可定位僵尸Service端点：count by (job, service, endpoint, instance) (avg_over_time(up[30m]) == 0) unless on(job, service, endpoint) (up{job=~"blackbox|probe|.*-test"} == 1)。
要快速定位全集群中处于非 Active 状态的“僵尸”Service端点（即已注册但长期无健康上报、实际不可用的 endpoint），PromQL 本身没有“一键”函数，但可通过组合高阶函数与服务发现元数据精准识别。核心思路是：利用 up 指标判断目标实例是否在线，结合 service、job、endpoint 等标签反向关联到 Service 的 endpoints，再排除掉仍被正常采集的活跃端点。
确认 Service endpoints 对应的 target 实例
Prometheus 中每个 endpoint 在抓取时会作为独立 target 存在，并自动注入 __meta_kubernetes_service_name、__meta_kubernetes_endpoint_port_name 等服务发现标签（取决于你的服务发现配置，如 Kubernetes SD）。这些标签最终会映射为 Prometheus 的 label，例如：service、endpoint、job。
你可以先运行以下查询，验证集群中所有被发现的 endpoint 及其所属 Service：
count by (job, service, endpoint) (up{job=~".+"})筛选长期 up == 0 且曾被发现过的 endpoint
僵尸 endpoint 的典型特征是：曾出现在服务发现中（即有对应 target 标签），但当前及过去一段时间内 up == 0，且无其他指标上报（说明采集器已停止拉取）。
使用 absent_over_time() 配合 up 判断“持续失联”：
-
absent_over_time(up[1h])表示该 target 在过去 1 小时内完全没上报过up指标（包括up=0）——这更可能是 target 已从 SD 中消失，不属“僵尸”而是“已注销”； - 真正要找的是
up == 0且稳定维持的 endpoint，推荐用：
count_over_time(up == 0[30m]) > 59（假设 scrape interval=30s，即连续30分钟上报up=0）； - 更稳妥写法（兼容不同采集间隔）：
avg_over_time(up[30m]) == 0 —— 若过去30分钟平均值为 0，基本可判定持续不可达。
关联 Service 层级，输出“僵尸 endpoint 所属的 Service”
仅知道 target 失联还不够，需定位到具体 Service。利用 Prometheus 的 label 一致性，直接按 service 和 job 聚合：
该查询结果中每一行，就代表一个长期失联的 endpoint，及其归属的 Service 名称（service 标签）和监控任务（job）。
若想进一步聚焦“Service 级别是否有僵尸 endpoint”，可用：
count by (job, service) (avg_over_time(up[30m]) == 0) > 0排除误报：过滤掉本就不该活跃的 endpoint
某些 endpoint 是故意不活跃的（如备用端口、未启用的 probe、或已下线但未清理的旧 Service）。建议加白名单过滤：
- 排除
job="kube-probe"或endpoint="readyz"等探针类端点； - 排除带
release="legacy"或env="staging"等明确标识的测试/废弃环境； - 结合 Kubernetes endpoint 对象状态（需配合 kube-state-metrics）交叉验证：
kube_endpoint_address_available{condition="true"} == 0 unless on(service, namespace) kube_service_labels{label_prometheus!="ignore"}
最终推荐的一键定位表达式（可直接粘贴进 Prometheus UI）：
count by (job, service, endpoint, instance) (avg_over_time(up[30m]) == 0) unless on(job, service, endpoint) (up{job=~"blackbox|probe|.*-test"} == 1)这个表达式能列出所有持续30分钟不可达、且不属于探针/测试类任务的 endpoint，并附带其所属 Service 和物理实例信息，便于运维快速下线或排查。
