有没有办法使用 Stackdriver 监控 GKE 集群中运行的 pod 状态和重启次数？

虽然我可以在 Stackdriver 中查看所有 pod 的 CPU、内存和磁盘使用指标，但似乎无法获取有关崩溃 pod 或副本集中的 pod 因崩溃而重新启动的指标。

我正在使用 Kubernetes 副本集来管理 pod，因此它们在崩溃时会重新生成并使用新名称创建。据我所知，Stackdriver 中的指标由 pod-name 显示（这在 pod 的生命周期中是唯一的），这听起来并不明智。

对 pod 故障发出警报听起来是一件很自然的事情，以至于听起来很难相信目前不支持此功能。我从 Stackdriver for Google Container Engine 获得的监控和警报功能似乎没什么用，因为它们都绑定到生命周期可能非常短的 Pod。

因此，如果这不能开箱即用，是否有已知的解决方法或最佳实践来监控持续崩溃的 pod？

似乎日志严重性没有通过 fluentd 代理传递到 Google Cloud Logging 平台，要重现您可以尝试：

重击：

logger -p user.crit "My log"

或 PHP：

php -r "syslog(LOG_CRIT,'My log');"

或 Python：

事情正在传递给谷歌日志查看器，如下所示：

但是严重性没有被发送出去，任何想法为什么会这样？

我有哪些选项可以检查 GCE 实例的正常运行时间？

1. 我是否需要安装监控代理，在监控文档中虽然它只提到了对 GCE 实例上安装的 Apache 服务器的正常运行时间检查，但如果 GCE 实例本身没有启动，我如何检查它是否启动？网络服务器就可以了？

背景

我正在尝试通过在 stackdriver-agents collectd 配置目录中<Query> 向我的 PostgreSQL 配置（来自Stackdriver PostgreSQL Plugin的原始配置）添加自定义语句来导出 PostgreSQL 复制延迟。

/opt/stackdriver/collectd/etc/postgresql.conf：

stackdriver-agent 日志确认插件已加载并且插件能够连接到 PostgreSQL 服务器。

到这个时候，在查看“Instance (GCE)”资源的指标时，我希望看到我的“log_delay”指标显示在 Stackdriver 监控中。我可以看到其他 PostgreSQL 指标已经通过，更具体地说：

我似乎也找不到从Stackdriver PostgreSQL Plugin Documentation 引用的默认 PostgreSQL collectd 配置Query [...]继承的任何其他默认指标：

问题

1. 如何让我收集的自定义 replication_lag_seconds 指标显示在 Stackdriver Monitoring 中？
2. 我是否需要配置自定义指标才能让指标显示在 Stackdriver Monitoring 中？

我想我有一个非常简单的用例：

• 通过端点（l​​ocalhost:8002/metrics）和 JMX 公开指标的Spring Boot Java 应用程序
• 托管该应用程序的谷歌计算引擎机器（或谷歌容器引擎中的 pod）

我希望在监控仪表板中包含从 Spring Boot 公开的简单指标（如 http 状态代码、http 响应时间百分位数等）。在某种程度上，它与appengine提供的非常相似，但在 GCE/GKE 实例上。

我尝试过了：

• 使用jvm 收集器配置 stackdriver 代理->问题：只收集基本的 jvm 指标
• 使用 collectd 插件配置一个 stackdriver 代理，该插件检索我的指标并推送到谷歌云监控 - >问题：我遇到了几个错误，因为代理无法理解 collectd jmx/json 插件
• 通过 Google Cloud Load Balancing ->问题：显然该服务没有指标
• 通过 nginx 服务器并使用nginx 收集器配置 stackdriver 代理- >问题：再次只收集真正的基本指标

所以真正的问题是：

• 我错过了什么还是唯一的方法是通过自定义指标？
• 除了 java/spring boot/etc .. 这里有没有人在 Google Cloud 上运行应用程序并使用 Stackdriver监控这些指标？

顺便说一句：如果有人有兴趣提供帮助，这里是我开始做一些实验的github repo

有没有办法使用stackdriver检查google集群中volumes/pd的磁盘使用情况？
我们找到了一种检查使用的字节的方法，但是当无法将其与限制（百分比使用）进行比较时，这是非常无用的......
而且没有字节免费指标。

我阅读了有关自定义指标的信息，但不明白这些在此处有何帮助。有没有办法添加一个我们需要的策略（可能通过 api）？

我在 Google Compute Engine (ubuntu) 上安装了 Stackdriver，并尝试对其进行配置以监控安装在该实例中的 postgresql 服务。

日志显示它能够连接到数据库，但是在尝试获取统计数据时失败。

这是我执行命令“service stackdriver-agent status”时的结果

关于我错过了什么的任何想法？

在 Google Cloud Console 的 Trace 页面中，我可以看到地址 192.168.1.1 需要很长时间才能执行。这个地址是什么？从哪里？它来自内部云的基础架构吗？还是我的本地地址（如果可能）？

我的 StackDriver Alerting Policy 设置（用于 Cloud Console 移动应用）有两个名称完全相同的设备。似乎只有一个实际上将通知发送到我的手机，所以我永远无法判断哪一个是正确的发送到我的手机。

这个设备列表来自哪里？我只拥有一部 iPhone……我确实让我的旧 iPhone 被 Apple 取代，但那是一年多以前的事了，也许它以某种方式“坚持”了？

我怎样才能清理它并删除旧设备？

您可以在下面看到相同设备的屏幕截图：

我的解决方法是设置两个通知，每个通知都指向不同的“同一电子邮件”，以确保它被路由到正确（和不正确）的目标。

我在这里使用库从 Node.js 登录到 Stackdriver。但是，日志没有显示 - 我想是因为我没有指定元数据资源，例如“全局”。我怎么做？