随着以Kubernetes（简称K8s）为代表的云原生技术体系蓬勃发展,云原生应用与K8s密切结合,应用分布式化、微服务化、高扩展化、多实例化和可迁移化等这些特点使得业务服务变得松散耦合,导致故障发生时难以进行定位和排查,给K8s上的云原生应用监控带来了挑战。K8s环境下通常需要监控系统资源和网络两种维度,尽管当下社区已经产生众多针对系统资源如CPU、内存、存储等方面进行监控的工具,但是在网络层面,K8s虚拟网络的复杂特性使得传统网络监控方案不再直接适用,针对K8s虚拟网络的监控诉求变得愈加迫切。K8s网络监控的难点和重点在于对其网络数据包的采集和分析。首先,由于K8s CNI网络插件的多样化,监控方案需要能够对不同网络协议和工作机制的网络插件进行适配和兼容;其次,由于K8s CRI容器运行时的多样化,Pod又具有漂移的特点,针对Pod容器的获取（适配多种CRI实现）和动态识别是需要解决的问题。目前一些K8s容器网络的监控方案仍然是以传统的面向IP层数据包的采集和梳理为主,传统的服务器IP很少会发生变化,但在K8s中,IP（尤其是Pod IP）是一种极其不稳定的存在,是不断动态变化的,因此以网络层和传输层的信息来分析数据包指标的时效性被大大降低,由于IP地址不易被人阅读和识别,流量分析也会变得十分复杂。如果能以业务或服务的角度来梳理网络数据包进行流量分析,将会大大降低运维人员排查故障花费的精力和时间。针对以上问题,本文设计并实现了一种云原生环境下基于动态服务拓扑映射的K8s网络性能监控系统,实现了自适应兼容多种K8s网络插件、自适应感知Pod、动态监听Pod变化情况和自适应不同容器运行时,能够对端到端（Pod to Pod）的网络数据进行抓包采集分析,基于提出的动态服务拓扑映射方法,对采集到的数据包进行关联分析,形成指标并上报。系统包括采集器和控制器两部分,采集器负责K8s网络数据指标的采集和上报,控制器负责指标数据的存储以及分析和展示。本文实现了在K8s的大型容器网络环境下完全覆盖端到端（Pod to Pod）的流量采集,动态服务拓扑映射使得建立完整的网络结构拓扑变得容易,通过汇总分析数据包关联指标数据,可以非常轻而易举地绘制网络传输路径、服务之间的通信路径,这有助于解决大型K8s容器网络下的从业务维度对网络数据进行监控和识别的难题,可以为运维、开发、产品等人员定位云原生应用网络故障,排查网络性能问题提供帮助。