在AKS节点上监控OMS Agent并配置停止告警方案咨询

核心思路 #

通过Azure Monitor的日志查询检测Agent进程状态或心跳缺失，进而配置告警。

1. 明确节点上的Agent进程名 #

• Linux AKS节点：OMS Agent进程固定为omsagent
• Windows AKS节点：对应进程是HealthService.exe

2. 日志查询语句 #

检测进程停止（适用于Linux） #

利用Perf日志表筛选进程ID为0的情况（ID为0表示进程未运行）：

Perf
| where ObjectName == "Process" and CounterName == "ID Process" and InstanceName == "omsagent"
| summarize arg_max(TimeGenerated, *) by Computer
| where CounterValue == 0
| project Computer, TimeGenerated, InstanceName, CounterValue

检测进程停止（适用于Windows） #

Perf
| where ObjectName == "Process" and CounterName == "ID Process" and InstanceName == "HealthService"
| summarize arg_max(TimeGenerated, *) by Computer
| where CounterValue == 0
| project Computer, TimeGenerated, InstanceName, CounterValue

备选：检测Agent心跳缺失 #

如果Agent完全停止导致不再上报日志，用Heartbeat表检测节点长时间无心跳：

Heartbeat
| where Computer in (
    Perf
    | where ObjectName == "Process" and CounterName == "ID Process" and InstanceName == "omsagent"
    | distinct Computer
)
| summarize LastHeartbeat = max(TimeGenerated) by Computer
| where LastHeartbeat < ago(15m)  # 可根据需求调整时间阈值
| project Computer, LastHeartbeat

3. 配置告警步骤 #

1. 打开Azure Monitor的「日志」页面，运行上述查询后点击右上角「新建告警规则」
2. 信号逻辑配置：选择「自定义日志搜索」，粘贴查询语句，设置触发条件为「返回行数大于0」
3. 操作组配置：添加需要的通知方式（邮件、短信、Azure函数等）
4. 告警详情设置：填写规则名称、描述、严重级别，保存规则

注意事项 #

• 必须确保AKS集群已启用Azure Monitor容器见解，否则Perf和Heartbeat日志无法被采集
• 根据实际监控需求调整查询中的时间阈值（比如把ago(15m)改成ago(5m)）
• 若AKS节点基于虚拟机规模集部署，确认所有节点均被纳入监控范围

内容的提问来源于stack exchange，提问作者ramesh reddy