如何监控 etcd 集群的健康状态？关键指标有哪些？

etcd 是 Kubernetes 的“大脑”，所有集群状态（API 对象、调度结果、配置）都存储在它里面。一旦 etcd 不健康，整个集群的控制面就会失灵。因此 etcd 的监控优先级极高。

关键监控指标

1. etcd_server_has_leader

• 含义：当前节点是否感知到一个 Leader；
• 健康值必须为 1。如果变成 0，说明发生了 Leader 选举失败或脑裂，集群写入会受影响。

2. etcd_disk_wal_fsync_duration_seconds

• 含义：WAL（写前日志）刷盘的延迟；
• 高延迟会直接导致集群不稳定。etcd 对磁盘 I/O 极其敏感，这条指标一旦升高要立刻排查磁盘。

3. etcd_server_proposals_failed_total

• 含义：提案（proposal）失败的总数；
• 它直接反映集群的可用性。持续增长往往意味着 Leader 不稳定或磁盘跟不上。

小结

盯住 has_leader（必须是 1）、WAL fsync 延迟（要低）、proposals_failed（要平），基本就能守住 etcd 这条生命线。