如何筛选每小时仅因Error和OOMKilled导致的Pod重启次数？

要统计仅由Error或OOMKilled导致的Pod重启次数，你可以用PromQL的关联操作结合增量计算来实现，具体语句如下：

sum by (namespace) (
  increase(kube_pod_container_status_restarts_total[1h])
  * on(pod, container, namespace) group_left(terminated_reason)
  (kube_pod_container_status_terminated_reason{terminated_reason=~"Error|OOMKilled"} == 1)
)

关键逻辑说明： #

• increase(kube_pod_container_status_restarts_total[1h])：计算每个容器过去1小时内的重启次数增量
• kube_pod_container_status_terminated_reason{terminated_reason=~"Error|OOMKilled"} == 1：筛选出终止原因是Error或OOMKilled的容器，该指标值为1代表对应终止原因生效
• * on(pod, container, namespace) group_left(terminated_reason)：通过pod、container、namespace三个标签关联两个指标，group_left确保保留重启次数指标的维度，同时匹配上终止原因的筛选条件
• sum by (namespace)：最终按命名空间汇总所有符合条件的重启次数

如果需要查看每个Pod级别的错误重启明细，去掉外层的sum by (namespace)即可：

increase(kube_pod_container_status_restarts_total[1h])
* on(pod, container, namespace) group_left(terminated_reason)
(kube_pod_container_status_terminated_reason{terminated_reason=~"Error|OOMKilled"} == 1)

内容的提问来源于stack exchange，提问作者Robert123