EKS 集群监控从零搭建：kube-prometheus-stack 全套部署（25 分钟落地，含 GPU 监控） 一套 Helm 命令部署 Prometheus + Alertmanager + Grafana，配合钉钉告警网关，25 分钟内完成 EKS 集群的生产级可观测性。本文覆盖部署、告警规则、GPU 监控、Dashboard 和踩坑记录。一、架构总览