Especificação de monitoramento do Kubernetes

Atualizado em Leitura de 4 min

Ativo monitorado: Cluster Kubernetes (control plane e nós)

Esta especificação descreve como a Neture monitora clusters Kubernetes: quais métricas são coletadas, quais itens são descobertos automaticamente e quais alertas são gerados, com a criticidade de cada um.

O que esta especificação cobre#

API Server e requisições, desempenho do control plane, inventário de recursos do cluster, descoberta automática de nós, pods, filas internas, armazenamento e recursos do OpenShift, e a matriz de alertas.

A matriz de alertas tem 8 alertas, por prioridade:

  • Emergencial: 2
  • Alta: 3
  • Média: 2
  • Baixa: 1

1. API Server e requisições#

Indicadores do API Server, porta de entrada do cluster, sobre o tráfego recebido e os mecanismos de proteção contra sobrecarga.

Métrica Monitorada Descrição e Objetivo Operacional
Requisições rejeitadas por proteção Volume de requisições que o API Server recusou preventivamente para não ficar sobrecarregado.
Respostas HTTP por classe Separação das respostas em classes (2xx, 3xx, 4xx e 5xx) para diagnosticar falhas nas aplicações ou erros internos do cluster.
Erros de handshake TLS Falhas de criptografia ou certificados inválidos nas tentativas de conexão segura com o cluster.
Eventos de auditoria Quantidade de registros de auditoria gerados e enviados para rastreabilidade.

2. Desempenho do control plane#

Uso de recursos e concorrência nos componentes do control plane.

Métrica Monitorada Descrição e Objetivo Operacional
Uso de CPU e memória Memória virtual, memória residente e tempo de CPU consumidos pelos componentes do cluster.
Descritores de arquivo Uso de descritores de arquivo em relação ao limite do sistema operacional, para antecipar falhas por esgotamento.
Goroutines e threads Nível de paralelismo interno dos componentes, para identificar travamentos.
Liderança do cluster Indica se a instância é o controlador ativo (líder) ou se está em espera (contingência).

3. Inventário do cluster#

Contagem dos recursos do cluster e da capacidade disponível nos nós.

Métrica Monitorada Descrição e Objetivo Operacional
Quantidade de recursos Total de Namespaces, Services, Deployments, StatefulSets, CronJobs e Endpoints.
Capacidade dos nós Quantidade de CPUs, memória e limites de alocação disponíveis em cada nó.
Tráfego gRPC Mensagens gRPC recebidas e enviadas e chamadas concluídas.

4. Monitoramento dinâmico#

Itens descobertos automaticamente no cluster. Quando um novo item é encontrado, as métricas abaixo passam a ser coletadas para ele, sem cadastro manual.

A. Descoberta de nós (kubelet)#

Identifica nós adicionados ao cluster e coleta, para cada um:

  • Condições de pressão: falta de memória, falta de espaço em disco e esgotamento de identificadores de processo (PIDs).
  • Inventário: versões do kernel, do sistema operacional, arquitetura e runtime de containers.
  • Tempo de atividade: identifica reinicializações não planejadas dos nós.

B. Descoberta de pods e workloads#

Acompanha individualmente os pods em execução no cluster:

  • Uso de recursos e cotas: consumo de CPU e memória de cada pod em relação aos limites (limits) e às requisições (requests) configurados.
  • Reinicializações em ciclo (CrashLoopBackOff): detecta containers que reiniciam repetidamente, sinal de falha na aplicação.
  • Fase do pod: indica se o pod está em execução, aguardando agendamento (pending) ou com falha.

C. Descoberta de filas internas, armazenamento e tolerância a falhas#

  • Filas de trabalho (workqueues): profundidade das filas internas, latência de processamento e quantidade de novas tentativas.
  • Volumes persistentes (PV e PVC): volumes e solicitações de armazenamento das aplicações, com capacidade total e fase (Available, Bound, Lost, Pending).
  • Orçamentos de interrupção (PDB): regras que limitam quantos pods de uma aplicação podem ficar indisponíveis ao mesmo tempo durante manutenções.

D. Descoberta de recursos do OpenShift#

Quando o cluster é OpenShift, são adicionadas automaticamente métricas de builds (Builds e BuildConfigs), rotas externas (Routes) e cotas de recursos centralizadas.

5. Matriz de alertas operacionais#

Quando uma das condições abaixo é atingida, a engenharia da Neture é notificada com a prioridade indicada. Os alertas estão ordenados da prioridade mais alta para a mais baixa. Para saber como os alertas são tratados e comunicados, consulte Alertas de monitoramento.

Pod em estado não saudável Emergencial

Condição técnica: um pod essencial ficou em estado não saudável, com falha ou desconhecido por mais de 10 minutos seguidos.

StatefulSet parado (StatefulSet down) Emergencial

Condição técnica: a quantidade de réplicas em execução não corresponde à quantidade atual do StatefulSet, indicando interrupção total da aplicação com estado.

Taxa elevada de erros HTTP 5xx Alta

Condição técnica: o volume de respostas HTTP 5xx nas chamadas ultrapassou o limite configurado por 5 minutos contínuos.

Reinicializações em ciclo (CrashLoopBackOff) Alta

Condição técnica: um container de aplicação do cliente reiniciou várias vezes seguidas dentro de uma janela de 15 minutos.

Recursos do nó superalocados Alta

Condição técnica: a soma dos limites de recursos (limits) configurados nos pods ultrapassou 100% da capacidade alocável do nó.

Pressão de recursos no nó Média

Condição técnica: um nó sinalizou condição de pressão por estar próximo de esgotar disco, memória ou limite de processos.

Falhas em componentes auxiliares e rotas Média

Condição técnica: falhas pontuais em componentes de controle, como rotas indisponíveis, builds com falhas seguidas ou volumes de armazenamento parados em estado Pending.

Reinicialização recente de nó Baixa

Condição técnica: um nó do cluster foi iniciado com sucesso e está com tempo de atividade abaixo de 10 minutos.

Especificação técnica de referência para ativos sob monitoramento da Neture.