Como Implementar Monitoramento de Desempenho de Contêineres com Prometheus e Grafana no Kubernetes

Em ambientes orquestrados pelo Kubernetes, contêineres são criados, destruídos e reescalados continuamente. Diferente de servidores dedicados ou máquinas virtuais tradicionais, onde os recursos de hardware permanecem estáticos por longos períodos, a natureza efêmera dos contêineres exige uma estratégia de observabilidade dinâmica e automatizada.

A combinação do Prometheus com o Grafana consolidou-se como o padrão da indústria para solucionar esse desafio. O Prometheus atua como o motor de coleta e armazenamento de séries temporais, enquanto o Grafana fornece a camada de visualização gráfica e exploração de dados.

Neste artigo, você entenderá o funcionamento interno dessa arquitetura e aprenderá a implementar um ambiente completo de monitoramento de contêineres passo a passo.

---

Arquitetura do Monitoramento: Como os Componentes se Integram

Para monitorar o desempenho de contêineres de forma eficaz, é necessário capturar métricas do próprio cluster (nós e plano de controle) e das aplicações rodando nos pods.

No ecossistema Kubernetes, o agente responsável por expor o consumo de recursos de cada contêiner é o cAdvisor (Container Advisor), que já vem integrado ao kubelet em cada nó do cluster.

[IMAGEM] tipo: diagrama assunto: Fluxo de coleta de métricas entre Kubernetes, cAdvisor, Prometheus e Grafana motivo: Ilustra como as métricas são extraídas dos nós do Kubernetes pelo Prometheus e enviadas para exibição no Grafana. [/IMAGEM]

O ciclo de vida da coleta de métricas segue quatro etapas principais:

1. Exposição: O cAdvisor coleta estatísticas de CPU, memória, rede e I/O de disco diretamente dos cgroups do Linux e as disponibiliza em um endpoint HTTP (/metrics).
2. Raspagem (Scraping): O servidor Prometheus realiza requisições periódicas a esse endpoint usando o modelo pull.
3. Armazenamento: O Prometheus grava os dados recebidos em seu banco de dados de séries temporais (TSDB).
4. Visualização: O Grafana executa consultas em linguagem PromQL no Prometheus e gera dashboards interativos em tempo real.

---

Métricas Essenciais de Contêineres

Nem todas as métricas possuem o mesmo impacto na operação diária. Focar nos indicadores corretos previne alertas falsos e otimiza a retenção de dados.

1. CPU: Uso vs. Throttling

• container_cpu_usage_seconds_total: Mede o consumo acumulado de tempo de CPU por contêiner.
• container_cpu_cfs_throttled_seconds_total: Indica se o contêiner está sofrendo limitação forçada (throttling) por atingir o limite de CPU estipulado na sua configuração. Essa limitação reduz a performance da aplicação sem necessariamente derrubá-la.

2. Memória: Working Set vs. OOMKilled

• container_memory_working_set_bytes: Representa a memória real em uso que não pode ser liberada facilmente pelo sistema operacional. Esta é a métrica principal usada pelo Kubernetes para decidir se um contêiner deve ser encerrado por falta de memória (OOMKilled).
• container_memory_usage_bytes: Inclui arquivos em cache do sistema. Utilizá-la isoladamente pode dar a falsa impressão de que a aplicação está prestes a estourar o limite de memória.

---

Passo a Passo de Implementação

A abordagem mais eficiente para implantar essa stack no Kubernetes é o uso do Prometheus Operator via Helm Chart kube-prometheus-stack. Ele provisiona automaticamente o Prometheus Server, o Grafana, o Alertmanager e as configurações de raspagem do cluster.

Pré-requisitos

• Um cluster Kubernetes ativo (versão 1.24 ou superior).
• Ferramenta de linha de comando kubectl configurada.
• Gerenciador de pacotes Helm (versão 3+) instalado.

Passo 1: Adicionar o Repositório Helm

Adicione o repositório oficial da comunidade Prometheus ao seu ambiente local:

bash helm repo add prometheus-community https://prometheus-community.github.io/helm-charts helm repo update

Passo 2: Criar um Namespace Dedicado

Por boas práticas de governança e isolamento de recursos, crie um namespace exclusivo para o monitoramento:

bash kubectl create namespace monitoring

Passo 3: Instalar a Stack kube-prometheus-stack

Execute o comando de instalação para provisionar todos os componentes necessários:

bash helm install prometheus-stack prometheus-community/kube-prometheus-stack \ --namespace monitoring

Este comando instala: * O Operador do Prometheus; * A instância do Prometheus Server; * O servidor do Grafana; * Agentes de exportação como o node-exporter (para nós físicos/virtuais) e kube-state-metrics (para objetos do Kubernetes).

Passo 4: Confirmar a Inicialização

Verifique se todos os pods do ambiente de monitoramento estão com status Running:

bash kubectl get pods -n monitoring

---

Acessando o Grafana e Visualizando Dados

Após a instalação, o Grafana estará em execução dentro do cluster. Para acessar a interface web a partir de sua máquina local, utilize o encaminhamento de porta (port-forward).

1. Obter a Senha do Administrador

O Helm gera uma senha aleatória para o usuário admin durante o deploy. Recupere a senha com o seguinte comando:

bash kubectl get secret --namespace monitoring prometheus-stack-grafana -o jsonpath="{.data.admin-password}" | base64 --decode ; echo

2. Encaminhar a Porta Local

Exponha a porta do serviço do Grafana para a sua máquina:

bash kubectl port-forward -n monitoring svc/prometheus-stack-grafana 3000:80

Agora você pode acessar o Grafana abrindo http://localhost:3000 no seu navegador, informando o usuário admin e a senha recuperada.

3. Painéis Pré-configurados

O pacote kube-prometheus-stack instala automaticamente dashboards otimizados. No menu lateral do Grafana, navegue até Dashboards para explorar visões como: * Kubernetes / Compute Resources / Pod: Exibe o consumo individual de CPU e Memória de contêineres específicos. * Node Exporter / Nodes: Mostra o estado de saúde do hardware dos nós do cluster.

---

Escrevendo Consultas Práticas em PromQL

Para personalizar seus painéis ou criar regras de alerta, é fundamental saber construir consultas na linguagem PromQL.

Exemplo 1: Identificar Uso do Limite de CPU por Pod

A consulta abaixo calcula a porcentagem de CPU utilizada em relação ao limite (limit) configurado no manifesto do Kubernetes:

promql sum(node_namespace_pod_container:container_cpu_usage_seconds_total:sum_irate{namespace="default"}) by (pod) / sum(kube_pod_container_resource_limits{resource="cpu", namespace="default"}) by (pod) * 100

Exemplo 2: Detectar Risco de OOMKilled

Para listar os contêineres do namespace default que estão consumindo mais de 85% do limite de memória alocado:

promql ( container_memory_working_set_bytes{namespace="default", container!=""} / container_spec_memory_limit_bytes{namespace="default", container!=""} ) * 100 > 85

---

Recomendação de Boas Práticas para Produção

1. Ajustar a Retenção de Dados: O tempo de retenção padrão do Prometheus é de 15 dias. Em clusters com alto volume de métricas, avalie o impacto no volume persistente (PVC) e ajuste a retenção conforme a capacidade do storage.
2. Evitar Alta Cardinalidade: Não utilize atributos com valores altamente dinâmicos (como IDs de transação, UUIDs ou timestamps) em rótulos (labels) de métricas customizadas das suas aplicações. Isso faz o banco de dados do Prometheus consumir memória de