Kubernetes prometheus Job误报解决

Posted 2022-04-09 saynaihe

背景：

基本就是这样的环境：TKE 1.20.6搭建Kube-Prometheus(prometheus-oprator,做了一个cronjob:
Kubernetes Cronjob的第一次使用。更新版本时候job发生了异常。但是后来都恢复了。可是alertmanager一直报警：

相当惹人烦。该怎么处理呢？

Kubernetes prometheus Job误报解决

1. 暴力方式-删除失败的job!

[root@k8s-master-01 manifests]# kubectl get job -n develop-layaverse
NAME                         COMPLETIONS   DURATION   AGE
xxxx-worldmap-job-27468560   0/1           13d        13d
xxxx-worldmap-job-27487460   1/1           1s         11m
xxxx-worldmap-job-27487465   1/1           1s         6m57s
xxxx-worldmap-job-27487470   1/1           1s         117s
[root@k8s-master-01 manifests]# kubectl get cronjob -n develop-layaverse
NAME                SCHEDULE      SUSPEND   ACTIVE   LAST SCHEDULE   AGE
xxxx-worldmap-job   */5 * * * *   False     0        2m15s           79d

默认应该是显示三个job的。这个失败的还一直在…按照正常的理解删除调失败的job就可以了吧？当然了，还想打破砂锅问到底的其解决一下的。这个简单方式先列在这里，最后去尝试！

2.修改elert规则

1. prometheus web 确认报警的elerts

登陆prometheus控制台首先确认报警的两个alerts是KubeJobCompletion and KubeJobFailed.正常理解下应该是从这两个elerts入手吧？

elerts配置文件在kubernetes-prometheusRule.yaml中：

[root@k8s-master-01 manifests]# grep -r KubeJobFailed ./
./kubernetes-prometheusRule.yaml:    - alert: KubeJobFailed
[root@k8s-master-01 manifests]# grep -r KubeJobCompletion  ./
./kubernetes-prometheusRule.yaml:    - alert: KubeJobCompletion

两个elert的相关配置如下：

2. 具体相关的可以借鉴：

1. Prometheus: K8s Cronjob alerts
2. Monitoring kubernetes jobs
3. Prometheus 监控kubernetes Job资源误报的坑

三篇文章仔细读一下很相似，最早的是Prometheus: K8s Cronjob alerts，2018年写的。Prometheus 监控kubernetes Job资源误报的坑 是阳明大佬写的。但是就事论事，跟Monitoring kubernetes jobs有很大雷同。由于规则记录，报警规则我还是不太熟悉…没有深入研究具体的其参考阳明大佬的博客吧！https://www.qikqiak.com/post/prometheus-monitor-k8s-job-trap/…不知为不知毕竟都用了默认的.等熟悉一下再去深入。这里就先删除失败的job了。后续系统研究…