1. 课程导学与目标

课程背景

在云原生生态中，Kubernetes Operator 已成为管理复杂有状态应用的事实标准。然而，许多团队在完成 Operator 开发后，面临一个共同的痛点：如何将 Operator 内部的控制器状态、协调循环性能、资源同步延迟等关键指标，无缝集成到企业现有的监控与告警平台中？

传统的做法往往是在 Operator 代码中手动埋点、暴露 HTTP 端点，再通过 Prometheus 抓取。这种方式虽然可行，但缺乏标准化、可观测性差，且难以与平台门户（如 Grafana、Alertmanager、自定义运维控制台）形成统一的指标治理视图。本课程正是为解决这一痛点而设计，聚焦于 Operator 控制器指标暴露、Prometheus 集成、告警规则编排与平台门户对接 的全链路实战。

学习目标

完成本章及后续课程后，你将能够：

• 理解 Operator 控制器指标的标准模型（controller-runtime metrics、workqueue 指标、rest_client 指标）。
• 掌握 在 Operator 中自定义业务指标（Gauge、Counter、Histogram）并暴露为 Prometheus 格式。
• 配置 Prometheus Operator 的 ServiceMonitor 和 PodMonitor 实现自动发现与抓取。
• 设计 基于控制器状态的告警规则（协调失败、队列积压、同步延迟等），并集成到 Alertmanager。
• 对接 平台门户（Grafana 仪表盘、自定义运维看板）实现指标可视化与告警联动。

前置知识要求

为了确保学习效果，建议你具备以下基础：

• Kubernetes 基础： 熟悉 Pod、Service、Deployment、CRD 等核心资源，能使用 kubectl 进行日常操作。
• Go 语言基础： 能阅读和理解 Operator 代码（基于 controller-runtime 框架），了解结构体、接口、goroutine 等概念。
• Prometheus 基础： 了解指标类型（Counter、Gauge、Histogram、Summary），知道 PromQL 基本查询语法。
• Operator 开发基础： 了解 Operator 模式、Reconcile 循环、Finalizer 等概念，最好有过简单的 Operator 开发经验。

整体课程大纲概览

本课程共分为 6 个模块，30 个章节，从指标基础到门户集成，层层递进：

1. 模块一：指标基础与 Operator 内置指标（第 1-5 章） — 理解 controller-runtime 指标体系，掌握内置指标的暴露与验证。
2. 模块二：自定义业务指标开发（第 6-12 章） — 在 Operator 中注入自定义指标，涵盖 Gauge、Counter、Histogram 的实战场景。
3. 模块三：Prometheus 抓取与自动发现（第 13-18 章） — 配置 ServiceMonitor、PodMonitor，处理多实例抓取与指标过滤。
4. 模块四：告警规则设计与 Alertmanager 集成（第 19-24 章） — 编写基于控制器状态的告警规则，配置告警路由与抑制。
5. 模块五：平台门户对接与可视化（第 25-28 章） — Grafana 仪表盘设计、自定义运维看板集成、告警联动展示。
6. 模块六：生产化最佳实践与故障排查（第 29-30 章） — 指标性能优化、高可用部署、常见问题排查指南。

课程特色

• 实战驱动： 每一章都配有可运行的代码示例和配置文件，你可以在自己的集群中直接验证。
• 标准化输出： 所有指标命名、标签设计、告警规则均遵循 Prometheus 最佳实践，便于团队协作。
• 平台无关： 虽然以 Grafana 为例，但课程中涉及的指标暴露和告警规则设计思路同样适用于其他平台（如 Datadog、Zabbix 等）。
• 故障排查指南： 专门章节讲解指标抓取失败、告警未触发、仪表盘数据异常等常见问题的排查方法。

现在，让我们正式进入第一模块，从 Operator 控制器指标的基础模型 开始，逐步构建你的指标与告警集成能力。