本文分享自华为云社区《K8s集群nginx-ingress监控告警最佳实践》，作者：可以交个朋友。

一 背景

nginx-ingress 作为 K8s 集群中的关键组成部分。主要负责 k8s 集群中的服务发布，请求转发等功能。如果在访问服务过程中出现 404 和 502 等情况，需要引起注意。

二 方案简介

可以通过 CCE 集群插件 kube-prometheus-stack 进行 nginx-ingress 服务的指标监控，Grafana 仪表盘视图可以自己制作或者导入开源模板，方便时刻观察 nginx-ingress 的各项运行指标是否处于健康状态。

CCE Prometheus 监控指标数据统一 remotewrite 到华为云 AOM2.0 服务，可以在 AOM2.0 服务中展示 Prometheus 采集的指标数据，并根据业务实际诉求，实现基于指标的的告警通知。

CCE 监控插件对接 AOM:

AOM 查看 nginx-ingress

三 nginx-ingress 关键指标

确保 Prometheus 已成功抓取 nginx-ingress 指标

• nginx-ingress 配置热加载失败次数count(nginx_ingress_controller_config_last_reload_successful{} == 0)
  

• nginx-ingress 每个 nginx-ingress-controller 实例的连接数sum(nginx_ingress_controller_nginx_process_connections) by (controller_namespace,controller_pod)
  

• nginx-ingress 每个 nginx-ingress-controller 实例中 process 数nginx_ingress_controller_nginx_process_num_procs
  

• nginx-ingress 每个 nginx-ingress-controller 实例的每秒请求数sum(irate(nginx_ingress_controller_requests{}[1m])) by (controller_namespace,controller_pod)
  

• nginx-ingress 请求时延histogram_quantile(0.90, sum(rate(nginx_ingress_controller_request_duration_seconds_bucket{status="200"}[1m])) by (le, ingress, host, path)) * 1000
  

  histogram_quantile(0.95, sum(rate(nginx_ingress_controller_request_duration_seconds_bucket{status="200"}[1m])) by (le, ingress, host, path)) * 1000
  

  histogram_quantile(0.99, sum(rate(nginx_ingress_controller_request_duration_seconds_bucket{status="200"}[1m])) by (le, ingress, host, path)) * 1000
  

• 请求失败率sum(rate(nginx_ingress_controller_requests{status=~"[4-5].*"}[5m])) / sum(rate(nginx_ingress_controller_requests{}[5m])) * 100
  

四 如何根据 nginx-ingress 指标进行告警

前往 AOM 告警管理 tab 页

配置告警规则

选择指标告警规则，配置方式可使用 PromQL 语句，选择对应的 AOM 实例

配置告警通知规则

触发指标告警规则，邮箱收到告警

点击关注，第一时间了解华为云新鲜技术~