Linux集群负载感知需分层实现：采集层用Node Exporter暴露指标并由Prometheus每15秒拉取；分析层通过CPU、IO、内存组合判断真实压力类型；执行层联动Kubernetes驱逐Pod或Consul+Fabio动态调权，且阈值、时间窗口、拓扑标签须按角色校准。
Linux 集群实现自动化的负载感知，核心是让系统能实时“读懂”各节点的资源压力，并据此动态调整任务分发、进程调度或服务位置。它不是靠人工查 top 或 sar，而是把负载指标变成可计算、可决策、可联动的信号。
负载感知必须分层落地：采集层要准、分析层要懂上下文、执行层要稳
- 采集层统一暴露关键指标：每台节点运行 Node Exporter，暴露
node_load1、node_cpu_seconds_total{mode!="idle"}、node_memory_MemAvailable_bytes、rate(node_disk_io_time_seconds_total[5m])、node_filesystem_usage_ratio等原始数据；Prometheus 每 15 秒拉取一次，保留细粒度，避免聚合失真 - 分析层识别真实压力类型：不能只看 load > 4 就告警。要用组合判断，例如：
- CPU 型压力：
100 - (avg by(instance) (rate(node_cpu_seconds_total{mode="idle"}[5m])) * 100) > 85 - IO 型压力：
rate(node_io_wait_seconds_total[5m]) / rate(node_cpu_seconds_total[5m]) > 0.25且node_load1 > 3 - 内存争抢型：
node_memory_SwapUsed_bytes > 0或rate(node_vmstat_pgpgin[5m]) > 10000
- CPU 型压力：
- 执行层联动调度与服务分发：将负载信号注入实际动作链
- Kubernetes 中通过
topology.kubernetes.io/region+node.kubernetes.io/load-hightaint 自动驱逐非关键 Pod - 自建集群可用 Consul + Fabio 实现权重动态更新：根据
node_load5值反比设置后端权重，weight = max(1, int(100 / (load5 + 1))) - 调度器级感知：启用内核
schedutil频率调节器 +cpu_capacity拓扑感知，让 CFS 调度器天然倾向大核、避开高 iowait CPU
- Kubernetes 中通过
关键细节不能绕开
- 所有负载阈值必须按节点角色校准：Kafka broker 节点
load5 > 6可能正常，而 API 网关节点load5 > 2就该限流 - 时间窗口要匹配业务节奏：批处理节点用 15 分钟平均值，实时接口节点必须看 1 分钟甚至 15 秒瞬时值
- 负载信号需打标关联拓扑：给每个指标附加
role=ingress,env=prod,rack=03b标签，才能做跨维度聚合与下钻
不复杂但容易忽略
