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。

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. 执行以下命令，切换至Agent安装路径的bin下。

   cd /usr/local/telescope/bin

   

   Windows系统下为telescope_windows_amd64\bin目录。

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），若Agent进程a的CPU使用率为20%左右，此处建议配置为35，单位为%。 说明： Agent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。
      memory_first_threshold	第一阈值（内存），若Agent进程使用的内存大小为100M左右，此处建议配置为314572800（300MB），单位为Byte。
      cpu_second_pct_threshold	第二阈值（CPU），若Agent进程的CPU使用率为20%左右，此处建议配置为55，单位为%。
      memory_second_threshold	第二阈值（内存），若Agent进程使用的内存大小为100M左右，此处建议配置为734003200（700MB），单位为Byte。

      {
          "InstanceId":"xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx",
          "ProjectId": "b5b92ee0xxxxxxxxxxxxxxxxcab92396",
          "AccessKey": "QZ0XGJXFxxxxxxxxT65R",
          "SecretKey": "lEv2aXAGwxxxxxxxxxxxxxxxxxxxxF8t0Bf18Tn2",
          "RegionId": "ae-abudhabi-1",
          "ClientPort": 0,
          "PortNum": 200,
          "cpu_first_pct_threshold": 35,
          "memory_first_threshold": 314572800,
          "cpu_second_pct_threshold": 70,
          "memory_second_threshold": 734003200
      }

   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。

   /usr/local/telescope/telescoped restart

   

   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。