Agent状态切换或监控面板有断点该如何处理？

问题现象

当云监控服务的Agent进程出现以下现象时，可能是因为Agent负载过高，状态不稳定导致：

• 管理控制台主机监控页面的“插件状态”参数在“运行中”和“故障”两个状态切换。
• 监控指标面板中存在断点。

约束与限制

当前章节的修复方式只支持新版本Agent，若Agent版本为老版本，建议先升级到新版本。

查看当前Agent版本的命令为：

if [[ -f /usr/local/uniagent/extension/install/telescope/bin/telescope ]]; then /usr/local/uniagent/extension/install/telescope/bin/telescope -v; elif [[ -f /usr/local/telescope/bin/telescope ]]; then echo "old agent"; else echo 0; fi

问题原因

为避免Agent负载过高，影响主机上的其他业务，云监控服务在Agent占用CPU或内存过高时，提供了熔断机制。当Agent负载过高时，会自动触发熔断，触发熔断机制后，Agent暂时停止工作，不上报监控数据。

熔断机制原理

默认情况下，Agent检测机制为：

1分钟查检测一次Agent是否超过第二阈值（占用CPU超过30%或占用内存超过700M）。如果CPU或内存任何一个超出，Agent直接退出：如果没有超过第二阈值，查看Agent是否超过第一阈值（占用CPU超过10%或占用内存超过200M），连续三次超过第一阈值，则退出Agent进程并记录。

操作步骤

1. 使用root账号，登录Agent不上报数据的ECS或BMS。
2. 可选：执行以下命令，切换至Agent安装路径的bin下。

   Windows系统下，路径为：“C:\Program Files\uniagent\extension\install\telescope\bin”

   Linux系统下， 路径为：/usr/local/uniagent/extension/install/telescope/bin

3. 修改配置文件conf.json。
   1. 执行以下命令，打开配置文件conf.json。

      vi conf.json

   2. 在conf.json文件中，添加如下四行参数，具体参数请参见表1。

      表1 参数说明

      参数	说明
      cpu_first_pct_threshold	第一阈值（CPU），默认值为10，单位为%。
      memory_first_threshold	第一阈值（内存），默认值为209715200（200MB），单位为Byte。
      cpu_second_pct_threshold	第二阈值（CPU），默认值为30，单位为%。
      memory_second_threshold	第二阈值（内存），默认值为734003200（700MB），单位为Byte。
      aAgent的CPU使用率和内存使用率查询方法： Linux： top -p telescope的PID Windows： 在任务管理器中查看Agent进程详情。

      {
          "cpu_first_pct_threshold": xx,
          "memory_first_threshold": xxx,
          "cpu_second_pct_threshold": xx,
          "memory_second_threshold": xxx
      }

   3. 执行如下命令，保存并退出conf.json文件。

      :wq

4. 请执行如下命令，重启Agent。
   • Windows系统下：
     • 在Agent安装包存放目录下，先双击执行shutdown.bat脚本，停止Agent，再执行start.bat脚本，启动Agent。
   • Linux系统下:
     • 执行以下命令查看Agent的PID。

       ps -ef |grep telescope

     • 强制关闭进程后等待3-5分钟agent可实现自动重启，操作示例如图1所示。
       kill -9 PID

       图1 重启Agent