监控告警
KubePolaris 集成 Prometheus 和 Grafana，提供完整的监控告警能力。
监控概览
内置监控
KubePolaris 提供基础监控指标：
- 集群资源使用总览
- 节点资源使用率
- Pod 状态统计
- 工作负载健康状态
Prometheus 集成
配置 Prometheus 后可获得更丰富的指标：
- 详细资源使用趋势
- 自定义指标查询
- 长期数据存储
- 告警规则支持
Grafana 集成
配置 Grafana 后可直接在 KubePolaris 中查看监控面板：
- 内嵌 Dashboard
- 无需切换系统
- 统一访问控制
配置监控
配置 Prometheus
- 进入 系统设置 → 监控配置
- 填写 Prometheus 信息：
| 配置项 | 说明 | 示例 |
|---|---|---|
| 地址 | Prometheus 服务地址 | http://prometheus:9090 |
| 超时 | 查询超时时间 | 30s |
| 认证 | Basic Auth（可选） | - |
- 点击 测试连接
- 保存配置
配置 Grafana
- 填写 Grafana 信息：
| 配置项 | 说明 | 示例 |
|---|---|---|
| 地址 | Grafana 服务地址 | http://grafana:3000 |
| API Key | Grafana API 密钥 | eyJ... |
| Org ID | 组织 ID | 1 |
-
创建 Grafana API Key：
- 登录 Grafana
- 进入 Configuration → API Keys
- 创建新 Key（需要 Viewer 权限）
- 复制 Key 值
-
保存配置
配置 AlertManager
- 填写 AlertManager 信息：
| 配置项 | 说明 | 示例 |
|---|---|---|
| 地址 | AlertManager 服务地址 | http://alertmanager:9093 |
- 测试并保存
查看监控
集群监控
在集群详情页查看：
- CPU 使用率趋势图
- 内存使用率趋势图
- Pod 数量变化
- 节点状态分布
节点监控
在节点详情页查看：
- CPU 使用率（按核心）
- 内存使用详情
- 磁盘 IO
- 网络流量
工作负载监控
在工作负载详情页查看：
- 资源使用率
- Pod 副本状态
- 请求延迟（如有）
- 错误率（如有）
Pod 监控
在 Pod 详情页查看：
- 容器资源使用
- 重启历史
- OOM 事件
Grafana 面板
预置 Dashboard
KubePolaris 提供预置的 Grafana Dashboard：
| Dashboard | 用途 |
|---|---|
| Cluster Overview | 集群总览 |
| Node Details | 节点详情 |
| Pod Details | Pod 详情 |
| Workload Details | 工作负载详情 |
导入 Dashboard
- 进入 系统设置 → 监控配置
- 点击 Dashboard 管理
- 导入 JSON 或输入 Dashboard ID
- 配置显示位置
自定义 Dashboard
在 Grafana 中创建 Dashboard 后：
- 复制 Dashboard UID
- 在 KubePolaris 中添加引用
- 配置显示位置
告警管理
查看告警
在 告警中心 页面查看：
- 当前活跃告警
- 告警历史
- 按严重程度筛选
- 按集群筛选
告警详情
点击告警查看详情：
- 告警名称和描述
- 触发时间
- 影响范围
- 标签和注解
- 相关资源链接
告警状态
| 状态 | 说明 |
|---|---|
| 🔴 Firing | 告警触发中 |
| 🟢 Resolved | 告警已恢复 |
| 🟡 Pending | 等待确认 |
| ⚪ Silenced | 已静默 |
静默告警
临时屏蔽告警：
- 点击告警的 静默 按钮
- 设置静默时长
- 填写静默原因
- 确认
告警规则
在 系统设置 → 告警规则 管理规则：
内置规则
| 规则 | 条件 | 严重程度 |
|---|---|---|
| 节点 Down | 节点 NotReady > 5 分钟 | Critical |
| Pod 崩溃 | CrashLoopBackOff | Warning |
| CPU 使用率高 | > 80% 持续 15 分钟 | Warning |
| 内存使用率高 | > 85% 持续 15 分钟 | Warning |
| 磁盘使用率高 | > 90% | Warning |
| PVC 容量不足 | > 85% | Warning |
| 证书即将过期 | < 30 天 | Warning |
自定义规则
创建自定义 Prometheus 告警规则：
groups:
- name: custom-alerts
rules:
- alert: HighErrorRate
expr: |
sum(rate(http_requests_total{status=~"5.."}[5m]))
/
sum(rate(http_requests_total[5m])) > 0.1
for: 5m
labels:
severity: warning
annotations:
summary: "High error rate detected"
description: "Error rate is {{ $value | humanizePercentage }}"
通知渠道
配置通知
在 系统设置 → 通知配置 设置：
邮件通知
type: email
settings:
smtp_host: smtp.example.com
smtp_port: 587
username: alerts@example.com
password: xxxxxx
from: KubePolaris <alerts@example.com>
to:
- ops@example.com
- dev@example.com
钉钉通知
type: dingtalk
settings:
webhook: https://oapi.dingtalk.com/robot/send?access_token=xxx
secret: SECxxx # 加签密钥（可选）
企业微信
type: wechat
settings:
webhook: https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=xxx
Slack
type: slack
settings:
webhook: https://hooks.slack.com/services/xxx/xxx/xxx
channel: "#alerts"
Webhook
type: webhook
settings:
url: https://your-webhook.example.com/alerts
headers:
Authorization: Bearer xxx
通知策略
配置告警路由：
routes:
- match:
severity: critical
receiver: pager-duty
continue: true
- match:
severity: warning
receiver: email
- match:
team: backend
receiver: backend-slack
最佳实践
监控策略
-
分层监控
- 基础设施层（节点、网络）
- 平台层（Kubernetes 组件）
- 应用层（业务指标）
-
合理的告警阈值
- 避免过于敏感
- 避免告警风暴
- 定期调整优化
-
告警分级
- Critical: 需要立即处理
- Warning: 需要关注
- Info: 仅记录
常用 PromQL
# 节点 CPU 使用率
100 - (avg by(instance) (rate(node_cpu_seconds_total{mode="idle"}[5m])) * 100)
# 节点内存使用率
(1 - node_memory_MemAvailable_bytes / node_memory_MemTotal_bytes) * 100
# Pod CPU 使用
sum(rate(container_cpu_usage_seconds_total{container!=""}[5m])) by (pod)
# Pod 内存使用
sum(container_memory_working_set_bytes{container!=""}) by (pod)
# Pod 重启次数
sum(kube_pod_container_status_restarts_total) by (pod)
# Deployment 副本状态
kube_deployment_status_replicas_unavailable > 0
故障排查
Prometheus 连接失败
- 检查地址是否正确
- 检查网络连通性
- 检查认证配置
Grafana 面板不显示
- 检查 API Key 权限
- 检查 Dashboard 存在
- 检查时间范围
告警不触发
- 检查 AlertManager 配置
- 检查告警规则语法
- 查看 Prometheus 告警状态