🔰 引言
在企業級 Ceph 儲存環境中，隨著節點與資料量的快速成長，
單靠 CLI 或手動監控已不足以確保系統穩定。
Ceph Dashboard 搭配 Prometheus + Alertmanager，
能提供即時可視化、指標收集與事件告警，
形成一個完整的「可觀測性 (Observability)」平台，
協助系統管理員達成：
- 故障預警
- 效能瓶頸分析
- 資源利用率趨勢追蹤
- 自動化修復與通知
本文將說明 Ceph Dashboard 的架構、與 Prometheus 的整合方式、
以及如何透過 Alertmanager 實現智慧化告警與自動化管理。
🧩 一、Ceph Dashboard 架構概覽
1️⃣ 架構簡介
自 Ceph Mimic (13.x) 版本起，Ceph 內建 Dashboard 模組，
提供基於 Web 的可視化管理介面。
Dashboard 架構如下：
┌────────────────────────────┐
│ Ceph Dashboard │
│ (內建於 MGR 模組中) │
└───────────┬────────────────┘
│ REST API / Metrics Export
▼
┌───────────────────────────┐
│ Prometheus │
│ (Metrics Collector) │
└───────────┬───────────────┘
│ Alerts / Rules
▼
┌───────────────────────────┐
│ Alertmanager │
│ (通知 / 自動化觸發) │
└───────────────────────────┘
Dashboard 本身具備：
- Cluster 健康狀態監控
- OSD / MON / MGR 狀態視覺化
- Pool 容量統計
- 整合 Prometheus 監控模組
- 使用者與角色存取控制 (RBAC)
⚙️ 二、啟用 Ceph Dashboard
在任一 Ceph 節點上啟用：
ceph mgr module enable dashboard
設定管理員帳號：
ceph dashboard ac-user-create admin admin123 administrator
啟用 HTTPS：
ceph dashboard set-login-credentials admin admin123
ceph config set mgr mgr/dashboard/server_port 8443
ceph config set mgr mgr/dashboard/ssl true
systemctl restart ceph-mgr@<node>
登入後可直接透過：
https://<mgr-node-ip>:8443
進入管理介面。
📈 三、整合 Prometheus 指標收集
1️⃣ 啟用 Prometheus 模組
ceph mgr module enable prometheus
查看 Exporter 狀態：
ceph mgr services
輸出範例：
{
"dashboard": "https://10.0.0.11:8443/",
"prometheus": "http://10.0.0.11:9283/"
}
Prometheus 即可透過 http://<mgr-node>:9283/metrics
定期收集 Ceph 叢集各種運作指標，包括：
- OSD 健康、延遲、I/O 量
- MON Quorum 狀態
- Pool 使用率
- RBD、CephFS、RGW 的效能統計
2️⃣ Prometheus 設定範例
修改 prometheus.yml：
scrape_configs:
- job_name: 'ceph'
static_configs:
- targets: ['10.0.0.11:9283']
重新啟動 Prometheus：
systemctl restart prometheus
📊 四、Grafana 視覺化整合（可選）
安裝 Grafana 後可導入 Ceph 官方 Dashboard Template（ID: 2842）：
1️⃣ 登入 Grafana → Import Dashboard
2️⃣ 選擇 Data Source 為 Prometheus
3️⃣ 顯示如：
- Pool 容量使用率
- OSD IOPS / 延遲圖
- 集群健康狀態總覽
📊 這讓運維人員可在單一視圖下掌握叢集狀態趨勢。
🔔 五、Alertmanager 告警機制
1️⃣ 啟用 Ceph 告警模組
ceph mgr module enable alerts
建立 Alertmanager 通知設定：
ceph config set mgr mgr/alerts/alertmanager_address http://10.0.0.20:9093
2️⃣ 設定 Alertmanager 通知範例
alertmanager.yml：
route:
receiver: 'email-alert'
receivers:
- name: 'email-alert'
email_configs:
- to: 'itops@nuface.tw'
from: 'ceph-monitor@nuface.tw'
smarthost: 'smtp.nuface.tw:587'
auth_username: 'ceph-monitor@nuface.tw'
auth_password: 'yourpassword'
Alertmanager 也支援 Slack、Webhook、LINE Notify 等通知整合。
3️⃣ 常見 Ceph 告警項目
| 告警類型 | 條件 | 建議處理方式 |
|---|---|---|
| OSD Down | OSD 掉線超過 300 秒 | 檢查磁碟狀態與節點連線 |
| Pool Near Full | Pool 使用率超過 85% | 擴容或清理 Snapshot |
| MON Quorum Lost | 少於 2 MON 節點存活 | 立即檢查網路與節點 |
| RBD Image Error | Volume 無法掛載 | 驗證 RADOS 層與網路連通性 |
🧠 六、Proxmox + Ceph 一體化監控建議
| 元件 | 整合方式 | 功能 |
|---|---|---|
| Proxmox VE | 內建 Prometheus Exporter | VM/CT 資源監控 |
| Ceph MGR | Prometheus 模組 | 儲存層健康狀態 |
| Grafana | 匯總多來源 Data Source | 整合視覺化儀表板 |
| Alertmanager | 統一事件通知管道 | 自動化警示與通知 |
| N8N / Webhook | 自動化反應（例如重啟服務） | 智慧修復與自動應變 |
🔒 七、最佳實務與治理建議
- 每個 Ceph Cluster 至少配置 1 MGR + 1 Prometheus 節點
- 所有警示均應設置 分級通知機制（Critical / Warning / Info）
- 將 Dashboard 與告警紀錄接入 中央 SIEM / Log Server
- 定期檢視 Ceph Cluster Health Reports 與歷史趨勢
- 可結合 Ansible + Webhook 實現自動化修復流程
✅ 結語
Ceph Dashboard + Prometheus + Alertmanager
共同構成一套完整的企業級 儲存可觀測性與自動化運維平台。
它不僅能：
- 實時掌握系統狀態
- 預警潛在問題
- 自動觸發修復或通知流程
更能讓企業在大規模分散式儲存架構中，
持續保持 可視、可控、可預測 的穩定運行。
💬 下一篇將探討：
「Ceph 在 AI 訓練與資料湖架構中的應用實例」，
說明如何結合高效儲存與大數據運算平台，
打造可彈性擴展的 AI 資料基礎層。