非GCE环境下K8S node-problem-detector使用及数据输出问询

Hey，针对你的两个问题，我来给你详细捋一捋，都是实际使用NPD的经验总结：

问题一：如何使用K8S node-problem-detector？ #

其实用node-problem-detector（大家常简称NPD）还是挺直观的，核心就是部署+配置两步走，我给你拆解成几个关键步骤：

1. 部署NPD #

默认Kubernetes集群不会自带NPD，因为它需要在每个节点上运行，用DaemonSet是最合适的部署方式。你可以创建一个自定义的DaemonSet配置文件（比如npd-daemonset.yaml），内容如下：

apiVersion: apps/v1
kind: DaemonSet
metadata:
  name: node-problem-detector
  namespace: kube-system
  labels:
    k8s-app: node-problem-detector
spec:
  selector:
    matchLabels:
      k8s-app: node-problem-detector
  template:
    metadata:
      labels:
        k8s-app: node-problem-detector
    spec:
      containers:
      - name: node-problem-detector
        image: k8s.gcr.io/node-problem-detector:v0.8.10
        args:
        - --config=/config/kernel-monitor.json,/config/file-log-monitor.json
        resources:
          limits:
            cpu: 100m
            memory: 100Mi
          requests:
            cpu: 10m
            memory: 20Mi
        volumeMounts:
        - name: log
          mountPath: /var/log
          readOnly: true
        - name: config
          mountPath: /config
      volumes:
      - name: log
        hostPath:
          path: /var/log
      - name: config
        configMap:
          name: node-problem-detector-config

执行以下命令完成部署：

kubectl apply -f npd-daemonset.yaml

部署完成后，用这个命令检查每个节点上的NPD Pod是否正常运行：

kubectl get pods -n kube-system -l k8s-app=node-problem-detector

2. 配置问题检测器 #

NPD靠插件来检测节点问题，比如内核死锁、文件系统异常、自定义日志错误等。你需要用ConfigMap来管理这些插件的配置。创建一个npd-configmap.yaml文件，内容如下（包含通用的内核日志和系统日志检测规则）：

apiVersion: v1
kind: ConfigMap
metadata:
  name: node-problem-detector-config
  namespace: kube-system
data:
  kernel-monitor.json: |
    {
      "plugin": "kernel-monitor",
      "config": {
        "watchKernelLog": true,
        "logPath": "/var/log/kern.log",
        "rules": [
          {
            "type": "NodeCondition",
            "conditionType": "KernelDeadlock",
            "conditionStatus": "True",
            "matchPattern": "task.*blocked for more than.*seconds",
            "reason": "KernelDeadlock",
            "message": "Detected kernel deadlock in node"
          }
        ]
      }
    }
  file-log-monitor.json: |
    {
      "plugin": "file-log-monitor",
      "config": {
        "logPath": "/var/log/syslog",
        "checkPeriod": 20,
        "rules": []
      }
    }

执行命令应用配置：

kubectl apply -f npd-configmap.yaml

如果需要自定义检测规则（比如检测特定应用的错误日志），直接修改ConfigMap里的rules字段即可，添加对应的匹配正则、问题类型和描述。

3. 查看检测结果 #

NPD检测到问题后，会生成两种类型的信息：

• NodeCondition：会更新节点的状态，你可以用这个命令查看：

  kubectl describe node <你的节点名称>
  

  在Conditions部分就能看到NPD上报的异常状态，比如KernelDeadlock。
• Event：会在K8S事件系统中生成告警事件，用这个命令查看：

  kubectl get events -n kube-system
  

  能看到NPD触发的事件详情，包括问题原因和描述。

问题二：非GCE环境下如何使用node-problem-detector？是否向Dashboard推送信息/提供API指标？ #

非GCE环境的适配 #

官方默认的NPD配置是为GCE（Google Compute Engine）优化的，在其他环境（比如AWS、阿里云、自建物理机集群）使用时，只需要做这几个简单调整：

1. 移除GCE特定配置：不要使用官方默认的GCE专属DaemonSet配置（里面包含GCE节点特有的挂载路径和环境变量），直接用我上面给你的通用DaemonSet配置即可——它没有任何GCE相关的依赖，只挂载了通用的/var/log目录和ConfigMap。
2. 调整日志路径：不同操作系统的日志路径可能不一样，比如CentOS的内核日志是/var/log/messages，而Debian/Ubuntu是/var/log/kern.log。你需要修改ConfigMap里kernel-monitor.json的logPath字段，匹配你的节点操作系统。
3. 自定义检测规则：根据你的环境需求添加专属的检测规则，比如检测云服务商特定的节点告警日志，或者自定义应用的错误日志。

是否向Dashboard推送信息/提供API指标？ #

• Dashboard展示：NPD本身不会主动向Dashboard推送信息，但Dashboard是从K8S API Server拉取数据的——只要NPD把问题上报成NodeCondition或者Event，你在Dashboard的节点详情页就能看到这些异常：比如节点状态的Conditions列表里会出现NPD上报的异常类型，或者事件列表里会显示NPD触发的告警事件。
• API指标支持：NPD默认会在Pod的20257端口暴露Prometheus格式的指标，路径是/metrics。你可以用端口转发的方式本地查看：

  kubectl port-forward <NPD-Pod的名称> 20257:20257 -n kube-system
  

  然后访问http://localhost:20257/metrics就能看到所有指标，比如问题检测的次数、各个检测器的运行状态等。如果要让Prometheus自动抓取这些指标，只要给NPD的Pod添加以下注解（修改DaemonSet的template.metadata.annotations）：

  annotations:
    prometheus.io/scrape: "true"
    prometheus.io/port: "20257"
  

  这样Prometheus就能自动发现并采集NPD的指标了。

内容的提问来源于stack exchange，提问作者mon