首页
/ Apache APISIX Prometheus 指标丢失问题分析与解决方案

Apache APISIX Prometheus 指标丢失问题分析与解决方案

2025-05-15 00:24:10作者:尤峻淳Whitney

问题现象

在Apache APISIX 3.8.1版本中,用户报告了一个关于Prometheus监控指标丢失的问题。具体表现为:

  • 使用Prometheus agent从APISIX Pods抓取指标时,约3天后指标数据完全消失
  • 重启APISIX Pods后指标恢复正常
  • 该问题出现在从APISIX 3.2升级到3.8版本后

根本原因分析

从错误日志中可以发现关键信息:

[lua] prometheus_resty_counter.lua:39: increasing counter in shdict: lru eviction: key=http_latency_bucket{...}
[lua] prometheus_resty_counter.lua:39: increasing counter in shdict: lru eviction: key=bandwidth{...}

这些错误表明:

  1. APISIX使用共享内存字典(shared dict)存储Prometheus指标数据
  2. 由于路由和节点数量较多,生成的指标键值对数量庞大
  3. 默认配置的共享内存空间(10MB)不足,导致LRU(最近最少使用)淘汰机制触发
  4. 当共享内存空间耗尽后,新的指标数据无法写入,造成指标丢失

解决方案

方案一:增加共享内存空间

最直接的解决方案是增加prometheus-metrics共享字典的大小。在APISIX配置中:

nginx_config:
  http:
    lua_shared_dict:
      prometheus-metrics: 100m  # 从默认10MB增加到100MB

对于使用Helm部署的情况,可能需要手动修改ConfigMap来添加此配置。

方案二:优化指标收集策略

  1. 减少长期存储的指标数量:评估哪些指标是真正需要的,减少不必要的指标收集
  2. 调整指标过期时间:如果APISIX版本支持,可以配置指标的过期时间
  3. 聚合指标:考虑使用更高级别的指标聚合,减少细粒度指标的数量

容量规划建议

共享内存大小的设置需要根据实际流量和路由数量进行评估:

  • 小型部署:10-50MB可能足够
  • 中型部署:建议50-200MB
  • 大型部署:可能需要200MB以上

可以通过监控apisix_shared_dict_free_space_bytes指标来评估共享内存的使用情况,当该值接近0时表明需要扩容。

最佳实践

  1. 监控共享内存使用:将apisix_shared_dict_free_space_bytes纳入监控,设置告警阈值
  2. 版本升级注意事项:从低版本升级时,应重新评估资源配置是否满足新版本需求
  3. 定期维护:对于长期运行的实例,考虑定期重启以释放潜在的内存碎片
  4. 测试环境验证:在生产环境变更前,先在测试环境验证配置变更的效果

总结

Apache APISIX的Prometheus指标丢失问题通常是由于共享内存空间不足导致的。通过合理配置共享内存大小和优化指标收集策略,可以有效解决这一问题。对于生产环境,建议进行充分的容量规划和监控,确保系统的稳定运行。

登录后查看全文
热门项目推荐
相关项目推荐