如何监测AKS中API Server的存活状态？可用指标有哪些？

一、最直接的存活检测指标：up指标 #

Prometheus内置的up指标是检测API Server存活状态的标准方案，对应的查询语句为：

up{job="kube-apiserver"}

• 结果为1：表示Prometheus能正常抓取到API Server的指标，服务存活；
• 结果为0：表示Prometheus无法连接到API Server（比如服务宕机、网络不通），服务不可用。
  这个指标核心是检测Prometheus与API Server的连通性，是判断服务是否存活最可靠的标准。

二、关于apiserver_request_total指标的使用说明 #

你提到用apiserver_request_total（按请求动词、响应码等维度统计的请求计数器）计算失败请求占比来判断状态，这里需要明确：

• 如果API Server完全宕机，Prometheus根本无法抓取到该指标，不会出现“所有请求均为失败”的情况——因为连指标采集请求都无法完成，该时间范围内不会有任何新的指标数据生成。
• 这个指标适合用来监控API Server的请求健康度，比如正常运行时的失败请求占比。示例查询语句（计算最近5分钟非2XX请求占比）：

sum(rate(apiserver_request_total{code=~"4..|5.."}[5m])) / sum(rate(apiserver_request_total[5m]))

当该值达到100%时，说明API Server虽然存活，但所有请求都处理失败，属于服务异常但未宕机的场景，需要单独告警。

三、K8s健康端点的实用性 #

K8s提供的/livez、/readyz等健康端点并非只能人工查看，它们完全支持程序化调用——很多监控工具都会通过这些端点做存活/就绪检测。不过对于Prometheus来说，up指标已经封装了对目标服务的可达性检测，通常不需要额外调用这些端点来判断存活状态。

内容的提问来源于stack exchange，提问作者bunny