硬件健康状态监控

FusionInsight当前可监控的硬件状态包括：处理器状态、交流供电状态、直流电源模块状态、内存状态、硬盘状态、电池状态等。但具体的支持项，还取决于x86服务器硬件供应商。

操作系统健康状态监控

FusionInsight对操作系统采取了多种监控措施：

• 支持对节点运行状态的监控。如果节点进入假死状态，严重影响业务的运作，就会自动执行节点复位，迅速恢复业务。
• 支持对操作系统内核参数进行微调，在操作系统出现致命异常，如内存耗尽、非法地址访问、内核死锁、调度器失效时，重启操作系统，恢复业务。
• 周期采集节点上各类硬件资源运行状况的数据，包括处理器状态、内存状态、硬盘状态、网络状态等，如果发现异常，会触发告警，此时该节点是个亚健康状态的节点，报警携带相关的异常指示信息，包括“CPU过载”、“内存过载”、“发现慢盘”、“TCP重传率越限”等，维护人员可据此对相关节点的操作系统状态进行检查，排除故障。

进程健康状态监控

FusionInsight在各节点上都部署了代理进程，负责监控业务实例的状态。如果业务实例进程故障，代理进程会尝试自动重启对应的业务实例进程，如无法启动，会向OMS Server发送告警。

代理进程会周期向OMS Server发送心跳。如果代理进程故障，OMS Server也会检测到异常，发送节点故障告警，并尝试自动重启对应的代理进程。

硬盘故障的自动检测

大型GaussDB 200集群中，硬盘数量可能高达成百上千。由于机械硬盘的故障率偏高，系统运行一段时间之后，故障硬盘就会不断出现。

FusionInsight会监控各节点上的硬盘状态，以及文件系统状态，如果出现异常，立即上报告警，通常情况下Raid组能自动修复，就不需要人工干预，如果不能自动修复，需要人工干预，这种可靠性保证机制，可以提前告知用户进行磁盘修复，不至于没有监控，没人工干预，导致数据丢失，造成不必要的损失，有利于提高系统的可靠性。

节点RAID组的配置

FusionInsight建议按照实际业务需要，合理规划节点的硬盘资源，以提高系统对硬盘故障的抵御能力。

• 各节点的操作系统，建议安装在两块硬盘做成的RAID 1上，以保障系统盘的稳定，避免一块盘损坏就导致操作系统崩溃，整个节点不可用。
• 如果条件允许，管理节点关键进程使用的硬盘（如Manager数据库等）尽量做成RAID 1，以保证元数据的可靠性。读写模式差异很大的业务组件，应当避免共用同一块硬盘。
• 数据盘（GaussDB 200数据盘）可以做成单盘RAID 5（即每个RAID 5组内至少要3块硬盘）。RAID组内的硬盘自身具有容错能力，如果一块硬盘坏掉，可以自修复，数据丢失几率大大降低，保证可靠性提升。