Docker数据卷监控需通过宿主机磁盘指标实现，核心是用node-exporter采集挂载点文件系统指标，在Prometheus中按mountpoint过滤告警；关键步骤包括部署node-exporter、配置Prometheus job、准确获取Volume Mountpoint路径，并建议关键卷单独挂载以提升告警精准度。
Docker 数据卷本身不直接暴露指标，监控告警需借助宿主机层面的磁盘使用情况，并结合卷的挂载路径与业务语义来实现。核心思路是：把 Volume 当作宿主机上的一个目录或设备来监控，而非容器内部抽象对象。
数据卷空间使用监控要抓宿主机磁盘指标
Volume 在底层实际映射到宿主机文件系统（如 /var/lib/docker/volumes/xxx/_data 或用户自定义路径），因此它的容量风险本质是挂载点所在文件系统的空间耗尽问题。
- 不要试图从容器内
df或du实时采集——不可靠、权限受限、无法覆盖所有卷 - 应统一通过
node-exporter采集宿主机磁盘指标，再在 Prometheus 中按挂载路径过滤
例如，监控某个命名卷 /mnt/app-data 的使用率：
minimax-mcp-docker版（适配极空间）
下载
MiniMax 图片理解 + 网络搜索 MCP 工具。适配 Docker 环境（极空间等），支持图片 OCR 识别、图像内容理解、网络搜索。API Key 安全存储在本地 credentials 文件，不暴露在代码中。
# Prometheus 告警规则（alerts.yml）
- alert: VolumeHighUsage
expr: (node_filesystem_avail_bytes{mountpoint="/mnt/app-data"} / node_filesystem_size_bytes{mountpoint="/mnt/app-data"}) < 0.15
for: 3m
labels:
severity: warning
annotations:
summary: "Volume {{ $labels.mountpoint }} usage > 85%"
description: "Available space is only {{ $value | humanize }} bytes"关键配置步骤
-
部署 node-exporter（必须）
它能暴露node_filesystem_*系列指标，包含每个挂载点的总大小、可用字节、只读状态等。
启动命令示例：docker run -d \ --name=node-exporter \ --restart=always \ --volume="/proc:/host/proc:ro" \ --volume="/sys:/host/sys:ro" \ --volume="/:/rootfs:ro" \ --publish=9100:9100 \ prom/node-exporter:v1.6.1 \ --path.procfs=/host/proc \ --path.sysfs=/host/sys
-
在 Prometheus 中添加 job
确保prometheus.yml包含：- job_name: 'node' static_configs: - targets: ['localhost:9100'] -
确认挂载路径可被识别
运行docker volume inspect vol-name查看Mountpoint字段，比如："Mountpoint": "/var/lib/docker/volumes/myapp_data/_data"
就用这个路径作为
mountpoint=标签值写进告警表达式。 区分关键卷与普通目录
生产中建议为重要 Volume 单独挂载到有明确路径的目录（如/data/db,/data/logs），避免混在/var/lib/docker/volumes/下难以定位。这样告警更精准，也方便运维快速响应。
补充建议：配合日志与事件做交叉验证
仅靠空间不足告警可能滞后。可叠加以下手段增强可观测性：
- 使用
docker events --filter event=oom捕获因磁盘满导致的容器异常退出 - 对写密集型服务（如数据库），监控其日志中
No space left on device错误行数 - 定期执行
du -sh /path/to/volume/* | sort -hr | head -10做容量热点分析（可设为 cron 任务并上报至 Prometheus 自定义指标）
不复杂但容易忽略。
