跳到主要内容

用夜莺监控 DNS 解析质量

用本机或指定的 DNS 服务器查询一组域名，上报解析耗时、返回码和记录数，第一时间发现解析慢或解析失败。

最后校对于

dns_query 插件向指定的 DNS 服务器（可以是本机配置的，也可以是外部的公共 DNS）查询 domains 里的域名，支持 A、AAAA、CNAME、MX、TXT 等记录类型，上报查询耗时、rcode、返回的记录数和结果值。

通常不需要每台机器都开，挑一两台做探测点，把业务域名和关键第三方域名配进去，并用标签区分探测点和 DNS 服务器。规则覆盖解析失败、解析耗时过长和返回码异常。

模板里有什么​

  • 4 条告警规则，每条附处置步骤
  • 5 条指标说明
  • Categraf 采集配置：input.dns_query

怎么接入​

  1. 安装 Categraf，把下面的配置放到 conf/input.dns_query/dns_query.toml，按实际地址和凭据改好后重启 Categraf。启动日志里出现 input: local.dns_query started 就说明插件已加载。

    # # collect interval
    # interval = 15

    [[instances]]
    # # append some labels for series
    # labels = { region="cloud", product="n9e" }

    # # interval = global.interval * interval_times
    # interval_times = 1

    # # 
    auto_detect_local_dns_server  = false

    ## servers to query
    # servers = ["8.8.8.8"]
    servers = []

    ## Network is the network protocol name.
    # network = "udp"

    ## Domains or subdomains to query.
    # domains = ["."]

    ## Query record type.
    ## Possible values: A, AAAA, CNAME, MX, NS, PTR, TXT, SOA, SPF, SRV.
    # record_type = "A"

    ## Dns server port.
    # port = 53

    ## Query timeout in seconds.
    # timeout = 2

  2. 在夜莺「集成中心」里找到 DNS Query，把仪表盘和告警规则导入到业务组。

  3. 导入的告警规则默认是停用的。先确认指标已经入库，再按自己环境的阈值逐条启用。

内置告警规则​

共 4 条。每条给出触发条件（PromQL）和告警后的处置步骤，导入后可以直接改阈值。

DNS 响应状态码异常​

S2 警告 · 持续 1 分钟 · 触发条件:

dns_query_rcode_value != 0

处置步骤:

  1. 在采集机上手工 dig @<DNS服务器> <域名> 复现，看 status 与耗时；
  2. 换用公共 DNS（如 dig @223.5.5.5）对比，区分是 DNS 服务器问题还是域名本身问题；
  3. 自建 DNS 的检查服务进程、上游转发配置与网络连通性；
  4. 确认探测配置里的域名、记录类型、超时设置是否合理，避免配置导致误报。

DNS查询响应时间大于5秒​

S2 警告 · 持续 1 分钟 · 触发条件:

dns_query_time_ms > 5000

处置步骤:

  1. 在采集机上手工 dig @<DNS服务器> <域名> 复现，看 status 与耗时；
  2. 换用公共 DNS（如 dig @223.5.5.5）对比，区分是 DNS 服务器问题还是域名本身问题；
  3. 自建 DNS 的检查服务进程、上游转发配置与网络连通性；
  4. 确认探测配置里的域名、记录类型、超时设置是否合理，避免配置导致误报。

DNS 查询超时​

S2 警告 · 持续 1 分钟 · 触发条件:

dns_query_result_value == 1

处置步骤:

  1. 在采集机上手工 dig @<DNS服务器> <域名> 复现，看 status 与耗时；
  2. 换用公共 DNS（如 dig @223.5.5.5）对比，区分是 DNS 服务器问题还是域名本身问题；
  3. 自建 DNS 的检查服务进程、上游转发配置与网络连通性；
  4. 确认探测配置里的域名、记录类型、超时设置是否合理，避免配置导致误报。

DNS 查询异常​

S2 警告 · 持续 1 分钟 · 触发条件:

dns_query_result_value == 2

处置步骤:

  1. 在采集机上手工 dig @<DNS服务器> <域名> 复现，看 status 与耗时；
  2. 换用公共 DNS（如 dig @223.5.5.5）对比，区分是 DNS 服务器问题还是域名本身问题；
  3. 自建 DNS 的检查服务进程、上游转发配置与网络连通性；
  4. 确认探测配置里的域名、记录类型、超时设置是否合理，避免配置导致误报。

指标说明​

共 5 条，和仪表盘、告警规则里用到的指标一一对应。

指标含义单位
dns_query_rcode_valueDNS 响应中的状态码 — 0 (NOERROR)：查询成功，没有错误 1 (FORMERR)：格式错误，DNS 服务器无法理解查询请求 2 (SERVFAIL)：服务器失败，DNS 服务器遇到内部错误 3 (NXDOMAIN)：域名不存在 4 (NOTIMP)：查询类型不被支持 5 (REFUSED)：查询被拒绝，通常是策略原因 在监控中，RCODE 为 0 表示查询成功，其他值通常表示存在问题需要关注
dns_query_result_value自定义的查询结果 — 0表示成功，1表示超时，2表示出错.
dns_query_status_changeDNS解析状态变更 — 当expect_query_ips配置了对应的域名后， categraf会对比响应的IP列表与配置的IP列表, 此时会产生这个指标,0 表示响应的IP与期望的IP一致， 1表示响应的IP与期望的IP出现差异.
dns_query_status_change_detailDNS解析变更详情 — 0 表示响应的IP与期望的IP一致， 1表示响应的IP与期望的IP出现差异。 {ips="响应的IP列表", diff="响应IP列表-期望IP列表"}
dns_query_time_ms查询的响应时间ms

相关链接​

本页目录