Rook/Ceph 18.2.2版本中OSD指标变更分析与解决方案

在Ceph分布式存储系统的Rook部署方案中，升级到18.2.2版本后，用户可能会发现部分OSD相关指标（如ceph_osd_op_w_in_bytes）不再出现在传统的监控端点中。这一变化实际上是Ceph Reef版本架构调整的一部分，需要管理员特别关注。

指标采集架构变更

Ceph 18.x版本对监控指标采集架构进行了重大调整。在之前的版本中，OSD性能指标主要通过MGR模块的Prometheus插件提供。但在新版本中，这些指标被迁移到了专门的ceph-exporter组件中。这一变化带来了几个关键影响：

1. 传统MGR端点不再提供详细的OSD性能指标
2. 新增了独立的exporter组件负责性能数据采集
3. 指标采集路径和方式发生了变化

新旧版本对比

在18.2.2版本之前，管理员可以通过rook-ceph-mgr服务的9283端口获取完整的OSD指标。但在新版本中，该端点仅返回基础状态信息，如：

• ceph_osd_in
• ceph_osd_up
• ceph_osd_weight
• 延迟相关指标（apply_latency_ms, commit_latency_ms）
• 各种标志位状态（nobackfill, nodeep_scrub等）

而详细的性能计数器，如写入字节数（op_w_in_bytes）、操作次数等指标，现在需要通过rook-ceph-exporter服务的9926端口获取。

解决方案

对于已经升级到18.2.2版本的用户，可以采取以下步骤恢复完整的监控指标采集：

1. 确认rook-ceph-exporter Pod正常运行
2. 将Prometheus的采集目标从mgr服务转向exporter服务
3. 更新Grafana等可视化工具的指标查询语句
4. 检查相关告警规则，确保使用正确的指标路径

集群利用率面板空白问题

与指标变更相关的另一个常见问题是Ceph Dashboard中的"Cluster Utilization"面板显示空白。这通常是由于：

1. 监控数据采集路径配置不正确
2. 时间序列数据库中没有相应的指标数据
3. 面板查询语句未适配新版本指标结构

解决这一问题需要检查Dashboard的数据源配置，确保其指向正确的exporter端点，并验证相关指标是否已正确采集。

最佳实践建议

1. 升级前详细阅读Ceph Reef版本的发布说明
2. 测试环境中先行验证监控系统的兼容性
3. 更新监控系统的配置文档和运维手册
4. 考虑同时保留新旧两个监控端点的采集，确保过渡期监控连续性

通过理解这些架构变化并采取相应的调整措施，管理员可以确保在升级到Ceph 18.2.2版本后，仍然能够获取完整的集群监控数据，为运维决策提供可靠依据。