiuto per risolvere un problema, seleziona
in Integrità del pod per scaricare le informazioni sul pod. Raccogli i dettagli rilevanti da Informazioni di sistema, inclusi nome host, sistema operativo, kernel, versione di Console, versione di Kubernetes e ID account di Console, da condividere con l'amministratore o il team di supporto.
Dopo aver intrapreso azioni correttive, torna a health monitor e rivedi Stabilità del sistema, Stato del pod, Stato del nodo e l'utilizzo delle risorse per verificare che le condizioni segnalate siano state risolte. Se la scansione è stata interrotta, vai a Origini dati per verificare che sia ripresa. Fai riferimento a "Visualizza lo stato e i dettagli della scansione".