diff --git a/content/zh/blogs/Kubernetes- microservice- monitoring.md b/content/zh/blogs/Kubernetes- microservice- monitoring.md
new file mode 100644
index 000000000..907131232
--- /dev/null
+++ b/content/zh/blogs/Kubernetes- microservice- monitoring.md
@@ -0,0 +1,222 @@
+---
+title: '在 Kubernetes 中实现微服务应用监控'
+tag: 'KubeSphere, Kubernetes'
+keywords: 'KubeSphere, Kubernetes, 微服务, Prometheus'
+description: 'KubeSphere 平台本身提供了监控功能，包括节点状态、集群资源使用率、Etcd、API Server 等监控，不过缺少了应用级别的监控。本篇文章我们基于 Prometheus 和 Grafana 实现微服务应用监控。'
+createTime: '2022-10-15'
+author: '张坚'
+snapshot: 'https://pek3b.qingstor.com/kubesphere-community/images/k8s-microservice-monitoring-cover.png'
+---
+
+> 张坚，科大讯飞开发工程师，云原生爱好者。
+
+本篇文章我们基于 Prometheus 和 Grafana 实现微服务应用监控。
+
+
+
+> KubeSphere 平台本身提供了监控功能，包括节点状态、集群资源使用率、Etcd、API Server 等监控，不过缺少了应用级别的监控。
+
+## 引入依赖包
+
+在应用中引入监控所需要的 jar 包，包含 Prometheus 和 Actuator。
+
+```xml
+
+ org.springframework.boot
+ spring-boot-starter-actuator
+
+
+
+ io.micrometer
+ micrometer-registry-prometheus
+
+```
+
+引入这 2 个包以后就通过 Prometheus 抓取到应用的监控信息。
+
+## 修改应用配置，暴露监控端口
+
+```yaml
+management:
+ endpoints:
+ web:
+ exposure:
+ include: "*"
+ base-path: /
+ metrics:
+ tags:
+ application: ${spring.application.name}
+```
+
+- management.server.port：启用独立的端口来提供监控，未配置的情况下共用应用端口；
+- management.metrics.tags.xxx：在统计信息中添加自定义的标签；
+- management.endpoints.web.exposure.include：用于包含我们要公开的端点列表 , 我们这里设置为* 代表所有。
+- management.endpoints.web.base-path：用于设置 Promethues 的监控路径，默认是通过 `/actuator/prometheus` 访问，这样配置以后只需要通过 `/prometheus` 访问
+
+配置完成后重启服务，通过浏览器访问 `localhost:8080/prometheus` 即可抓取到 Prometheus 的监控数据，效果如下：
+
+
+
+## 修改 Service 配置
+
+```yaml
+kind: Service
+apiVersion: v1
+metadata:
+ name: spring-cloud-provider-service
+ namespace: cloud-demo
+ labels:
+ app: spring-cloud-provider-service
+ micrometer-prometheus-discovery: 'true'
+spec:
+ ports:
+ - name: metrics
+ protocol: TCP
+ port: 8080
+ targetPort: 8080
+ selector:
+ app: spring-cloud-provider
+```
+
+修改后端服务端的 Service：
+
+* 添加了 `micrometer-prometheus-discovery: 'true'` 这个标签，方便后面 ServiceMonitor 自动抓取
+* 修改 Service 端口映射的名称未 metrics
+
+## 创建 ServiceMonitor
+
+安装 KubeSphere 平台时已经安装好了 promethus-operator, ServiceMonitor 是 prometheus-operator 后创建的一种自定义资源，Prometheus 可以通过 ServiceMonitor 自动识别带有某些 label 的 service ，并从这些 Service 获取数据。
+
+现在需要让 Promethus 可以抓取到我们暴露的应用监控，所以需要创建一个如下的 ServiceMonitor。
+
+```yaml
+apiVersion: monitoring.coreos.com/v1
+kind: ServiceMonitor
+metadata:
+ name: micrometer-demo
+ namespace: cloud-demo
+spec:
+ endpoints:
+ - interval: 30s
+ path: /prometheus
+ port: metrics
+ namespaceSelector:
+ matchNames:
+ - cloud-demo
+ # any: true
+ selector:
+ matchLabels:
+ micrometer-prometheus-discovery: 'true'
+```
+
+**这段 YAML 文件的意思是抓取 namespace 为 cloud-demo，并设置了 `micrometer-prometheus-discovery: 'true'` 的 labels 的所有 Service，抓取的端口为 `metrics`，抓取路径为 `/prometheus`。**
+
+详细说明一下各字段的意义：
+
+- `metadata` 下的 `name` 和 `namespace` 将指定 Service Monitor 所需的一些关键元信息。
