Linux环境下K8S如何监控资源

Linux环境下K8S监控资源的常用方法与工具

一、基础命令行工具：快速查看资源状态

1. kubectl top：Kubernetes自带的轻量级命令，用于快速查看节点和Pod的资源使用情况（CPU、内存）。

   • 查看节点资源使用：kubectl top nodes
   • 查看所有命名空间的Pod资源使用：kubectl top pods --all-namespaces
   • 注意：需提前安装Metrics Server（见下文），否则无法显示具体数值。

2. kubectl基础命令：通过Kubernetes API获取集群资源的状态信息，适合日常运维快速检查。

   • 查看节点列表及状态：kubectl get nodes
   • 查看所有命名空间的Pod列表：kubectl get pods --all-namespaces
   • 查看Deployment状态：kubectl get deployments --all-namespaces
   • 查看集群事件（如Pod异常、节点故障）：kubectl get events --all-namespaces

二、Metrics Server：集群资源指标聚合器

Metrics Server是Kubernetes集群的核心监控组件，负责收集节点和Pod的CPU、内存使用数据，为kubectl top和其他监控工具提供数据源。

• 安装步骤：通过kubectl应用官方配置文件即可部署：
  kubectl apply -f https://github.com/kubernetes-sigs/metrics-server/releases/latest/download/components.yaml
• 作用：将节点和Pod的资源使用数据聚合到Kubernetes API中，支持按命名空间、Pod名称等维度筛选。

三、Prometheus + Grafana：专业监控与可视化方案

这是Linux环境下K8S最流行的监控组合，适用于生产级场景，支持全栈监控（节点、Pod、容器、集群组件）和自定义告警。

1. Prometheus：开源时间序列数据库，负责收集、存储监控数据。
   • 部署方式：推荐使用Helm Chart简化部署（如stable/prometheus或prometheus-community/kube-prometheus-stack），自动配置Kubernetes服务发现（无需手动维护Target列表）。
   • 数据采集：通过scrape_configs配置自动发现Kubernetes节点、Pod、kube-state-metrics等服务，采集CPU、内存、磁盘、网络等指标。
2. Grafana：开源可视化平台，用于将Prometheus中的数据转换为直观的仪表板。
   • 配置步骤：
     • 部署Grafana：kubectl apply -f https://raw.githubusercontent.com/grafana/grafana/master/deploy/recommended/grafana.yaml
     • 添加Prometheus数据源：进入Grafana Web界面（默认端口3000），配置Prometheus地址（如http://prometheus-operated.monitoring.svc.cluster.local:9090）。
     • 导入仪表板：通过Grafana的“+”→“Dashboard”→“Import”，输入现成仪表板ID（如Kubernetes集群监控的ID：1860、1933）即可查看节点、Pod的资源使用趋势。

四、辅助监控组件：补充关键指标

1. cAdvisor：容器级别的资源监控工具，收集容器的CPU、内存、磁盘、网络使用数据。

   • 集成方式：默认集成在Kubernetes的kubelet组件中，可通过Kubernetes Dashboard或kubectl top间接查看其数据，也可单独通过Prometheus采集（cAdvisor暴露的/metrics端点）。

2. kube-state-metrics：监听Kubernetes API Server，生成集群资源对象的状态指标（如Pod的创建/删除次数、Deployment的副本数、Node的Ready状态）。

   • 作用：补充Prometheus的“资源使用指标”，提供“资源状态指标”，帮助监控集群的健康状况（如Pending的Pod数量、节点是否NotReady）。
   • 部署方式：通过Helm Chart（kube-state-metrics）或手动部署（需创建DaemonSet或Deployment）。

3. Node Exporter：收集节点级别的硬件和操作系统指标（如CPU使用率、内存使用量、磁盘IO、网络流量、文件系统空间）。

   • 部署方式：通过DaemonSet控制器部署，确保每个节点都运行一个Node Exporter实例，其指标可通过Prometheus采集（目标地址为node-exporter..svc.cluster.local:9100）。

五、第三方工具：增强特定场景监控

1. DeepSeek：专为K8s设计的深度监控与诊断工具，支持实时监控（资源使用、容器运行状态）、异常预警（基于机器学习的资源瓶颈预测）、根源分析（定位Pod OOM、CPU飙升的原因）。

   • 部署步骤：添加DeepSeek Helm仓库（helm repo add deepseek https://charts.deepseek.com），创建命名空间并安装（helm install deepseek deepseek/deepseek --namespace deepseek），配置预警规则（如Pod CPU使用率超过80%触发告警）。

2. ELK Stack（Elasticsearch+Logstash+Kibana）：主要用于日志收集、搜索与可视化，补充Prometheus的“指标监控”，实现“日志+指标”的联合分析（如通过日志定位Pod异常的原因，结合指标判断异常趋势）。

   • 部署方式：通过DaemonSet部署Filebeat收集节点日志，发送至Logstash进行处理，最后存储到Elasticsearch，通过Kibana创建仪表板展示日志和指标关联视图。