Prometheus中Error_pods告警未触发问题排查求助

我在Prometheus中配置了如下告警规则：

- alert: Error_pods
  expr: sum by (namespace) (kube_pod_status_ready{namespace="gradl-enterprise", condition="false"}) > 0
  for: 5m

能看到该查询在对应时间段内有数据返回，但告警始终处于Normal状态，无法触发。

补充说明：我还尝试了以下规则，依然无效：

- alert: Error_pods
  expr: sum by (namespace) (kube_pod_status_ready{namespace="gradl-enterprise", condition="false"}) > bool 0
  for: 5m

排查方向及解决建议 #

• 确认for时间段内数据是否持续达标
  Prometheus的for要求查询结果在整个5分钟内持续满足>0，而非某一刻有数据。在Prometheus UI用范围查询sum by (namespace) (kube_pod_status_ready{namespace="gradl-enterprise", condition="false"})[5m:]，查看过去5分钟的时间序列是否全程大于0。如果中间有某一刻值回到0，告警就不会触发。

• 检查指标实际取值
  单独查询kube_pod_status_ready{namespace="gradl-enterprise", condition="false"}，确认每个实例的取值是不是1。如果该指标在condition="false"时本身就是0，那sum后结果还是0，自然不满足>0的条件。

• 验证告警规则是否正确加载
  打开Prometheus的/rules页面，查看Error_pods规则是否存在且状态正常。如果没加载，检查配置文件路径是否正确、YAML语法有没有缩进错误（YAML对缩进要求严格），或者查看Prometheus日志有没有报错信息。

• 确认评估间隔与等待时间
  告警规则默认1分钟评估一次，for:5m意味着至少要等5个评估周期（即5分钟）才会触发。如果刚改完规则就查看，可能还没到触发时机。

• > bool的无效性说明
  > bool只是把比较结果转成0/1的布尔值，要是原sum结果本身是0，加bool后依然是0，满足不了告警触发的条件（告警需要表达式返回非空且值为1），所以这个改动解决不了问题。

内容的提问来源于stack exchange，提问作者Caio Gomes