1. 课程导论：容器资源瓶颈预警的重要性、Prometheus 在容器监控中的角色、课程目标与学习路径
1.1 为什么容器资源瓶颈预警如此重要？
在微服务和云原生架构中，容器已成为应用交付的标准单元。然而，容器的轻量级特性也带来了资源隔离与动态调度的复杂性。当容器运行时遭遇 CPU 节流、内存 OOM、磁盘 I/O 抖动或网络丢包时，往往不是立即导致服务完全不可用，而是表现为延迟飙升、错误率缓慢上升、吞吐量下降等“灰色故障”。
传统的主机级监控（如 CPU 使用率 > 90%）无法感知容器级别的资源竞争。一个容器的突发资源消耗，可能挤占同主机的其他容器，引发连锁故障。因此，提前发现资源瓶颈的“前兆”，在 SLO 违约之前触发预警，是保障容器化服务稳定性的关键。
核心痛点： 容器资源瓶颈的隐蔽性——从资源争抢到用户感知故障，通常存在 30 秒到数分钟的“黄金预警窗口”。错过这个窗口，故障就会扩散。
1.2 Prometheus 在容器监控中的核心角色
Prometheus 凭借其多维数据模型、强大的 PromQL 查询语言、以及主动拉取（Pull）的采集架构，成为 Kubernetes 容器监控的事实标准。它在容器资源瓶颈预警中扮演以下关键角色：
| 角色 | 说明 | 关键组件/指标 |
|---|---|---|
| 数据采集层 | 通过 cAdvisor 和 kubelet 内置的 metrics 端点，自动采集每个容器的 CPU、内存、磁盘、网络等资源使用数据。 | container_cpu_usage_seconds_totalcontainer_memory_working_set_bytes |
| 指标聚合与关联 | 利用 Pod、Namespace、Node 等标签，将容器指标与上层工作负载（Deployment、StatefulSet）关联，实现从应用到基础设施的链路分析。 | kube_pod_labelskube_deployment_status_replicas |
| 预警规则引擎 | 基于 PromQL 编写预警规则，对资源使用率、饱和度、错误率进行阈值检测和趋势分析，生成 Alertmanager 可消费的告警事件。 | rate(container_cpu_cfs_throttled_seconds_total[5m]) |
| 可视化与排障 | 与 Grafana 集成，提供实时仪表盘；通过即时查询（Instant Query）和范围查询（Range Query）快速定位瓶颈根因。 | Grafana Dashboard PromQL 调试 |
关键认知： Prometheus 的 Pull 模型天然适合 Kubernetes 的动态环境——新 Pod 启动后自动被 Service Discovery 发现并纳入监控，无需手动配置。
1.3 课程目标与学习路径
本课程旨在帮助 SRE 和平台工程师，系统掌握基于 Prometheus 设计容器运行时资源瓶颈预警规则的方法论与实践技能。课程从基础指标理解到高级预警策略，覆盖以下核心目标：
- 理解容器资源模型： 掌握 CPU 请求/限制、内存限制、OOM 评分、CFS 配额等内核机制对监控指标的影响。
- 精通关键 PromQL： 学会编写针对容器资源饱和度、错误率、饱和度（USE 方法论）的 PromQL 查询。
- 设计分级预警规则： 根据资源瓶颈的严重程度（信息、警告、严重）设计不同的预警阈值与持续时间。
- 避免告警风暴： 掌握聚合规则、抑制规则、以及基于趋势的预警（如预测性预警）来减少无效告警。
- 实战演练： 通过真实场景案例（如内存泄漏检测、CPU 节流预警、磁盘空间预测）完成从规则编写到部署验证的全流程。
1.4 学习路径与章节地图
课程共分为 6 个模块，按“基础 → 进阶 → 实战”的路径递进：
| 模块 | 章节范围 | 核心内容 |
|---|---|---|
| 模块 1：基础篇 | 第 1-5 章 | 容器资源模型、Prometheus 指标体系、cAdvisor 数据解读 |
| 模块 2：指标与 PromQL | 第 6-12 章 | CPU/内存/磁盘/网络核心 PromQL、聚合算子、预测函数 |
| 模块 3：预警规则设计 | 第 13-18 章 | 规则语法、分级策略、基于 USE/RED 方法论的设计模式 |
| 模块 4：高级预警策略 | 第 19-23 章 | 预测预警、异常检测、告警抑制与聚合、动态阈值 |
| 模块 5：实战案例 | 第 24-28 章 | 内存泄漏、CPU 节流、磁盘满、网络瓶颈等真实场景规则编写 |
| 模块 6：运维与优化 | 第 29-30 章 | 规则测试、性能调优、与 Alertmanager 集成最佳实践 |
学习建议： 建议在 Kubernetes 测试环境中搭建一套 Prometheus + Grafana + Alertmanager 栈，边学边练。本课程所有预警规则均提供可直接运行的 PromQL 示例。
1.5 预备知识
为获得最佳学习效果，建议学习者具备以下基础：
- 熟悉 Linux 容器基础概念（Docker、cgroups、namespace）。
- 了解 Kubernetes 基本架构（Pod、Node、Deployment）。
- 有 Prometheus 基础使用经验（能执行简单的 PromQL 查询）。
- 具备基本的 YAML 编写能力（用于配置预警规则文件）。
课程配套资源： 每章末尾提供可下载的 Prometheus 规则文件（.rules.yml）和 Grafana Dashboard JSON 模板，方便直接导入测试环境验证。