Aerospike 建议您监控此处列出的指标。 有关指标的完整列表，请参阅 Metric Reference 。
除了监控 Aerospike 服务器的运行状况，您还应该监控集群服务器的硬件资源，例如可用磁盘空间、可用 RAM、交换和 CPU 使用率。
推荐的警报指标
clock_skew_stop_writes
位置：Namespace
版本：4.0
说明：如果 clock_skew_stop_writes 为 true，发出严重报警。
确保时钟在集群中同步。
dead_partitions
位置：Namespace
版本：4.0
说明：如果 dead_partitions 不为零，发出严重报警。
如果您确定不存在潜在的数据不一致，或者数据不一致是可以接受的，请考虑发出 revive 和 recluster 命令。
device_available_pct
位置：Namespace
版本：3.9
说明：如果 device_available_pct 低于 20%，则应该对操作组员告警。这种情况可能表明碎片整理无法跟上当前负载。
如果 device_available_pct 低于 15%，应该发出严重报警。
如果 device_available_pct 低于 5%，则可用磁盘资源非常低。这种情况可能会导致 stop_writes 。
hwm_breached
位置：Namespace
版本：3.9
说明：如果 hwm_breached 为 true，应该提醒您的操作组员内存或磁盘资源紧张。这种情况可能表明需要增加集群容量。
memory_free_pct
位置：Namespace
版本：3.9
说明：如果 memory_free_pct 接近 high-water-memory-pct 或 stop-writes-pct 的配置值，应该发出报警调查问题原因。出现这个问题可能表明需要减少对象数量或增加容量，如果使用二级索引，则可能需要进一步调查 memory_used_sindex_bytes，如果使用 Set 索引，则需要进一步调查 memory_used_set_index_bytes，如果数据存储在内存中，则需要调查 heap_efficiency_pct。
pmem_available_pct
位置：Namespace
版本：4.8
说明：如果 pmem_available_pct 低于 20%，应该警告您的操作组员。这种情况可能表明碎片整理无法跟上当前负载。
如果 pmem_available_pct 低于 15%，应该发出严重报警。
如果 pmem_available_pct 低于 5%，则可用 PMEM 资源非常低。这种情况可能会导致 stop_writes 。
unavailable_partitions
位置：Namespace
版本：4.0
说明：如果 unavailable_partitions 不为零，应该严重报警。
检查网络问题并确保集群正确形成。
client_connections
位置：Statistics
说明：如果 client_connections 低于预期的低值， 那么这种情况可能表明客户端和服务器之间的网络存在问题。
如果 client_connections 高于预期的高值， 那么这种情况可能表明客户端快速打开和关闭套接字存在问题。
如果 client_connections 处于或接近 proto_fd_max ， 那么 Aerospike 服务器要么当前无法接受新连接，要么很快就无法接受。
client_connections_opened
位置：Statistics
版本：5.6
说明：如果 client_connections_opened 在没有添加或删除客户端的情况下发生意外更改，或者工作负载发生了重大变化， 那么这种情况可能表明节点速度变慢或节点出现连接问题。
cluster_size
位置：Statistics
说明：如果 cluster_size 不等于预期的集群大小并且集群没有进行维护， 那么您的运营团队需要进行调查。
fabric_connections_opened
位置：Statistics
版本：5.6
说明：如果 fabric_connections_opened 发生意外变化，应该发出警报，因为这种情况表明节点或集群更改存在连接问题。
heartbeat_connections_opened
位置：Statistics
版本：5.6
说明：如果 heartbeat_connections_opened 发生意外变化，应该发出警报，因为这种情况表明节点或集群更改存在连接问题。
system_free_mem_kbytes
位置：Statistics
说明：如果 system_free_mem_kbytes 异常低， 那么这种情况表明服务器达到了可用 RAM 的限制。操作员应调查并可能需要添加节点或增加每个节点的 RAM。
system_free_mem_pct
位置：Statistics
说明：如果 system_free_mem_pct 异常低， 那么这种情况表明服务器达到了可用 RAM 的限制。操作员应调查并可能需要添加节点或增加每个节点的 RAM。
lag
位置：XDR - DC
版本：5.0.0
说明：如果 lag 始终大于几秒， 那么这种情况可能表明网络连接问题或目标集群写入错误。
其他监控指标
client_delete_error
位置：Namespace
版本：3.9
