基础设施层
Node Exporter
- 计算资源：CPU 使用率（系统、用户、I/O 等待）、CPU 负载、内存使用率与 Swap 交换区状态。
- 存储 I/O：磁盘空间使用率、磁盘读写吞吐量（IOPS）、磁盘读写延迟、文件系统 Inode 使用率。
- 网络带宽：网卡每秒收发包数量（PPS）、网络丢包/错包率、网卡带宽吞吐率。
k8s集群层
cAdvisor
- K8s 核心组件：API Server 响应延迟与请求成功率、Controller Manager 队列深度、Etcd 的选主状态及写盘延迟、CoreDNS 域名解析延迟。
- Pod/容器状态：Pod 重启次数（如
CrashLoopBackOff）、容器 CPU/内存限额（Throttling/OOM Killed）情况。 - 集群调度：节点状态（Ready/NotReady）、集群整体 CPU/内存分配率、物理持久卷（PV）的剩余空间。
中间件/数据库层
专属 Exporter
-
数据库类 (如 MySQL, Elasticsearch)
- MySQL：当前活跃连接数、每秒查询率（QPS）/每秒事务数（TPS）、慢查询数量、主从同步延迟。
- Elasticsearch：集群健康状态（Green/Yellow/Red）、JVM 内存垃圾回收（GC）频率、索引写入延迟、分片（Shards）状态。
-
缓存与队列类 (如 Redis, Kafka, RabbitMQ)
- Redis：内存占用大小与碎片率、Key 的命中率、连接的客户端数、持久化（AOF/RDB）是否失败。
- Kafka：消费者组积压量（Consumer Lag）（最关键的指标，防止消息处理不及时）、Broker 副本同步状态、每秒生产/消费消息条数。
-
接入层网络 (如 Nginx, Ingress)
- Nginx / Ingress：HTTP 状态码比例（尤其是 5xx 占比）、连接并发数、单次请求响应耗时（P99/P95 延迟）。
业务应用层
-
语言运行时指标（以 Java JVM 为例）
- 堆内存：Eden 区、Old 区、Metaspace 内存分配及回收趋势。
- 垃圾回收：Young GC / Full GC 触发的频次与垃圾回收造成的 STW 停顿时间。
- 线程状态：死锁数量、活动线程数、业务线程池（ThreadPoolExecutor）的队列积压深度和拒绝策略触发次数。
-
业务黄金指标（RED 方法论）
- Rate（吞吐量）：每秒订单创建量、用户登录 QPS、支付接口调用频次。
- Errors（错误率）：下单失败率、第三方通道超时比例、异常抛出（Exception）统计。
- Duration（耗时）：核心结算接口的平均响应时间、高并发场景下的 P99 核心长尾延迟。