kube-prometheus-stack监控指标缺失问题排查与解决方案

问题现象

在使用kube-prometheus-stack进行Kubernetes集群监控时，用户发现Grafana仪表板中大量核心监控指标显示为空数据。特别是与容器资源使用相关的指标（如container_memory_working_set_bytes、container_network_transmit_bytes_total等）无法正常显示，而部分组件（如API Server）的监控数据却可以正常展示。

根本原因分析

经过深入排查，发现问题的根源在于helm values配置中禁用了kubelet相关监控组件。具体表现为：

1. 在values.yaml中显式设置了kubelet.enabled: false
2. 同时禁用了多个kubelet相关的告警规则（kubelet、kubeSchedulerAlerting等）

这些配置导致Prometheus无法采集到容器级别的关键指标数据，进而影响Grafana仪表板的正常展示。

解决方案

要恢复完整的监控功能，需要进行以下配置调整：

1. 启用kubelet监控组件

kubelet:
  enabled: true
  serviceMonitor:
    additionalLabels:
      prometheus: enabled

2. 确保相关告警规则启用

defaultRules:
  rules:
    kubelet: true
    kubeSchedulerAlerting: true
    kubeControllerManager: true
    kubernetesSystem: true

技术原理

kubelet作为Kubernetes节点上的核心组件，负责收集和上报节点及容器级别的资源使用指标。当禁用kubelet监控时，会导致以下关键指标缺失：

• 容器资源指标：CPU/内存使用量、文件系统IO、网络流量等
• 节点资源指标：可用内存、CPU负载等
• 调度相关指标：Pod调度延迟、绑定时间等

这些指标是Grafana预置仪表板（如"Kubernetes / Compute Resources / Cluster"）的数据来源，它们的缺失会导致仪表板无法正常展示数据。

最佳实践建议

1. 生产环境部署时，除非有特殊安全考虑，否则不应禁用kubelet监控
2. 修改配置后，建议观察Prometheus Target页面，确认kubelet相关target状态为"UP"
3. 可以通过Prometheus的Graph页面直接查询指标，验证数据是否正常采集
4. 对于大型集群，可以适当调整采集间隔和超时时间以减轻性能压力

总结

kube-prometheus-stack的完整监控能力依赖于各个组件的协同工作。通过正确配置kubelet监控，可以确保获取到容器和节点级别的详细资源使用情况，为集群运维和故障排查提供完整的数据支持。配置变更后，建议全面验证各仪表板的数据展示情况，确保监控系统发挥最大价值。