【Prometheus】如何监控 Kubernetes 的工作负载（Deployments, StatefulSets）和资源使用情况（CPU/Memory Requests Limits）？

深度监控 Kubernetes 工作负载：从 Deployments 状态到 CPU/Memory 资源水位的全景洞察用户问题原文：“如何监控 Kubernetes 的工作负载（Deployments, StatefulSets）和资源使用情况（CPU/Memory Requests Limits）？”本文将系统性地阐述如何构建一个覆盖 Kubernetes 工作负载全生命周期的监控体系。我们将聚焦于两大核心维度：工作负载对象的状态健康度（如 Deployment 是否就绪）和Pod 实际的资源消耗与配额对比（CPU/Memory 使用率 vs. Requests/Limits）。通过一个电商大促实时库存水位告警的真实场景，我们将深入剖析 Kube State Metrics 的指标模型、cAdvisor 的数据采集机制，并手把手构建生产级的 PromQL 查询与告警规则，确保你的应用在任何流量洪峰下都稳如磐石。一、引子：大促之夜的“幽灵”库存告警想象你正在负责一个电商平台的核心库存服务。该服务以Deployment形式部署，配置了合理的 HPA（Horizontal Pod Autoscaler）策略。在年度大促的零点，流量瞬间飙升，HPA 成功将副本数从 10 扩容到 100。然而，监控系统却开始疯狂告警：“ec