Node Export Metrics 導讀

本篇目標就是建立多個 Node Exporter Metrics 的 Grafana dashboards，並在這些儀表板的說明欄位中，放上一些說明和建議 action。

使用版本：v1.9.0。

NTP¶

使用 timex 收集器。內容來源於 kernel 提供的 adjtimex。

對於 NTP 的說明可以參考這篇。

Name	Description	換句話說	越怎樣越好
`offset_seconds`	Time offset in between local system and reference clock.	NTP server 回過來的時間和本地時間的差距	越小
`frequency_adjustment_ratio`	Local clock frequency adjustment.	當 `offset_seconds` 過高時，開始調整此值讓系統逐步校時，單位是秒，如果值為 1.0001，就代表每秒修正 0.1ms，也就是 100ppm	越接近 1
`maxerror_seconds`	Maximum error in seconds.	校時機制算出可能的最大錯誤秒數	越小
`estimated_error_seconds`	Estimated error in seconds.	根據 RFC 5905，此值計算來源於公式中的 `max_error`，而這在 linux kernel 中被 hard code 為 16s，我的經驗是只會拿到 0 或 16s	越小
`status`	Value of the status array bits.	bitmask 的值，所以在面板中要用 log2 呈現，請參考下方「NTP status 列表」	無
`loop_time_constant`	Phase-locked loop time constant.	同步算法中的常數，通常是 3 秒	小可以頻繁調整，大可以抗噪
`tick_seconds`	Seconds between clock ticks.	kernel 中時鐘的最小計時分辨率	是固定值
`pps_frequency_hertz`	pps frequency.
`pps_jitter_seconds`	pps jitter.
`pps_shift_seconds`	pps interval duration.
`pps_stability_hertz`	pps stability, average of recent frequency changes.
`pps_jitter_total`	pps count of jitter limit exceeded events.
`pps_calibration_total`	pps count of calibration intervals.
`pps_error_total`	pps count of calibration errors.
`pps_stability_exceeded_total`	pps count of stability limit exceeded events.
`tai_offset_seconds`	International Atomic Time (TAI) offset.	因為閏秒所造成與國際原子時相差的秒數，可以當稱歷來閏秒的總和	無所謂
`sync_status`	Is clock synchronized to a reliable server (1 = yes, 0 = no).	來源於 time synchronization flag，但並不是每個 daemon 都會設定此值，相關說明請參考此篇

NTP status 列表
Bit index	status name	description
0	STA_PLL	啟用 PLL（相位鎖定環），用於調整系統時鐘的頻率。
1	STA_PPSFREQ	啟用 PPS 頻率調整，利用硬體的 PPS 信號校準時鐘頻率。
2	STA_PPSTIME	啟用 PPS 時間調整，利用硬體的 PPS 信號校準系統時鐘的秒級同步。
3	STA_FLL	啟用 FLL（頻率鎖定環），用於時鐘頻率調整，作為 PLL 的補充或替代。
4	STA_INS	插入閏秒，用於保持 UTC 的正確性。
5	STA_DEL	刪除閏秒，用於保持 UTC 的正確性。
6	STA_UNSYNC	系統時鐘未同步，表示當前無法獲得可靠的時間源。
7	STA_FREQHOLD	暫停頻率更新，可能是因為缺乏可靠的時間同步數據。
8	STA_PPSSIGNAL	正在接收有效的 PPS 信號，表明硬體提供了準確的時間同步信號。
9	STA_PPSJITTER	PPS 信號的抖動過大，可能導致時間同步不穩定。
10	STA_PPSWANDER	PPS 信號的移過大，超出了內核的接受範圍。
11	STA_PPSERROR	PPS 信號發生錯誤，可能是硬體信號丟失或不穩定。
12	STA_CLOCKERR	系統時鐘發生錯誤，例如硬體問題或時間同步異常。
13	STA_NANO	Chrony 特有，表示系統內核以 ns 為單位進行時間解析度，而非傳統的 ms。
16	STA_RONLY	只讀模式，系統時鐘被設置為只讀，無法被修改（通常被用於保護或測試模式）。

我沒有用 PPS 來做校時，所以這段的指標就不多說什麼，也因此 NTP status 對我來說真正有解析價值的位元是 4、5、6、12。

NTP 注意事項¶

誠如上面所說，指標來源於 adjtimex，而 Chrony 的日誌通常代表最直接的誤差結果，所以你很可能看到指標和日誌對不上，或者指標中沒有過大的誤差。例如，當 Chrony 發現 system time 和 NTP server time 有差距時（也就是 offset 開始拉高），就會根據 maxupdateskew 逐步修正時間（通常是 0.1 ms/s），並不會真的反應到這時 kernel 就會不知道 offset 誤差很大，只有 system time 和 physic time 有誤差時才會被感知，例如有人透過 syscall CLOCK_SET 強制調整系統時間或重新初始化 NTP 校時機制。但是我們可以通過 frequency_adjustment_ratio 來得知目前時間是否有異常，因為 Chrony 會因為和 NTP server 時間對不上，而去調整 kernel 的 frequency_adjustment_ratio。

相對而言，如果使用 Linux 原生的 NTP 機制，就會很好地反映在指標中。