云监控为您提供企业级开放型一站式监控解决方案。Hologres已经接入云监控的云服务监控，方便您通过云监控全面了解Hologres实例的资源使用、业务运行及健康状况，及时收到异常报警并做出响应，保证应用程序运行顺畅。本文为您介绍如何通过云监控监测Hologres实例的相关指标并上报告警。
前提条件
已开通购买Hologres实例。
使用建议
目前云监控已经支持按照Hologres实例类型（包括实时数仓Hologres（从实例）、实时数仓Hologres（湖仓加速）、实时数仓Hologres（通用型）、实时数仓Hologres（计算组））展示对应实例的监控指标，不同的实例类型对应专属监控指标，以便更好的监控业务异常并处理，建议将实时数仓Hologres的监控切换为对应实例类型下的监控，以获得更好的监控体验。在云监控控制台的实时数仓Hologres页面，顶部提供地域选择器，页签栏可切换不同产品形态的监控视图，包括实时数仓Hologres(从实例)、实时数仓Hologres(湖仓加速)、实时数仓Hologres(通用型)和实时数仓Hologres(计算组)。您可单击创建报警规则或查看报警规则进行报警管理。
云监控指标
当前云监控支持的Hologres实例监控指标详情，更多有关云监控信息请参见Hologres管控台的监控指标。
全量指标与系统事件定义
云监控以指标列表页面统一维护每个云产品推送的监控元数据。您可以在Hologres的指标列表页面查看云监控中Hologres推送的全部时序指标和系统事件。其中，时序指标包含Metric ID、指标含义、单位、维度（Dimensions）和最小统计周期（Min Periods）；系统事件包含事件名称、事件含义、事件状态和事件等级。
Hologres在云监控中的命名空间（Namespace）为acs_hologres，不同实例类型对应不同的指标集，您可以按实例类型查看。
实例类型 | 指标列表页面 |
全部（ | |
实时数仓Hologres（通用型） | |
实时数仓Hologres（计算组） | |
实时数仓Hologres（湖仓加速） | |
实时数仓Hologres（从实例） |
访问指标列表页面需登录阿里云账号，RAM用户还需具备云监控查看权限，详情请参见授予RAM用户云监控查看权限。
指标列表页面展示的是云监控当前实际推送的指标和事件。若与本文或Hologres管控台的监控指标存在差异，请以指标列表页面为准。
调用云监控API查询监控数据时，所需的Namespace、MetricName、Dimensions和Period均取自该页面，详情请参见API方式访问监控指标。
查看监控指标
您可以直接登录云监控控制台查看。
登录云监控控制台。
在左侧导航栏，单击云产品监控。
在大数据计算区域，单击目标实例类型（实时数仓Hologres（从实例）、实时数仓Hologres（湖仓加速）、实时数仓Hologres（通用型）或实时数仓Hologres（计算组）），进入Hologres监控大盘。
单击地域后的
图标，选择目标地域。单击目标实例ID或操作列的监控图表，查看实例相关指标的状态。
说明您可以自定义查看实例指标的时间段，监控数据最多保留30天。
监控告警实践
一键报警
Hologres支持您在云监控中开启一键报警功能，为所有实例设置默认的告警规则，开启后，会创建CPU使用率、磁盘使用率、内存使用率、连接数等相关报警规则，作用于阿里云账号（主账号）下的所有Hologres实例，方便对多个常见的重要指标进行异常告警，快速发现问题。默认告警规则包括：
如果连接数使用率（Info）连续3次平均值>=95就通知，通知对象为云账号报警联系人。
如果存储水位（Warn）连续3次平均值>90就通知，通知对象为云账号报警联系人。
如果内存水位（Warn）连续3次平均值>=90就通知，通知对象为云账号报警联系人。
如果CPU水位（Info）连续3次平均值>=99就通知，通知对象为云账号报警联系人。
默认每次告警的周期为5分钟，可自定义设置。
创建报警规则
除默认的一键告警外，您还可以根据业务情况，对更多的监控指标设置告警，操作详情如下：
告警设置最佳实践
实例CPU使用率（%）
该指标反映了Hologres的资源是否存在瓶颈，也反映了您的资源使用是否充分。推荐的告警如下：
告警规则：
