监控 K8s 集群，必须关注的“黄金指标”有哪些？它们分别来自哪里？

监控一个 K8s 集群，如果眉毛胡子一把抓，很容易淹没在海量指标里。一个成熟的做法是按资源、状态、业务三个维度去组织“黄金指标”。

一、资源指标（来自 cAdvisor 和 node-exporter）

反映“机器/容器资源是否够用”：

• CPU / 内存使用率
• CPU 节流（Throttling）：容器被 cgroup 限流的次数，常常比 CPU 使用率更能暴露性能问题
• 网络吞吐量
• 磁盘 I/O

二、状态指标（来自 kube-state-metrics）

直接反映“服务是否可用”：

• Pod 重启次数（kube_pod_container_status_restarts_total）
• Pod 就绪率（Ready / Desired）
• Node 就绪状态

三、业务指标（来自应用本身）

这才是“应用是否健康”的最终判据，通常由应用埋点暴露：

• 请求量（QPS）
• 接口响应时间（P99 等分位值）
• 错误率

小结

资源指标回答“够不够”，状态指标回答“活着没”，业务指标回答“好不好”。三层都覆盖，监控才算“立体”。