k8s集群监控维度

1. 关于 CPU 的 limit 合理性指标。查出最近5分钟，超过25%的 CPU 执行周期受到限制的容器。表达式：

sum(increase(container_cpu_cfs_throttled_periods_total{container!="", }[5m])) by (container, pod, namespace) / sum(increase(container_cpu_cfs_periods_total{}[5m])) by (container, pod, namespace) > ( 25 / 100 )
# container_cpu_cfs_periods_total：容器生命周期中度过的 cpu 周期总数
# container_cpu_cfs_throttled_periods_total：容器生命周期中度过的受限的 cpu 周期总数

2. CPU/MEM 水位

kube_pod_container_resource_requests_cpu_cores：pod 分配CPU cores 数量
kube_node_status_allocatable_cpu_cores：节点 CPU cores 数量
kube_pod_container_resource_requests_memory_bytes：pod 分配内存数量
kube_node_status_allocatable_memory_bytes：节点内存量

3. api 服务异常

sum(rate(apiserver_request_total{job="apiserver",code=~"5.."}[5m])) by (resource,subresource,verb) / sum(rate(apiserver_request_total{job="apiserver"}[5m])) by (resource,subresource,verb) > 0.05
# apiserver_request_total：APIServer 请求数
# aggregator_unavailable_apiservice_count：监测自定义注册的 APIService 不可用次数。

4. 证书过期时间

apiserver_client_certificate_expiration_seconds_count：证书有效剩余时间

5. 集群状态

absent(up{job="apiserver"} == 1)
kube_node_status_condition：节点状态监测
kubelet_running_pod_count：节点运行的 Pods 数量

参考：https://www.sohu.com/a/419114353_760387