故障排查与日志¶

`/ready` 返回 503¶

missing 表示 required target 上某个启用的 Cost Explorer collector 从未成功；stale 表示最近成功已超过 cache.stale_after。按 target、collector 检查 aws_cost_exporter_collector_up、aws_cost_exporter_cache_age_seconds 和最近成功时间。

可选 Collector 不参与 readiness。失败 Collector 会保留旧数据，因此 /metrics 返回 200 不代表数据新鲜。

AWS 权限与身份¶

Cost Explorer 403 时检查 ce:GetCostAndUsage、ce:GetCostForecast，然后确认最终凭证账户等于 target.account_id；每个 target 在计费调用前执行 STS GetCallerIdentity。

Profile 失败时检查 shared AWS files 和无界面 SSO 登录；AssumeRole 检查精确 Role ARN、Source Principal、sts:ExternalId 和 external_id_env。敏感值和 Caller ARN 不会出现在日志中。

限流与请求成本¶

出现 throttling 时检查 aws_cost_exporter_aws_api_requests_total、aws_cost_exporter_aws_api_retries_total、aws_cost_exporter_pagination_pages_total。SDK retry 在全局与 target limiter 后执行。提高 RPS 前先收紧过滤、页数、basis 和刷新频率。

Billing 数据可能延迟或 backfill。Forecast 覆盖 today through month end，估算月末时需要从 MTD 中减去今日 daily 再加 forecast。

基数¶

超限值聚合到 __other__；检查 aws_cost_exporter_dimension_overflow_values_total。overflow_label 不能与 provider 或真实 dimension 值冲突。不同 currency、provider、basis 不能合并。提高 max_currencies 前同时提高兼容的 CUR 与 Tag series budget。

CUR 与 Athena¶

检查 CUR Region、Workgroup、Glue Table、输入 Prefix、结果 Prefix、query_timeout、poll_interval、行/页上限和 athena:StopQueryExecution。检查 StartQueryExecution、GetQueryExecution、GetQueryResults、StopQueryExecution 操作。失败或异常结果会保留旧数据。

Shutdown、副本与 Debug¶

关闭超过配置 timeout 时检查 aws_cost_exporter_scheduler_shutdown_timeouts_total。除非接受重复请求，否则保持一个 replica。Debug 默认关闭，启用时应由 NetworkPolicy 或认证代理保护。

日志与轮转¶

Exporter 将结构化 JSON 或 Text 日志写到 stdout/stderr，不创建、重新打开、轮转、压缩或删除文件。

Docker：为 local 或 json-file Driver 配置大小和数量上限。
Kubernetes：配置 kubelet 轮转并使用集群日志 Agent 转发。
systemd：使用 journald 和中心化保留限制。
文件重定向：无法避免时才使用外部 logrotate。

成本元数据可能暴露账户结构，应限制日志访问。禁止记录凭证、Authorization Header、ExternalId、账户 Email 或原始 AWS Response。