+- `spec` 的 `endpoints` 为服务端点，代表 Prometheus 所需的采集 Metrics 的地址。`endpoints` 为一个数组，同时可以创建多个 `endpoints`。每个 `endpoints` 包含三个字段，每个字段的含义如下：
+
+ - `interval`：指定 Prometheus 对当前 `endpoints` 采集的周期。单位为秒，在本次示例中设定为 `30s`。
+ - `path`：指定 Prometheus 的采集路径。设置为 `/prometheus`，这个跟应用中暴露的监听端口保持一致。
+ - `port`：指定采集数据需要通过的端口，设置为 `/metrics` 设置的端口为 步骤三 创建 Service 时端口所设置的 `name`。
+- `spec` 的 `namespaceSelector` 为需要发现的 Service 的范围。`namespaceSelector` 包含两个互斥字段，字段的含义如下：
+ - `any`：有且仅有一个值 `true`，当该字段被设置时，将监听所有符合 Selector 过滤条件的 Service 的变动。
+ - `matchNames`：数组值，指定需要监听的 `namespace` 的范围。例如，只想监听 `default` 和 `cloud-demo` 两个命名空间中的 Service，那么 `matchNames` 设置如下：
+
+ ```yaml
+ namespaceSelector:
+ matchNames:
+ - default
+ - cloud-demo
+ ```
+
+- `spec` 的 `selector` 用于选择 Service。
+ 在本次示例所使用的 Service 有 `micrometer-prometheus-discovery: 'true'` Label，所以 `selector` 设置如下：
+
+ ```yaml
+ selector:
+ matchLabels:
+ micrometer-prometheus-discovery: 'true'
+ ```
+
+可以通过 `kubectl apply -f micrometer-demo.yml` 将其部署到集群中。
+
+执行成功后可以在集群的 CRD 下面搜索 ServiceMonitor 并打开可以找到我们部署的 ServiceMonitor 配置。如图所示：
+
+
+
+## 创建自定义监控
+
+访问 集群-> 监控告警-> 自定义监控进入，如图所示：
+
+
+
+我们点击创建 可以看到 KubeSphere 已经集成了部分监控面板，这里我们选择 Grafana。
+
+
+
+在下一步后系统会让我们上传 JSON 模版，我们可以通过 [Grafana 官网](https://grafana.com/grafana/dashboards "Grafana 官网")下载一些通用的模版配置，这里我们使用的是 [Spring Boot 2.1 Statistics]([Spring Boot 2.1 Statistics | Grafana Labs](https://grafana.com/grafana/dashboards/10280-microservices-spring-boot-2-1/ "Spring Boot 2.1 Statistics"))。在右侧可以下载 JSON 文件。
+
+导入 JSON 后我们就可以看到相关监控指标了。
+
+
+
+使用这种方式有个最大问题就是多个应用无法切换，像我们之前部署了 3 个应用在一张图中显示就很乱，所以需要通过外部 Grafana 展示监控数据。
+
+## 使用外部 Grafana 集成
+
+为了方便，我们直接使用 KubeSphere 提供的应用商店功能安装外部 Grafana。
+
+1. 添加应用仓库
+
+进入企业空间 -> 应用管理 -> 应用仓库，点击添加，加入 bitnami 应用仓库。
+
+
+
+2. 安装 Grafana
+
+- 我们依次打开企业空间-项目-点击要安装到的具体项目-点击应用-点击右侧的创建按钮；
+
+- 弹出对话框中点击从应用模版，从应用仓库列表中选择我们刚刚添加的 bitnami 的仓库，搜索 Grafana 点击后安装即可。
+
+
+
+
+
+安装完成后我们在服务里给 grafana 的服务开启 NodePort 外部访问，比如我这里的的访问地址为：http://172.30.10.73:28328/
+
+3. 设置 Grafana 数据源
+
+- 我们使用管理员账号 admin 登录进 Grafana，默认密码可以在项目的保密字典中的 `cloud-grafana-admin` 中找到；
+
+- 登录后我们点击左侧的小齿轮-datasource 在打开页面中选择 Add data source 然后选择 Prometheus 在 URL 中填入我们上面说到的 Prometheus 的 URL 地址。如图所示：
+
+
+
+ Prometheus 可以通过如下方式找到 `kubectl get svc -n kubesphere-monitoring-system`
+
+ 
+
+- 填写后拖到最下面，点击 save&test。
+
+4. 导入 Dashbord
+
+- 我们点击页面左侧➕-import；
+- 输入我们从 [grafana 官网](https://grafana.com/grafana/dashboards "grafana 官网") 获得的对应的模版的 id 点击 load（我这里使用的是 [Spring Boot 2.1 Statistics | Grafana Labs](https://grafana.com/grafana/dashboards/10280-microservices-spring-boot-2-1/ "Spring Boot 2.1 Statistics | Grafana Labs")）；
+- 在下一步中选择 Prometheus 为我们配置的数据源 点击 import 即可。
+
+
+
+之后我们就可以看到配置的应用监控了。
+
+
+
+
+
+多个应用之间可以通过左上角进行切换，符合预期。
+
+## 附录
+
++ [grafana 官网](https://grafana.com/grafana/dashboards "grafana 官网")
++ [Spring Boot 2.1 Statistics](https://grafana.com/grafana/dashboards/10280-microservices-spring-boot-2-1 "Spring Boot 2.1 Statistics")
++ [ServiceMonitor](https://prometheus-operator.dev/docs/operator/design/#servicemonitor "ServiceMonitor")
\ No newline at end of file