说明：client_delete_error 与 client_delete_success 比例。 如果比率高于可接受的， 然后警报操作员进行调查。
client_read_error
位置：Namespace
版本：3.9
说明：client_read_error 与 client_read_success 比例。 如果比率高于可接受的， 然后警报操作员进行调查。
client_udf_error
位置：Namespace
版本：3.9
说明：client_udf_error 与 client_udf_complete 比例。 如果比率高于可接受的， 然后警报操作员进行调查。
client_write_error
位置：Namespace
版本：3.9
说明：client_write_error 与 client_write_success 比例。 如果比率高于可接受的， 然后警报操作员进行调查。有关更多详细信息，请参阅 Understanding Client Write Errors。
index_flash_alloc_pct
位置：Namespace
版本：5.6
说明：如果 index_flash_alloc_pct 接近或高于 100%，应该提醒操作员检查命名空间的大小。
memory_used_bytes
位置：Namespace
版本：3.9
说明：used-bytes-memory 的趋势提现，可让操作员深入了解此命名空间的内存使用情况如何随时间变化。
scan-aggr-error
位置：Namespace
版本：3.9
说明：scan_aggr_error 和 scan_aggr_complete 比例。如果比率高于可接受的， 然后警报操作员进行调查。
scan_basic_error
位置：Namespace
版本：3.9
说明：scan_basic_error 和 scan_basic_complete 比例。如果比率高于可接受的， 然后警报操作员进行调查。
scan_ops_bg_error
位置：Namespace
版本：4.7
说明：scan_udf_bg_error 和 scan_udf_bg_complete 比例。如果比率高于可接受的， 然后警报操作员进行调查。
storage-engine.device[ix].defrag_q
位置：Namespace
版本：4.3
说明：根据存储配置，按照设备或按文件测算。如果 storage-engine.device[ix].defrag_q 或 storage-engine.file[ix].defrag_q 随着时间的推移继续增加， 然后提醒操作人员调查原因。
storage-engine.file[ix].write_q
位置：Namespace
版本：4.3
说明：根据存储配置，按照设备或按文件测算。如果 storage-engine.device[ix].write_q 或 storage-engine.file[ix].write_q 大于 1， 然后提醒操作人员调查原因。
batch_index_error
位置：Statistics
版本：3.9
说明：将 batch_index_error 与 batch_index_complete 进行比较，如果比率高于可接受的，应该警报操作员以进行调查。
heap_efficiency_pct
位置：Statistics
版本：3.10.1
说明：如果 heap_efficiency_pct 低于 60% 或 50%（取决于配置，然后建议您的运营小组进行调查。）
rw_in_progress
位置：Statistics
版本：3.9
说明：取决于预期的工作量。
如果 rw_in_progress 高于预期，或者如果随着时间的推移偏离预期值，超出可接受范围， 应该提醒操作人员调查原因。可能表示特定节点速度变慢或 fabric 过载。
abandoned
位置：XDR - DC
版本：5.0
说明：如果 abandoned 一直高于预期，应该提醒操作人员进行调查。
lap_us
位置：XDR - DC
版本：5.0
说明：如果 lap_us 一直高于预期，应该提醒操作人员进行调查。
latency_ms
位置：XDR - DC
版本：5.0
说明：根据配置，latency_ms 应该在 DC 之间链路的延迟范围内。如果 delay_ms 在集群之间的延迟（或已知的链路延迟）增加超过预期， 应该警报操作员进行调查。
recoveries
位置：XDR - DC
版本：5.0
说明：如果 recoveries 持续增加 ，应该警报操作人员进行调查。
recoveries_pending
位置：XDR - DC
版本：5.0
说明：如果 recovery_pending 增加超出预期 ，应该警报操作人员进行调查。
retry_conn_reset
位置：XDR - DC
版本：5.0
说明：如果 retry_conn_reset 增加超出预期 ，应该警报操作人员进行调查。
retry_dest
位置：XDR - DC
版本：5.0
说明：如果 retry_dest 增加超出预期 ，应该警报操作人员进行调查。
retry_no_node
位置：XDR - DC
版本：5.1
说明：如果 retry_no_node 增加超出预期 ，应该警报操作人员进行调查。
success
位置：XDR - DC
版本：5.0
说明：如果 success 低于预期 ，应该警报操作人员进行调查。