跳到主要内容

KubeNodeNotReady 告警：含义、常见原因与处置

Prometheus 告警 KubeNodeNotReady 是什么意思、常见原因有哪些、PromQL 规则怎么写、响了怎么处置，附可直接使用的规则 YAML。

最后校对于

节点的 Ready 状态已经 15 分钟不是 True：要么是 False（kubelet 报告了问题），要么是 Unknown（kubelet 不再上报）。新的 Pod 不会再调度上来；节点上已有的 Pod，在 not-ready 或 unreachable 污点持续时间超过它的容忍时间（默认 300 秒）后会被驱逐。

规则​

kube_node_status_condition{job="kube-state-metrics",condition="Ready",status="true"} == 0

告警信息：{{ $labels.node }} has been unready for more than 15 minutes.

常见原因​

  • kubelet 或容器运行时（containerd、CRI-O）停止或反复重启。
  • 节点连不上 API Server：网络分区、防火墙变更、路由故障。
  • 节点资源耗尽：内存、磁盘或进程号用光，kubelet 自己都跑不动。
  • kubelet 客户端证书过期，节点无法再通过认证。
  • 机器被关机、重启或回收（比如竞价实例），事先没有 drain。

处置步骤​

  1. kubectl describe node <node> 看 Conditions 与 Events，确认是 MemoryPressure、DiskPressure 还是 kubelet 失联；
  2. 登录节点确认 kubelet 与容器运行时进程状态（systemctl status kubelet containerd）；
  3. kubelet 日志用 journalctl -u kubelet -n 200 定位；
  4. 节点短期无法恢复的执行 kubectl drain 让 Pod 尽快迁走，避免等待驱逐超时。

补充说明​

  • 表达式 status="true" == 0 同时覆盖 False 和 Unknown 两种情况。kubectl describe node <node> 能看到是哪一种以及最后一次心跳时间，据此区分「kubelet 报告有问题」和「kubelet 已经失联」。
  • 表达式里限定了 job="kube-state-metrics"。如果你的采集任务或命名空间叫别的名字，要改掉这些匹配条件，否则规则永远匹配不到数据。

用到的指标​

  • kube_node_status_condition（kube-state-metrics）

相关告警​

  • KubeletDown：Kubelet has disappeared from Prometheus target discovery.
  • KubePodNotReady：Pod …/… has been in a non-ready state for longer than 15 minutes.
  • KubeletTooManyPods：Kubelet '…' is running at … of its Pod capacity.

Prometheus 规则 YAML​

加到通过 rule_files 加载的规则文件里即可；也可以一次下载全部 Kubernetes 规则：kubernetes.yml。

- alert: KubeNodeNotReady
  expr: |-
    kube_node_status_condition{job="kube-state-metrics",condition="Ready",status="true"} == 0
  for: 15m
  labels:
    severity: warning
  annotations:
    summary: "{{ $labels.node }} has been unready for more than 15 minutes."
    runbook_url: "https://n9e.github.io/alert-rules/kubernetes/kubenodenotready"

用夜莺：这条规则内置在 Kubernetes 集成模板里，导入到业务组后，夜莺发出的每条告警都会带上处置步骤。

来源与许可​

规则表达式改编自 kubernetes-mixin（Apache-2.0）。处置步骤来自夜莺的集成模板（Apache-2.0），含义和常见原因为本页撰写。

本页目录