随着信息技术的发展,云计算与容器技术逐渐成熟,企业将数以万计的业务容器部署到云平台上为用户提供服务并使用Kubernetes（简称K8s）进行容器编排管理与资源分配。为保证K8s集群和其上的业务系统正常运行,容器监控必不可少。相对于传统的主机监控,K8s容器监控具有数据量大、变化频繁等特点。同时,由于容器生命周期短暂,对于监控的实时性要求更高。目前以Prometheus为代表的容器监控系统一般采用在集群中容器化部署代理的方式采集监控指标,这样的策略或多或少对K8s集群会产生部分资源消耗。在实际应用场景中,企业级用户通常需要部署多个K8s集群,然而,现有的容器监控工具对多集群监控的适配性不佳。另一方面,当K8s中的业务容器出现服务异常时,如何从网络流量推断资源指标异常目前仍主要基于专业人员的长期经验积累,尚缺少直观有效的工具协助运维人员快速定位业务容器异常原因,更好地保障业务应用的高效可用。针对以上问题,本文展开了面向K8s的容器立体化监控研究,并在已有商用监控系统的基础上,从CPU、内存、网络、存储四个维度实现了对多个K8s集群的核心组件的资源监控,并通过网络流量指标与资源指标的相关性分析得出指标间的相关性强弱,以此实现容器级别的立体化监控。首先,本文针对K8s监控架构与安全机制进行分析,提出了一种简化的集群配置方式以实现对受监控集群的管理,用户可以根据需求对集群配置进行修改;其次,本文针对多集群监控的需求设计了一种无需代理且自适应集群规模的指标采集方式,可通过访问K8s集群API服务器的方式定时采集集群中多个关键组件的监控信息,向用户提供多层级的资源指标,帮助用户判断容器是否存在工作异常;接着,本文针对业务容器资源指标与网络流量指标的相关性进行分析,通过计算业务容器在不同的网络环境下指标相关系数的强弱,得出指标相关性的定性结论;最后,本文实现了立体化监控原型系统,在提供集群核心组件各项资源指标的前提下,把相关系数以及相关性较强的指标其作为立体化监控的核心指标提供给用户,通过性能测试验证了监控系统对于K8s集群资源的低消耗。容器立体化监控可以从多维度反映容器运行状况,便于用户根据实际情况预测异常以及设置告警,为K8s集群运维提供帮助。