Ubuntu Kubernetes 集群监控如何设置 - 问答

Ubuntu Kubernetes 集群监控搭建指南

一架构与组件选型

指标监控：使用 Prometheus 采集与存储时间序列指标，配合 Grafana 做可视化与面板展示。
采集覆盖：
- cAdvisor（已内置于 Kubelet）负责容器资源使用指标。
- Node Exporter 负责节点级（CPU、内存、磁盘、网络）指标。
- kube-state-metrics 负责集群对象（Pod、Deployment、Node 等）状态指标。
告警通知：使用 Alertmanager 对接企业微信、钉钉、邮件、Webhook 等通道。
部署方式：优先采用 kube-prometheus-stack（Prometheus Operator 的发行版），通过 Helm 快速安装与维护，内置大量 ServiceMonitor 与 Grafana 仪表盘，开箱即用。

二快速落地步骤

准备环境
- 确保集群可正常访问镜像仓库，节点时间已同步（如 chrony），并具备 kubectl 与 Helm 3 环境。

安装 kube-prometheus-stack（Helm）

添加仓库并安装（示例命名空间为 monitoring）：

helm repo add prometheus-community https://prometheus-community.github.io/helm-charts
helm repo update
kubectl create ns monitoring
helm install prometheus prometheus-community/kube-prometheus-stack \
  --namespace monitoring \
  --set grafana.service.type=NodePort \
  --set prometheus.service.type=NodePort

验证安装：

kubectl -n monitoring get pods -l app.kubernetes.io/name=prometheus
kubectl -n monitoring get svc prometheus-grafana
kubectl -n monitoring get svc prometheus-kube-prometheus-prometheus

访问控制台
- Grafana：http://<任一节点IP>:/，默认账号 admin，首次登录需设置密码。
- Prometheus：http://<任一节点IP>:/，可查询 up、node_cpu_seconds_total 等指标。
导入常用仪表盘
- 在 Grafana 导入 Kubernetes / Compute Resources / Cluster（ID：3119）、Nodes（ID：315）等官方面板，快速获得节点与集群概览。

三关键配置与扩展

持久化存储（可选，生产推荐）
- 使用 NFS 或其他 StorageClass 为 Prometheus 与 Grafana 提供 PVC，避免数据重启丢失。示例思路：
  - 搭建 NFS Server（Ubuntu）：安装 nfs-kernel-server，配置导出目录（如 /data/pvdata），客户端安装 nfs-common 并挂载验证。
  - 创建 PV/PVC（示例名称空间 monitoring），在 Helm 安装时通过 values.yaml 指定 Prometheus 的 persistence.storageClass 与 size，或复用已有 PVC。
自定义采集与告警
- 为应用添加注解，使其被 Prometheus 自动发现：
```
metadata:
  annotations:
    prometheus.io/scrape: "true"
    prometheus.io/port: "8080"
    prometheus.io/path: "/metrics"
```
- 在 PrometheusRule 中定义告警规则（如 InstanceDown），并在 Alertmanager 配置路由与接收器（钉钉/企业微信/邮件/Webhook），实现 7×24 通知。

四验证与常见问题

验证采集链路
- 在 Prometheus Targets 页面确认 kubelet、node-exporter、kube-state-metrics、prometheus 等均为 UP 状态。
- 在 Grafana 查询 up{job=“kubernetes-nodes”}、rate(node_cpu_seconds_total[5m]) 等指标是否有数据。
常见问题排查
- 节点未就绪：检查 kubelet 与 cAdvisor 是否正常，节点污点与污点容忍是否影响调度。
- 抓取失败：核对 ServiceMonitor 的 namespaceSelector/selector 与目标的 annotations 是否匹配。
- 存储不可用：确认 StorageClass 存在且 PV/PVC 处于 Bound，权限与路径正确（NFS 场景下目录属主与权限）。
- 告警未送达：检查 Alertmanager 的 route 与 receivers 配置、网络连通性与 Webhook 签名/Token 是否正确。

0 赞

0 踩