如何通过Stackdriver与GKE配置容器状态异常告警？

嘿，这个问题我之前折腾过好一阵子，终于摸清楚门道了！GCP里针对容器状态非OK时的告警配置，得结合你用的容器服务类型来，我给你拆解几种最常用的场景：

这是最常见的场景，步骤很清晰：

• 打开Cloud Monitoring控制台，进入「告警」页面点击「创建策略」
• 选择「指标」作为告警条件，搜索以下核心指标：
  • 监控Pod整体状态：选kubernetes.io/pod/status，过滤条件设置status不等于Running（如果是一次性任务，也可以排除Completed）
  • 监控单个容器状态：选kubernetes.io/container/state，过滤state不等于running
• 设置告警触发规则，比如「任何时间序列违反条件持续5分钟」——避免容器短暂重启导致的误告警
• 配置通知渠道：邮件、Slack、Pub/Sub都可以，按需选择
• 小技巧：添加命名空间、Pod标签的过滤条件，只监控你关心的服务，减少无效告警

Cloud Run的告警更贴合Serverless场景，直接用它专属的指标就行：

• 同样在Cloud Monitoring创建告警策略，搜索run.googleapis.com/container/instance/state
• 过滤state为terminated或failed，设置1-2分钟的持续时间（Cloud Run重启快，但多次失败就需要关注）
• 额外补充：还可以监控run.googleapis.com/service/error_count，如果短时间内错误数超标，也能间接触发告警，覆盖容器崩溃之外的业务异常

这种情况要先确保你启用了Cloud Monitoring代理，然后：

• 搜索docker/container/status指标，过滤status不等于running
• 或者用compute.googleapis.com/instance/container/restart_count，设置「5分钟内重启次数超过2次」的阈值，适合监控频繁崩溃的容器

• 先确认你的项目已经启用了Cloud Monitoring API，不然会看不到上述指标
• 配置完一定要测试：比如手动删除GKE的Pod、部署一个会崩溃的Cloud Run镜像，验证告警是否能正常触发
• 如果你的服务有自定义健康检查，建议结合kubernetes.io/pod/ready指标——这个指标反映Pod是否能对外提供服务，比单纯的「运行中」更贴合业务可用性

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