紧急（Critical）：“实例CPU使用率连续60个周期（1周期=1分钟），监控值>=99%”，有效监测集群的资源水位，长期打满需要扩容。
警告（Warn）：“实例CPU使用率连续10个周期（1周期=1分钟），监控值>=99%”，可以及时观测是否因为业务变动导致CPU打满。
不建议出现一次实例CPU使用率达到100%就告警。短时间内的CPU使用率达到100%并不表示系统过载或异常，而是代表了高效的资源利用。
不建议CPU的告警水位设置过低。因为没有任务运行时，也可能有系统组件在运行，会占用一定资源。
Worker节点CPU使用率（%）
该指标反映了Hologres中每个Worker资源是否存在瓶颈，也反映了资源使用是否充分。推荐告警如下：
告警规则
紧急（Critical）：“Worker节点CPU使用率连续60个周期（1周期=1分钟），监控值>=99%”，有效监测每个Worker的资源水位，长期打满需要扩容。
警告（Warn）：“Worker节点CPU使用率连续10个周期（1周期=1分钟），监控值>=99%”，可以及时观测是否因为业务变动导致CPU打满。
不推荐出现一次Worker节点CPU使用率达到100%就告警。短时间内的CPU使用率达到100%并不表示系统过载或异常，而是代表了高效的资源利用。
不推荐CPU的告警水位设置过低，因为没有任务运行时，也可能有系统组件在运行，会占用一定资源。
实例内存使用率（%）
该指标反映了实例的内存使用情况。推荐的告警如下：
告警规则
紧急（Critical）：“实例内存使用率连续60个周期（1周期=1分钟），监控值>=99%”，有效监测集群的内存水位，长期打满建议扩容。
警告（Warn）：“实例内存使用率连续10个周期（1周期=1分钟），监控值>=99%”，可以及时观测是否因为业务变动导致内存打满。
不推荐内存指标的告警水位设置过低。因为内存不仅用于Query运行，也用于Meta、Cache等部分，在实例任务空闲时也有一定的内存使用。
Worker节点内存使用率（%）
该指标反映了Worker的内存使用情况。推荐的告警如下：
告警规则
紧急（Critical）：“Worker节点内存使用率连续60个周期（1周期=1分钟），监控值>=99%”，有效监测集群的内存水位，长期打满建议扩容。
警告（Warn）：“Worker节点内存使用率连续10个周期（1周期=1分钟），监控值>=99%”，可以及时观测是否因为业务变动导致内存打满。
不推荐内存指标的告警水位设置过低，因为内存不仅用于Query运行，也用于Meta、Cache等部分，在实例任务空闲时也有一定的内存使用。
连接数使用率最高的FE的连接数使用率（%）
警告（Warn）：“连接数使用率最高的FE的连接数使用率连续5个周期（1周期=1分钟），监控值>=95%”，可以有效监测集群的连接数使用情况，及时清理空闲连接。
wal sender使用率最高的FE的wal sender使用率（%）
该指标反映了当前每个FE的Walsender使用率最大值。推荐的告警规则如下：
警告（Warn）：“wal sender使用率最高的FE的wal sender使用率连续5个周期（1周期=1分钟），监控值>=95%”，可以有效监测集群的Walsender使用情况。
本实例正在运行中Query最长的时长（milliseconds）
该指标可以有效监测实例中当前时刻是否有长时间运行的Query。推荐的告警规则如下：
警告（Warn）：“本实例正在运行中Query最长的时长连续10个周期（1周期=1分钟），监控值>=3600000milliseconds”。
正在运行的 Serverless Computing 的查询中，最长的时长（milliseconds）
该指标可以有效监测Serverless集群中的任务运行情况，如果运行时间过长，可以及时取消相关任务。推荐的告警规则如下：
警告（Warn）：“正在运行的Serverless Computing的查询中，最长的时长连续10个周期（1周期=1分钟），监控值>=3600000milliseconds”。
失败Query QPS(countS)
该指标反映了实例中运行Query的失败情况，可以针对失败Query设置告警，方便及时了解实例中Query运行情况。推荐的告警规则如下：
