採集器錯誤
檢查無法執行時,會報告錯誤類型,而不是數值。錯誤類型會顯示在檢查上、資源的時間線中,以及 Test connection(測試連線)的結果裡,並可縮窄原因的範圍。本文列出每種錯誤類型,說明 Cannot reach 警報,並針對檢查和數據源的各種徵狀,說明應檢查的項目。
錯誤類型
| 類型 | 顯示為 | 含義 | 計入 Cannot reach |
|---|---|---|---|
unreachable | Unreachable | 網絡錯誤、無法解析名稱、連線被拒絕或中斷、TLS 握手失敗 | 是 |
auth | Sign-in refused | 登入失敗,或登入帳戶無法開啟所需的數據庫 | 是 |
timeout | Timed out | 連線或整個檢查所花的時間超出容許範圍 | 是 |
query | Query failed | 系統有回應,但語句執行失敗,通常是因為缺少權限 | 否 |
query_timeout | Query timed out | 已連線,但語句超過逾時限制 | 否 |
config | Configuration | 需要在 Excubius 中修正的問題:沒有主機、沒有憑證或憑證類型不對、無法讀取的機密 | 否 |
unsupported | Not supported | 採集器沒有此檢查所需的傳輸方式 | 否 |
internal | Collector error | 採集器中的程式錯誤;訊息會指出發生的位置 | 否 |
資源顯示單一「Cannot reach」警報
徵狀:資源上出現一個嚴重的 Cannot reach 警報,而該資源的其他警報會將它列為根本原因。
原因:預設情況下,該資源某項檢查連續 3 次執行失敗,錯誤類型為 unreachable、auth 或 timeout。Excubius 不會為每項失敗的檢查各發出一個警報,而是只開啟一個警報,並在它開啟期間暫緩發送該資源其他警報的通知。失敗次數由 EXCUBIUS_UNREACHABLE_AFTER 決定。
解決方法:修復連線,然後在資源上選取 Test connection 確認。失敗的檢查一旦再次成功,警報就會自動解決;在此之前,該資源其他警報的通知會繼續暫緩。
檢查因 auth 失敗
原因:密碼錯誤或已過期、登入帳戶已停用、實例不接受 SQL 登入,或登入帳戶在檢查所開啟的數據庫中沒有對應的用戶。在可用性群組上,容錯移轉後,該登入帳戶在新的主要複本上的 SID 可能不同。
解決方法:檢查憑證,並確認實例以混合模式運行。在可用性群組上,請在每個複本上以相同的 SID 建立登入帳戶;請參閱可用性群組的先決條件。
檢查因 unreachable 或 timeout 失敗
原因:主機名稱無法從 Excubius 伺服器解析、防火牆封鎖了連接埠、服務已停止,或網絡路徑緩慢。
解決方法:檢查 Excubius 伺服器與該系統之間的 DNS 和防火牆,並確認使用正確的連接埠:SQL 連接埠(沒有固定連接埠的具名實例還需要 UDP 1434)、網頁端點使用 443 或 80、WinRM 使用 5986、SSH 使用 22。對於多子網接聽程式,須允許每個接聽程式 IP。請參閱網絡路徑。
檢查因 query 失敗
原因:系統有回應,但語句被拒絕,幾乎都是因為登入帳戶缺少權限。需要 msdb 或 CONNECT ANY DATABASE 的檢查會以這種方式失敗,而其他檢查則正常運作。
解決方法:選取 Test connection:在 SQL Server 上,它會列出登入帳戶的權限,以及缺少的權限。只授予權限所列出的權限,不要多給。
檢查因 query_timeout 失敗
原因:語句的執行時間超過逾時限制(SQL Server 預設為 30 秒),通常發生在負載繁重的實例上。
解決方法:稍後再試。如果在繁忙的實例上持續發生,請為該資源調高檢查的 query_timeout_seconds 參數。
檢查因 config 失敗
原因:Excubius 中的設定不完整:資源沒有主機、沒有任何憑證適用於該資源、憑證的類型不是檢查可以使用的類型,或因為 EXCUBIUS_DATA_KEY 已更改而無法解密儲存的機密。
解決方法:編輯資源或憑證。如果報表伺服器資源使用的是 Windows 帳戶,其下的 T-SQL 檢查就需要 SQL 登入帳戶;請參閱資源使用哪個憑證。如果機密無法讀取,請重新輸入。
檢查因 unsupported 失敗,或保持「未知」狀態
原因:沒有任何採集器提供檢查所需的傳輸方式。可能是 EXCUBIUS_COLLECTOR_TRANSPORTS 沒有包含該傳輸方式,或該傳輸方式尚未存在:在此版本中,PostgreSQL 檢查會保持未知。
解決方法:從限制中移除該傳輸方式,或在該資源上關閉檢查。請參閱相容性。
工作以「No collector picked it up」結束
徵狀:Test connection、Discover 或數據源的 Test 一直停留在 waiting for the collector,然後以 No collector picked it up 結束。
原因:10 分鐘內沒有任何採集器認領該工作。可能是採集器沒有運行、沒有權杖(EXCUBIUS_COLLECTOR_TOKEN 為空,此時採集器會閒置),或沒有提供所需的傳輸方式。採集器已認領但在 15 分鐘內沒有回報結果的工作,會以 timeout 失敗。
解決方法:在 Overview 的 Sources 區域檢查採集器最近一次的檢測信號。在伺服器上,以服務帳戶身分執行 <dir>/current/scripts/compose.sh ps 和 <dir>/current/scripts/compose.sh logs collector。
數據源錯誤
數據源會以下列其中一種類型顯示其最近一次錯誤:
| 顯示為 | 通常原因 | 檢查項目 |
|---|---|---|
| Credentials refused | 金鑰或機密錯誤或已過期,或區域錯誤 | 更換機密,檢查區域或數據中心 |
| Missing permission | 缺少角色或範圍 | Test 會指出哪項讀取失敗;授予權限所列出的權限 |
| Not found | 帳戶 ID、組織或訂閱錯誤 | 檢查數據源上的 ID |
| Rate limited | 平台限制了要求的頻率 | 加長輪詢間隔 |
| Unreachable、Timed out | 伺服器無法連線到平台的 API | 允許伺服器向該平台發出 HTTPS 連出連線 |
| Platform error | 平台的 API 回應了錯誤 | 稍後再試;檢查平台的狀態 |
| Secrets unreadable | 自儲存機密以來,EXCUBIUS_DATA_KEY 已更改 | 重新輸入機密 |
| No collector picked it up | 採集器沒有運行 | 請參閱上一節 |
| Freshness Stale | 連續三個間隔(至少 15 分鐘)沒有成功輪詢;對於僅使用 Webhook 的數據源,則是一天內沒有收到任何內容 | 採集器是否在運行?平台是否有發送 Webhook? |
| Webhooks Rejected | 數據源已關閉或處於 Polling 模式,或機密標頭錯誤 | 檢查模式,以及平台所發送的標頭 |