采集器错误
当检查无法运行时,它会报告一个错误类型,而不是一个值。该类型显示在检查上、资源的时间线中以及 Test connection 的结果中,有助于缩小原因范围。本文列出每种类型,说明 Cannot reach 警报,并针对检查和数据源的每种现象说明应检查什么。
错误类型
| 类型 | 显示为 | 含义 | 计入 Cannot reach |
|---|---|---|---|
unreachable | Unreachable | 网络错误、名称无法解析、连接被拒绝或被断开、TLS 握手失败 | 是 |
auth | Sign-in refused | 登录失败,或登录名无法打开它所需的数据库 | 是 |
timeout | Timed out | 连接或整个检查所用的时间超过了允许值 | 是 |
query | Query failed | 系统已响应,但语句失败,通常是因为缺少权限 | 否 |
query_timeout | Query timed out | 已连接,但语句超过了超时时间 | 否 |
config | Configuration | 需要在 Excubius 中修正的内容:没有主机、没有凭据或凭据类型错误、无法读取机密 | 否 |
unsupported | Not supported | 采集器没有适用于此检查的传输方式 | 否 |
internal | Collector error | 采集器中的错误;消息会指出出错的位置 | 否 |
资源显示单个“Cannot reach”警报
现象。 资源上出现一条严重警报 Cannot reach,该资源的其他警报将它列为根本原因。
原因。 默认情况下,该资源的检查连续 3 次运行都因 unreachable、auth 或 timeout 而失败。Excubius 不会为每个失败的检查各发一条警报,而是打开一条警报,并在它处于打开状态期间暂缓发送该资源其他警报的通知。失败次数由 EXCUBIUS_UNREACHABLE_AFTER 决定。
解决方法。 修复连接,然后在资源上选择 Test connection 进行确认。失败的检查再次成功后,警报会自动解决;在此之前,该资源其他警报的通知会一直等待。
检查因 auth 失败
原因。 密码错误或已过期、登录名已禁用、实例不接受 SQL 登录名,或者登录名在检查所打开的某个数据库中没有用户。在可用性组中,故障转移后,登录名在新的主要副本上可能具有不同的 SID。
解决方法。 检查凭据,并确认实例以混合模式运行。在可用性组中,请在每个副本上使用相同的 SID 创建登录名;请参阅可用性组的先决条件。
检查因 unreachable 或 timeout 失败
原因。 Excubius 服务器无法解析主机名、防火墙阻止了端口、服务已停止,或网络路径缓慢。
解决方法。 在正确的端口上检查 Excubius 服务器与该系统之间的 DNS 和防火墙:SQL 端口(对于没有固定端口的命名实例,还有 UDP 1434)、Web 终结点使用的 443 或 80、WinRM 使用的 5986、SSH 使用的 22。对于多子网侦听器,请允许访问每个侦听器 IP。请参阅网络路径。
检查因 query 失败
原因。 系统已响应,但语句被拒绝,几乎总是因为登录名缺少某项权限。需要 msdb 或 CONNECT ANY DATABASE 的检查会以这种方式失败,而其他检查正常运行。
解决方法。 选择 Test connection:对于 SQL Server,它会列出登录名拥有的权限以及缺少的权限。请只授予权限中列出的权限,不要授予更多。
检查因 query_timeout 失败
原因。 语句的运行时间超过了超时时间(在 SQL Server 上默认为 30 秒),通常发生在负载很重的实例上。
解决方法。 稍后重试。如果在繁忙的实例上持续出现,请为该资源提高检查的 query_timeout_seconds 参数。
检查因 config 失败
原因。 Excubius 中的某些内容不完整:资源没有主机,没有凭据适用于它,凭据的类型不是检查可以使用的类型,或者因为 EXCUBIUS_DATA_KEY 已更改而无法解密存储的机密。
解决方法。 编辑资源或凭据。如果报表服务器上保存的是 Windows 账户,则其下的 T-SQL 检查需要 SQL 登录名;请参阅资源使用哪个凭据。如果机密无法读取,请重新输入。
检查因 unsupported 失败,或保持未知
原因。 没有任何采集器提供检查所需的传输方式。可能是 EXCUBIUS_COLLECTOR_TRANSPORTS 将其排除在外,或者该传输方式尚不存在:在此版本中,PostgreSQL 检查保持 未知 状态。
解决方法。 从限制中移除该传输方式,或在该资源上关闭检查。请参阅兼容性。
作业以“No collector picked it up”结束
现象。 Test connection、Discover 或数据源的 Test 一直停留在 waiting for the collector,然后以 No collector picked it up 结束。
原因。 没有任何采集器在 10 分钟内认领该作业。采集器没有运行、没有令牌(EXCUBIUS_COLLECTOR_TOKEN 为空,此时它处于空闲状态),或者不提供该传输方式。采集器已认领但在 15 分钟内没有回报的作业会因 timeout 而失败。
解决方法。 在 Overview 的 Sources 区域中查看采集器最近一次检测信号。在服务器上,以服务账户身份运行 <dir>/current/scripts/compose.sh ps 和 <dir>/current/scripts/compose.sh logs collector。
数据源错误
数据源会以下列类型之一显示它的最近一次错误:
| 显示为 | 通常原因 | 检查内容 |
|---|---|---|
| Credentials refused | 密钥或机密错误或已过期,或区域错误 | 替换机密,检查区域或数据中心 |
| Missing permission | 缺少某个角色或作用域 | Test 会说明哪项读取失败;授予权限中列出的权限 |
| Not found | 账户 ID、组织或订阅错误 | 检查数据源上的 ID |
| Rate limited | 平台限制了请求的速率 | 增大轮询间隔 |
| Unreachable、Timed out | 服务器无法访问平台的 API | 允许出站 HTTPS 访问该平台 |
| Platform error | 平台的 API 返回了错误 | 稍后重试;检查平台的状态 |
| Secrets unreadable | 自保存机密以来 EXCUBIUS_DATA_KEY 已更改 | 重新输入机密 |
| No collector picked it up | 采集器没有运行 | 请参阅上一节 |
| Freshness 为 Stale | 在三个间隔内(至少 15 分钟)没有成功轮询;对于仅 Webhook 的数据源,一天内没有收到任何内容 | 采集器是否在运行?平台是否在发送 Webhook? |
| Webhooks 为 Rejected | 数据源已关闭或处于 Polling 模式,或密钥标头错误 | 检查模式以及平台发送的标头 |