警告（Warn）：“失败Query QPS中，连续10个周期（1周期=1分钟），监控值>=10countS”。如果实例中失败Query较多，建议根据慢Query日志查看详情失败详情，并针对性治理。
FE replay延迟（milliseconds）
该指标反映了每个FE的replay时间，如果时间过长，说明replay慢，可能原因为FE卡住，导致Query卡住，需要及时处理。推荐的告警如下：
告警规则
警告（Warn）：“FE replay延迟连续10个周期（1周期=1分钟），监控值>=300000milliseconds”，出现告警时，前往HoloWeb活跃Query查看是否有长时间运行的Query，并尝试取消Query。
不推荐FE replay延迟设置的时间过短。因为实例中有元数据的修改就有FE的replay，通常情况下，FE的replay时间在秒级都属于正常现象。
主从同步延迟（milliseconds）
该指标仅在从实例中展示，反映了主从同步的延迟情况，推荐的告警规则如下：
警告（Warn）：“主从同步延迟连续10个周期（1周期=1分钟），监控值>=600000milliseconds”。
每个DB统计信息缺失的表个数（countS）
该指标反映了Auto Analyze的质量，如果长时间存在缺失统计信息的表，可以对表手动执行Analyze命令，详情请参见ANALYZE和AUTO ANALYZE。推荐的告警如下：
告警规则
警告（Warn）：“每个DB统计信息缺失的表个数连续60个周期（1周期=1分钟），监控值>=10countS”。
不建议监控值设置过低。因为实例中表数量太多时，也会导致Auto Analyze执行速度降低。
订阅系统事件
除时序指标外，Hologres还将部分运维操作以系统事件的形式接入云监控。您可以订阅这些事件，通过短信、邮件等方式接收通知，及时了解实例中正在进行的运维操作。当前已接入云监控的系统事件如下：
功能 | 系统事件 |
计算组分时弹性 | 计算组分时弹性变配开始、计算组分时弹性变配完成、计算组分时弹性变配失败 |
运维事件 | 创建计划事件、计划事件开始执行、计划事件执行成功、计划事件执行失败、计划事件取消、计划事件执行时间变更 |
查看事件：登录云监控控制台，在左侧导航栏选择，在事件监控页签按云产品、事件级别、事件名称和时间段筛选，其中云产品选择交互式分析。详情请参见查看系统事件。
订阅事件：在系统事件页面单击立即创建，订阅类型选择系统事件，产品选择交互式分析。完整操作步骤请参见设置事件告警。
Hologres在云监控中的产品名称为交互式分析。
系统事件的完整定义（事件名称、事件含义、事件状态和事件等级）请参见Hologres的指标列表页面。
旧版系统事件报警规则功能已不再升级并会逐步下线，建议您使用事件订阅功能。
常见监控问题排查
当监控指标出现不符合业务预期的波动，或者出现告警时，可以通过监控指标常见问题排查监控指标的问题并处理。
API方式访问监控指标
除了云监控控制台，云监控也提供自定义监控大盘、API等方式访问监控指标，以便业务能够更加灵活地访问监控。其中：
调用API前，请先在Hologres的指标列表页面获取目标指标的取值：Namespace取acs_hologres，MetricName取页面中的Metric ID列，Period取页面中的Min Periods列，Dimensions取页面中的Dimensions列（其中userId无需填写，云监控会自动获取当前账号的ID并代入）。取值规则详情请参见附录1 云产品监控指标。
授予RAM用户云监控查看权限
默认情况下，RAM用户无法查看云监控的指标信息。此时需要您对该RAM用户授予云监控查看权限。
您可使用阿里云账号（主账号）登录RAM控制台，为RAM用户授予如下权限，授权方法请参见管理RAM用户的权限。
您也可根据需求自行选择权限。
权限名称 | 权限功能描述 |
AliyunCloudMonitorFullAccess | 管理云监控（CloudMonitor）的权限。 |
AliyunCloudMonitorReadOnlyAccess | 只读访问云监控（CloudMonitor）的权限。 |
AliyunCloudMonitorMetricDataReadOnlyAccess | 访问云监控（CloudMonitor）时序指标数据的权限。 |