为什么说 Prometheus + Grafana 是 K8s 监控的“事实标准”？它的核心架构是怎样的？

在 Kubernetes 生态里，监控方案一度“百花齐放”，但时至今日，Prometheus + Grafana 几乎成了社区公认的“事实标准”。根据 CNCF（云原生计算基金会）的年度调查，超过 80% 的生产集群都在使用这一组合。

为什么它能成为事实标准

它的核心优势可以归纳为三点：

1. 基于 Pull 的指标采集模型：Prometheus 主动从被监控目标拉取（scrape）指标，而不是让目标推送。这种“中心拉取”模式让采集端更容易做服务发现、更可控，也避免了客户端埋点带来的雪崩风险。
2. 强大的多维数据模型：所有指标都带有 Labels（键值对），可以基于 Label 灵活地聚合、切片、下钻。例如 rate(http_requests_total{namespace="prod"}[5m]) 就能按命名空间统计 QPS。
3. 完善的生态：从 Exporter 到 Operator，社区轮子极其丰富，几乎任何组件都有现成的采集方案。

一个标准的 K8s 监控栈包含什么

一个“全家桶”式的监控栈通常由以下组件构成：

• Prometheus：负责指标的抓取（scrape）和时序存储（TSDB）。
• Grafana：负责数据可视化，把 PromQL 查询结果绘制成丰富的仪表盘。
• Alertmanager：负责告警的路由、分组、去重与静默，避免告警风暴。
• kube-state-metrics (KSM)：把 Kubernetes 的资源对象（如 Deployment、Pod、Node）的状态转换成指标，例如 kube_pod_status_ready。
• cAdvisor：集成在 kubelet 中，负责监控容器的实时资源使用情况（CPU、内存、文件系统、网络等）。

正是这“五件套”的分工协作，构成了今天绝大多数 K8s 集群监控的底座。