调度器需暴露多维指标：用countervec按result和cluster_id区分成功/失败，histogramvec记录耗时（0.01–1.0s分桶），gauge上报候选池大小；/syncz检查元数据同步时效性，informer_last_resource_version监控同步状态，docker事件监听需带缓冲与历史拉取，多实例须独立registry和端口，/metrics响应头须含text/plain; version=0.0.4。
Go 框架本身不参与容器调度，真正需要监控的是你写的调度器逻辑、集群接入层、资源同步状态，以及它所依赖的底层组件（如 Docker Engine、Kubernetes API Server）。监控集成不是“加个 SDK 就完事”，而是围绕调度行为建模、暴露关键信号、对齐可观测性语义。
如何暴露调度决策指标给 Prometheus
调度器每做一次分发，都应产生可聚合、可下钻的指标。不能只埋一个 dispatch_total 就算完。
- 必须区分成功/失败/重试：用
prometheus.NewCounterVec()按result（success/fail/fallback）和cluster_id打标，否则无法定位是哪个集群总失败 - 延迟不能只打平均值：用
prometheus.NewHistogramVec()记录从收到任务到返回 clusterID 的耗时，buckets建议设为[]float64{0.01, 0.05, 0.1, 0.3, 1.0}，覆盖毫秒到秒级抖动 - 避免在 handler 里直接调
MustRegister()：多个调度模块（如 filter/scorer/executor）应各自持有独立prometheus.Registry，最后统一挂到/metrics，否则同名指标注册会 panic - 务必暴露“候选池大小”：用
Gauge类型上报每次过滤后剩余的集群数，这是判断标签配置或健康探针是否生效的最直接依据
为什么 /healthz 不等于调度器健康
/healthz 只反映进程存活和本地依赖（如 DB 连通），但调度器真正的健康取决于它能否持续获取准确的跨集群元数据。
- 必须单独暴露
/syncz端点：检查各集群元数据同步时间戳是否超时（例如 >15s），并返回 JSON 中带"cluster_id": "sh-01", "last_sync": "2026-06-19T01:12:33Z", "stale": true - 不要在
/healthz里连所有集群做全量探测：这会拖慢 K8s readiness 探针，导致滚动更新卡住；应只检查本地 cache 是否可读 + 至少一个核心集群在线 - 若使用 informer 同步 Kubernetes 资源，需暴露
informer_last_resource_versionGauge：数值长期不更新说明 informer 断连或权限不足，比 ping 更早发现问题
Docker 容器事件监听如何不丢 event
用 cli.Events() 实时监听容器启停，看似简单，但生产环境极易漏事件——尤其是 daemon 重启或网络抖动时。
- 必须启用
types.EventsOptions{Since: time.Now().Add(-5 * time.Minute).Format(time.RFC3339)}：启动时先拉取最近 5 分钟历史事件，避免冷启动 gap - event channel 需带缓冲：
make(chan types.Event, 100)，防止 handler 处理慢导致 channel block，进而阻塞整个事件流 - 不要忽略
status == "start" && from == "docker.io/library/nginx:alpine"这类字段：它们是识别业务容器的关键依据，仅靠id和names在高并发场景下不可靠 - 监听 goroutine 必须 recover panic：Docker daemon 返回的 event 结构体字段可能为空或类型不符，直接解包会 crash 整个监听循环
多实例部署时 metrics 端口冲突与隔离
当同一宿主机跑多个调度器实例（如不同租户、不同策略版本），共用 DefaultRegisterer 或监听同一端口会导致指标混乱或启动失败。
- 每个实例必须绑定唯一端口：通过
-port=8081启动参数传入，而非硬编码:8080；K8s 中用containerPort+targetPort显式映射 - registry 必须 per-instance：
reg := prometheus.NewRegistry()在 main 初始化时创建，所有指标构造时显式传入该 registry，禁止使用promauto（它绑死全局 DefaultRegisterer） - 如果用 Prometheus ServiceMonitor，
endpoints.port必须匹配实际监听端口，且selector.matchLabels要精确到实例级别（如instance-id: tenant-a-v2），否则指标混在一起无法下钻 - 注意
/metrics响应头：必须含Content-Type: text/plain; version=0.0.4，否则 Prometheus 抓取后标记为INVALID，日志里只报 “expected text/plain” 却不提示具体哪一行错
最易被忽略的是调度器的“元数据新鲜度”——它不像 HTTP 请求那样有明确 success/fail，而是一个缓慢劣化的状态。同步延迟、标签漂移、集群健康误判，这些都不会立刻报错，却会让调度结果逐渐偏离预期。监控必须覆盖这个中间态，而不是只盯着最终的 dispatch 成败。
golang免费学习笔记（深入）：立即使用
在学习笔记中，你将探索golang的核心概念和高级技巧！
