Prometheus Operator 安装指南:三种主流部署方案详解
2026-02-04 05:06:43作者:范靓好Udolf
前言
Prometheus Operator 是 Kubernetes 生态中用于简化 Prometheus 监控系统部署和管理的核心工具。本文将深入讲解三种主流安装方式,帮助您根据实际环境选择最适合的部署方案。
环境准备
在开始安装前,请确保满足以下条件:
- 已部署 Kubernetes 集群(版本 ≥1.16.0)
- 配置好 kubectl 命令行工具
- 建议使用最新版 Prometheus Operator(≥0.39.0)
重要提示:如果您的集群版本较旧,建议先升级 Kubernetes 再部署 Operator,以避免兼容性问题。
方案一:YAML 文件直接部署
这是最基础的部署方式,适合需要完全控制部署过程的用户。
部署步骤
- 安装 CRD 和 Operator
# 获取最新版本并部署
LATEST=$(curl -s https://api.github.com/repos/prometheus-operator/prometheus-operator/releases/latest | jq -cr .tag_name)
curl -sL https://github.com/prometheus-operator/prometheus-operator/releases/download/${LATEST}/bundle.yaml | kubectl create -f -
- 自定义命名空间部署(需安装 Kustomize)
NAMESPACE=monitoring # 替换为您的命名空间
TMPDIR=$(mktemp -d)
LATEST=$(curl -s https://api.github.com/repos/prometheus-operator/prometheus-operator/releases/latest | jq -cr .tag_name)
curl -s "https://raw.githubusercontent.com/prometheus-operator/prometheus-operator/refs/tags/$LATEST/kustomization.yaml" > "$TMPDIR/kustomization.yaml"
curl -s "https://raw.githubusercontent.com/prometheus-operator/prometheus-operator/refs/tags/$LATEST/bundle.yaml" > "$TMPDIR/bundle.yaml"
(cd $TMPDIR && kustomize edit set namespace $NAMESPACE) && kubectl create -k "$TMPDIR"
- 验证部署状态
kubectl wait --for=condition=Ready pods -l app.kubernetes.io/name=prometheus-operator
方案特点
- 部署过程透明可控
- 适合需要深度定制的场景
- 需要手动管理后续升级
方案二:Kube-Prometheus 全家桶
这是推荐给新手的集成化方案,一次性部署完整的监控体系。
部署流程
- 获取部署清单
git clone https://github.com/prometheus-operator/kube-prometheus.git
cd kube-prometheus
- 分阶段部署
# 第一阶段:创建CRD和命名空间
kubectl create -f manifests/setup
# 等待CRD就绪
until kubectl get servicemonitors --all-namespaces ; do sleep 1; done
# 第二阶段:部署监控组件
kubectl create -f manifests/
- 一键式部署(可选)
kubectl create -f manifests/setup -f manifests
包含组件
- Prometheus Operator
- 预配置的 Prometheus 实例(prometheus-k8s)
- Alertmanager 告警系统
- Grafana 仪表盘
- 预定义的告警规则和服务监控
卸载方法
kubectl delete --ignore-not-found=true -f manifests/ -f manifests/setup
方案三:Helm Chart 部署
适合习惯使用 Helm 的运维团队,提供灵活的配置选项。
部署要点
- 该方案使用社区维护的 kube-prometheus-stack chart
- 包含与方案二类似的组件集合
- 支持通过 values.yaml 进行深度定制
核心优势
- 版本管理方便
- 支持配置覆盖
- 简化升级和回滚流程
方案对比与选型建议
| 特性 | YAML 部署 | Kube-Prometheus | Helm Chart |
|---|---|---|---|
| 易用性 | 低 | 高 | 中 |
| 定制灵活性 | 高 | 中 | 高 |
| 升级维护便利性 | 低 | 中 | 高 |
| 预置监控规则 | 无 | 丰富 | 丰富 |
| 适合场景 | 专家用户 | 快速验证 | 生产环境 |
对于生产环境,推荐优先考虑 Helm Chart 方案;如果是测试环境快速验证,Kube-Prometheus 是最佳选择;当需要特殊定制时,可以采用 YAML 直接部署。
常见问题
-
资源占用问题
完整部署会占用较多资源,生产环境建议根据实际需求裁剪组件 -
版本兼容性
特别注意 Kubernetes 版本与 Operator 版本的匹配关系 -
网络访问
确保集群能够访问所需镜像仓库 -
持久化存储
生产环境务必配置持久化卷,防止监控数据丢失
希望本指南能帮助您顺利部署 Prometheus Operator,构建强大的 Kubernetes 监控体系。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
528
3.73 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
336
172
Ascend Extension for PyTorch
Python
338
401
React Native鸿蒙化仓库
JavaScript
302
353
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
883
590
暂无简介
Dart
768
191
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
114
139
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
986
246