运维监控

运维监控板块面向 TKE 集群上线后的日常运维，覆盖集群监控、工作负载监控、日志采集、事件审计、告警配置和故障看板。生产环境的指标设计、日志留存、链路追踪和告警治理请参考可观测性最佳实践。

学习路径

阶段	目标	推荐文档
集群健康	观察节点、控制面、系统组件和资源水位	集群监控
应用状态	观察 Deployment、Pod、HPA、重启和资源使用	工作负载监控
日志检索	采集容器 stdout/stderr 和业务文件日志	日志采集
事件审计	使用 Kubernetes Events、审计日志和操作记录定位变更	事件与审计
告警闭环	配置节点、Pod、存储、网络和控制面告警	告警配置
故障定位	从看板和命令快速定位常见异常	故障看板

运维视角

flowchart LR
    Metrics[指标] --> Alert[告警]
    Logs[日志] --> Search[检索]
    Events[事件] --> Timeline[变更时间线]
    Audit[审计] --> Timeline
    Alert --> Incident[故障处理]
    Search --> Incident
    Timeline --> Incident

TKE 日常运维建议把指标、日志、事件和审计组合起来看：指标告诉你“哪里异常”，日志解释“应用发生了什么”，事件说明“Kubernetes 做了什么”，审计记录“谁改了什么”。

快速命令

kubectl get nodes
kubectl top nodes
kubectl top pods -A
kubectl get events -A --sort-by=.lastTimestamp
kubectl get pods -A --field-selector=status.phase!=Running

kubectl top 依赖 metrics-server 或集群监控组件。如果命令不可用，先检查集群是否启用了指标采集能力。