Kubernetes 是當今容器管理和自動化最流行的選擇之一。一個高效的 Kubernetes 設置每天都會生成無數新的指標，這使得監控集群運行狀況非常具有挑戰性。你可能會發現自己在篩選多個不同的指標時，并沒有完全確定哪些是最具洞察力的，并需要給予最大的關注。

盡管這看起來是一項艱巨的任務，但你可以通過了解這些指標中的哪一個能夠正確地洞察 Kubernetes 集群的運行狀況，從而立即開始工作。盡管有一些可觀察性平臺可以幫助你監控 Kubernetes 集群的正確指標，但準確地了解哪些指標將幫助你有效監控。在本文中，我們將向你介紹 Kubernetes 的幾個排名榜首的健康指標。

崩潰循環

一個崩潰循環是你最不想被發現的事情。在崩潰循環中，你的應用程序在 pod 啟動時崩潰，并在循環中不斷崩潰和重新啟動。多種原因可能會導致崩潰循環，從而很難確定根本原因。在崩潰循環發生時得到警報，可以幫助你快速縮小原因列表，并采取緊急措施保持應用程序處于正常狀態。

集群狀態指標

另一個需要關注的關鍵指標是集群狀態。你應該能夠跟蹤集群中所有節點的聚合資源使用情況，包括所需的 pod、節點狀態、當前 pod、不可用 pod 和可用 pod。監控集群狀態并評估由此產生的指標可以讓你看到集群總體運行狀況的概要視圖。你還將了解與節點和 pod 有關的問題。根據狀態指標，你可以決定是否需要調查更大的問題或擴展集群。

使用這個指標，你還可以評估節點正在使用的資源數量。你還將看到有多少節點，還有多少節點仍然可用，從而可以準確地知道你所支付的費用以及是否需要調整所使用的節點的數量和大小。

磁盤和內存壓力

磁盤壓力是一個指標，它根據你在配置中設置的使用閾值，指示你的節點使用磁盤空間是過快還是過多。監控這個指標使你能夠確定何時需要添加額外的磁盤空間。它還可能表明你的應用程序沒有按照設計的方式運行，并且使用了比需要更多的磁盤空間。

內存壓力是一個指標，它指示一個節點正在使用的內存量。監控這個指標可以幫助你防止節點耗盡內存，并指示那些內存資源分配過度、不必要地增加了基礎設施開銷的節點。高內存壓力還可以判斷應用程序是否存在內存泄漏。

網絡不可用

你會立即想知道你的網絡什么時候出了問題。畢竟，你的節點和應用程序需要網絡連接才能運行。這個指標可以讓你知道什么時候出現了阻礙節點網絡連接的問題。這些問題可能是不適當的網絡配置或與硬件的物理連接問題造成的。

CPU 利用率

了解你的節點使用了多少 CPU 周期對于確保你的節點明智地使用其分配的 CPU 資源至關重要。如果你的應用程序或節點耗盡了所有已分配的處理資源，你就必須增加 CPU 分配或向集群添加額外的節點。如果你的節點或應用程序使用的 CPU 周期比你所支付的要少，那么你必須重新評估 CPU 分配，并在必要時進行降級。監控 CPU 利用率可以幫助你掌握此類場景，并使部署更有效地運行。

作業失敗

Kubernetes Job 是一種控制器，它確保 pod 執行一定的時間，然后一旦它們達到了預期的目的，它們就會退役。有時作業無法成功完成——要么是因為節點重新啟動，要么進入崩潰循環，甚至是資源耗盡。無論哪種方式，只要作業失敗發生，你就會想要知道它們。

作業失敗并不一定意味著你的應用程序是不可訪問的——但是忽略作業失敗可能會導致后續部署出現更嚴重的問題。密切監控作業失敗可以幫助及時恢復，并在未來避免這些問題。

DaemonSet

DaemonSet 確保 Kubernetes 集群中的所有節點運行你喜歡的特定 pod 的副本。當你希望在所有現有節點和添加到集群中的任何新節點上運行一個監控 service pod 時，DaemonSet 特別有用。

監控 DaemonSet 可以幫助你了解集群的運行狀況。理想情況下，集群中觀察到的 DaemonSet 數量應該與所需的 DaemonSet 數量匹配。如果你注意到這些數字不相同，那么至少有一個 DaemonSet 可能失敗了。

監控 Kubernetes 運行的健康指標

掌握所有 Kubernetes 健康指標對于確保及早發現、預防和及時診斷可能導致集群宕機的問題至關重要。使用正確的監控策略、Kubernetes 健康指標所關注的知識以及正確的監控工具集，是確保生產環境始終處于啟動和運行狀態的最佳方法。

我們在 LOGIQ 已經構建了一個監控工具，它可以幫助監控各種大小的 Kubernetes 集群，確保沒有任何東西不被發現，將成本保持在最低限度，同時為 Kubernetes 提供其他任何人都無法做到的可觀察性。跟我們談談^[2]你們的 Kubernetes 基礎設施系統，以及你們希望監控什么。