ServiceMonitor 是 Prometheus Operator 提供的一种 K8s 自定义资源（CRD），用来 “声明式” 地告诉 Prometheus 要监控哪些 Service，我们此前也记录了一篇部署pr...
我们最近遇到很多系统需要启动很久才能进入系统的情况，实际这个我们如果在有IPMI管理的情况下可以进入虚拟KVM控制台查看到应该是有某些systemd服务异常导致一致卡在某一个阶段导致，当重试多次启动失败以后才会进入系统。...
我们有时会遇到带IB网卡的GPU机器RDMA设备名不一样的问题，这种情况就会影响我们的正常使用，所以这个时候需要我们对RDMA设备名字进行修改注意我们此次涉及到两个名字，一个是RDMA设备名，一个是IB网卡名，他们是不同...
默认 kube-scheduler 用的是 LeastRequested：空闲越多越优先，我们需要改成：MostAllocated（已用越多、得分越高、越优先）。我们目前想根据线上环境调整下策略，实际需求就是使用GPU的...
我的需求是使用loki存储数据，然后最后在grafana中展示，目前grafana已经部署好了，所以我们需要部署loki，我记得我此前工作一家公司是loki+promtail的组合，但是目前查询到promtail没有维护...