Node Health Check

当用户要求检查某台机器是否健康、做体检或全面状态检查时，使用此工作流。

步骤

1. 查询节点基础信息

使用 exec 获取节点运行信息：

uptime && echo "---" && uname -a

2. CPU 健康

100 - (avg by (instance) (rate(node_cpu_seconds_total{mode="idle"}[5m])) * 100)

如果用户指定了实例，加上 {instance="<ip>:9100"}。

3. 内存健康

(1 - (node_memory_MemAvailable_bytes / node_memory_MemTotal_bytes)) * 100

检查是否存在 OOM 风险：

node_memory_MemAvailable_bytes < 100 * 1024 * 1024

4. 磁盘健康

用 query_metrics 检查所有挂载点的磁盘使用率：

(1 - (node_filesystem_avail_bytes{fstype!="",instance="<instance>"} / node_filesystem_size_bytes{fstype!="",instance="<instance>"})) * 100

以及 inode 使用率：

(1 - (node_filesystem_files_free{fstype!="",instance="<instance>"} / node_filesystem_files{fstype!="",instance="<instance>"})) * 100

5. 网络健康

检查网络接口错误率：

rate(node_network_receive_errors_total[5m]) > 0

6. 系统运行时间

time() - node_boot_time_seconds{instance="<instance>"}

7. 综合评分

类别	通过条件	异常
CPU	< 80%	≥ 80%
内存	< 85%	≥ 85%
磁盘	< 80%	≥ 80%
inode	< 80%	≥ 80%
网络错误	0	> 0

汇总结果——几项通过、几项异常——告知用户整体状态。