如何基于GKE监控仪表盘创建容器CPU和内存使用率告警？

1. 确认仪表盘的指标与聚合规则 #

默认GKE仪表盘的容器CPU使用率依赖**container/cpu/utilization指标（GCP基于container/cpu/usage_time和容器CPU配额预计算的利用率），内存使用率则用container/memory/utilization**（基于container/memory/usage和内存配额计算）。

• 查看仪表盘指标细节：点击对应指标卡片右上角的「更多选项」→「查看指标详情」，记录指标ID、聚合方式（如mean）、过滤维度（如cluster_name、namespace_name、container_name）。

2. 严格对齐告警的指标选择 #

创建告警时必须使用和仪表盘完全一致的预计算指标：

• CPU告警：选container/cpu/utilization，不要用container/cpu/usage_seconds_total这类原始指标（手动计算利用率易出错）。
• 内存告警：选container/memory/utilization，不要用container/memory/bytes_used（仅为绝对使用量，非基于配额的使用率）。

3. 匹配聚合与过滤维度 #

仪表盘的指标通常会按以下维度聚合，告警时需完全同步：

• 按cluster_name过滤目标集群
• 按namespace_name过滤指定命名空间
• 按container_name过滤具体容器（留空则匹配所有容器）
• 聚合方式保持和仪表盘一致（常用mean平均值，不要随意切换为max或sum）

4. 验证指标计算逻辑 #

若仍有偏差，手动核对计算逻辑：

• CPU利用率公式：(container/cpu/usage_time.sum / 时间区间) / container/cpu/limit.cpu，container/cpu/utilization已完成该计算，直接调用即可。
• 内存利用率公式：container/memory/usage.bytes / container/memory/limit.bytes，container/memory/utilization是预计算结果。
• 若自行用原始指标计算，必须保证时间区间、聚合规则和仪表盘完全一致。

5. 测试告警数值一致性 #

创建告警后，通过以下方式验证：

• 在GCP监控「指标资源管理器」中输入和告警完全相同的查询语句，对比仪表盘显示值是否一致。
• 临时给容器加压（比如用stress --cpu 2 --vm 1 --vm-bytes 512M命令），观察告警触发值和仪表盘数值是否同步。

内容的提问来源于stack exchange，提问作者user2439278