registry.k8s.io/node-problem-detector/node-problem-detector:v0.8.20

node-problem-detector（简称NPD）是Kubernetes生态中一款轻量级节点问题检测工具，主要用于实时监控集群节点的异常状态并生成报告，帮助运维人员及时发现和处理节点层面的故障。 作为运行在每个节点上的DaemonSet组件，NPD能覆盖多种常见节点问题类型。硬件层面，它可以检测磁盘IO异常、内存故障、CPU过热等问题；系统层面能捕捉内核错误日志（如OOM、死锁）、网络接口故障；容器运行时相关的异常，比如Docker或containerd启动失败、镜像拉取超时等也在监控范围内。 检测机制上，NPD支持多种数据来源。最常用的是日志监控，通过解析节点的/var/log/messages、/var/log/kern.log等系统日志，匹配预设的关键词规则（如"out of memory"）来识别问题；还能执行自定义系统命令（如检查磁盘使用率的df命令）获取指标；同时支持接入外部插件，扩展检测能力以适配特殊场景。 收集到异常数据后，NPD会通过两种方式报告问题：一是向Kubernetes API Server提交Event事件，直接显示在kubectl describe node的输出中；二是暴露Prometheus格式的Metrics指标，方便集成监控平台（如Grafana）进行可视化和告警。这种双重报告机制确保问题既能被即时发现，也能纳入长期监控体系。 在实际部署中，NPD以DaemonSet形式运行，确保每个节点都有一个实例。它通过读取配置文件（通常是YAML格式）定义检测规则，比如日志路径、关键词匹配模式、告警阈值等。运维人员可以根据集群特性自定义规则，比如增加对特定硬件型号的检测逻辑，或调整内核错误的告警敏感度。 对于Kubernetes集群来说，节点稳定性直接影响业务可用性。NPD的价值在于将分散的节点问题集中化、标准化地呈现，避免运维人员手动登录每个节点排查日志。无论是偶发的内核panic，还是持续的磁盘IO高负载，NPD都能快速捕捉并上报，帮助团队在故障扩大前介入处理。尤其在大规模集群中，这种自动化检测能力能显著降低运维成本，提升故障响应效率。