4、升级窗口定义：什么是升级窗口，窗口内的资源波动特征，以及如何用Prom指标量化窗口状态

4.1 升级窗口的核心概念

升级窗口（Upgrade Window）是指在 Kubernetes 集群版本升级过程中，从第一个节点开始执行升级操作，到最后一个节点完成升级并稳定运行所经历的时间区间。这个窗口不是简单的“开始-结束”时间线，而是一个具有明确资源波动特征和风险边界的可观测区间。

4.2 窗口内的资源波动特征

在升级窗口内，集群资源会经历三个典型阶段，每个阶段都有独特的指标特征：

4.3 用 Prom 指标量化窗口状态

要精确量化升级窗口的状态，需要建立一组核心 PromQL 指标来定义窗口的“打开条件”、“进行中状态”和“关闭条件”。

4.3.1 窗口打开条件（Window Open）

当集群中任意节点开始执行排空操作时，窗口打开。量化指标：

# 检测是否有节点进入排空状态（通过 annotation 或 cordon 标记）
# 当返回 > 0 时，窗口打开
count(
  kube_node_spec_unschedulable == 1
  AND ON(node)
  (kube_node_annotation{annotation="upgrade.kubernetes.io/drain"} == "true")
) > 0

4.3.2 窗口进行中状态（Window In-Progress）

窗口进行中需要同时监控三个维度的指标：

• 容量维度：集群可分配资源总量下降比例
• 调度维度：Pending Pod 数量变化
• 稳定性维度：节点 Ready 状态翻转频率

# 容量维度：计算当前可分配 CPU 与基线（升级前 1h 均值）的偏差
(
  sum(kube_node_status_allocatable_cpu_cores)
  -
  avg_over_time(sum(kube_node_status_allocatable_cpu_cores)[1h:1m] offset 1h)
) / avg_over_time(sum(kube_node_status_allocatable_cpu_cores)[1h:1m] offset 1h)

# 调度维度：检测 Pending Pod 是否超过阈值
sum(kube_pod_status_phase{phase="Pending"}) > 5

# 稳定性维度：节点 Ready 状态变化率
rate(kube_node_status_condition{condition="Ready",status="true"}[5m]) < 0.8

4.3.3 窗口关闭条件（Window Close）

窗口关闭需要满足以下全部条件：

1. 所有节点完成升级并恢复为 Ready=True
2. 集群可分配资源恢复到基线值的 95% 以上
3. Pending Pod 数量归零且持续 5 分钟
4. 节点 Ready 状态变化率稳定在 1.0 附近

# 窗口关闭判定复合 PromQL
(
  count(kube_node_status_condition{condition="Ready",status="true"})
  /
  count(kube_node_status_condition{condition="Ready"})
) == 1
AND
(
  sum(kube_node_status_allocatable_cpu_cores)
  /
  avg_over_time(sum(kube_node_status_allocatable_cpu_cores)[1h:1m] offset 1h)
) > 0.95
AND
sum(kube_pod_status_phase{phase="Pending"}) == 0

4.4 升级窗口状态机与指标映射

下图展示了升级窗口的完整状态机，以及每个状态对应的 Prom 指标判定逻辑：

4.5 窗口状态量化实践清单

在实际集群升级中，建议按照以下清单配置 Prometheus 告警规则和 Grafana 面板：