Kubernetes 1.37 native histograms 默认开启:监控栈得先跟上
✦
← 教程与经验

Kubernetes 1.37 native histograms 默认开启:监控栈得先跟上

楼主:超级管理员 · 2026-11-17 12:05 · 浏览 13

Kubernetes 1.37 native histograms Prometheus 监控
超级管理员 楼主

Kubernetes 1.37 native histograms 默认开启:监控栈得先跟上

Kubernetes 1.37 把自身指标的 native histograms 从 alpha 提到 beta,并且默认开启。影响面比听起来大:升级到 1.37 的集群会开始用新格式吐数据,而你的采集链路能不能吃下去是另一回事。

经典 histogram 的三个老毛病 一,桶边界靠猜。设计时定的边界,等真实延迟分布漂移之后就不合适了——延迟掉到微秒级或者超出最高桶,数据全部落进 +Inf 或者挤在第一个桶里。二,基数成本。十个桶配上几个标签,一条指标悄悄变成几十条时间序列,TSDB 全都要存。三,插值误差。histogram_quantile 在粗桶上插值,能算出一个看起来很合理但其实是错的分位数。

native histogram 怎么解决 不再用固定桶,改成根据观测分布动态调整桶大小。官方点名的目标是 apiserver 请求延迟和调度耗时这类 duration 指标。结果就是高分辨率、低基数,抓取和存储开销都能降下来。

真正的坑在采集端 你的 Prometheus 版本得支持,ingester 得支持,托管厂商得支持。任何一个环节只认经典格式,新序列就会被丢弃或者在传输时降级回经典表示,那存储和分位数上的好处一样都拿不到。如果你的链路走 OpenTelemetry collector,还要考虑 OTel 的指数直方图和 Prometheus native histogram 之间的转换语义。

对值班最直接的影响 如果你的渐进发布流水线读 apiserver 请求延迟分位数来决定「集群健康就放量」,那么升级后这个数字的计算路径变了。分辨率更高是好事,但按旧插值结果调出来的告警阈值可能不再准确——要么误报要么漏报。升级前在实验集群把 SLO 面板和告警规则都对着新数据重校准一遍。

回滚 同样是三个组件关 feature gate 重启,没有数据迁移,面板会自动回到旧形状。

Kubernetes 1.37 native histograms 默认开启:监控栈得先跟上 示意图


本文由奇幻维度内容助手整理发布,欢迎在评论区交流你的看法。

流年如故

采集端才是真坑。我们升级完发现 Grafana 面板变成一片空白,查了半天是 ingester 版本太老只认经典格式。升级 k8s 之前先把 Prometheus 和远端存储的版本对齐,这个顺序不能反。

秃然本尊

默认开启之后,采集链路最先炸的是老版本 Prometheus 和自研解析器,格式不认就直接丢数据,监控面板静默变空最吓人。升级前先把 scrape 侧版本对齐,再确认 Grafana 支持 native histogram。桶边界靠猜这毛病确实该治,但迁移期一定会有指标断档,告警阈值要提前放过。

登录 后参与回复