Harvester项目中虚拟机CPU使用率监控指标不准确问题的分析与解决

问题背景

在Harvester 1.4版本中，用户发现虚拟机的CPU使用率监控指标存在不准确的情况。具体表现为当虚拟机实际CPU负载很高时，Harvester仪表盘显示的CPU使用率却远低于预期值。这个问题影响了用户对虚拟机资源使用情况的准确判断。

问题复现与验证

通过测试环境可以复现该问题：

1. 在3节点witness AMD64 QEMU/KVM环境中部署Harvester v1.4
2. 启用rancher-monitoring监控组件
3. 创建3个配置不同的虚拟机（1核、2核和4核）
4. 在每个虚拟机上使用stress工具模拟CPU负载
5. 观察监控仪表盘显示的CPU使用率

测试结果显示：

• 1核虚拟机满载时，仪表盘显示约100%使用率（符合预期）
• 2核虚拟机满载1核时，仪表盘显示约50%使用率（符合预期）
• 4核虚拟机满载1核时，仪表盘显示约25%使用率（符合预期）

然而，当查看整体CPU使用率图表时，数据显示存在异常，表现为堆叠图显示的总和使用率不准确。

技术分析

该问题涉及Harvester监控系统的多个组件协同工作：

1. 指标采集：由Prometheus通过node-exporter采集底层主机和虚拟机的性能指标
2. 指标计算：使用PromQL查询语言对原始指标进行处理和聚合
3. 数据展示：通过Grafana仪表盘可视化处理后的指标数据

问题的根本原因在于监控指标的计算公式没有正确考虑虚拟机vCPU数量与物理CPU核心数的比例关系。在Harvester中，虚拟机的CPU使用率应该表示为实际使用的CPU时间与分配给虚拟机的总CPU时间的比值。

解决方案

开发团队通过以下PR修复了该问题：

1. 修改了harvester-installer中的监控配置（PR #955）
2. 调整了harvester核心组件中的指标计算逻辑（PR #7568）

修复后的版本（1.4.2）中：

• 单虚拟机CPU使用率计算更加准确
• 多虚拟机聚合视图也能正确反映整体CPU负载情况
• 监控数据与实际负载的对应关系更加直观

最佳实践建议

对于使用Harvester监控虚拟机资源的用户，建议：

1. 确保升级到1.4.2或更高版本
2. 理解监控指标的计算方式，特别是多核虚拟机的使用率表示
3. 对于关键业务虚拟机，建议结合操作系统内部的监控工具进行交叉验证
4. 定期检查监控系统的配置和指标定义，确保与Harvester版本保持兼容

总结

Harvester团队通过修复监控指标计算逻辑，解决了虚拟机CPU使用率显示不准确的问题。这一改进使得资源监控数据更加可靠，帮助用户更好地掌握虚拟机的实际资源使用情况，为容量规划和性能优化提供了更准确的数据支持。