Kubernetes集群由控制平面和工作节点两类组件组成。控制平面包括API Server、etcd、Scheduler以及Controller Manager。工作节点则包括kubelet、Container Runtime、kube-proxy、kube-dns以及Pod。你需要监控所有这些组件以确保集群和应用程序的正常运行。
Kubernetes通过多种方式暴露这些组件的指标，让我们看看可以使用哪些不同的组件来采集集群的指标。
1. cAdvisor
Container Advisor(或者称为cAdvisor)是一个开源项目，用来采集节点上容器的资源使用情况和指标。cAdvisor内置在kubelet中，kubelet运行在集群中的每个节点上。它通过Linux cgroups(Control Group，控制组)来收集内存和CPU指标。
cgroups是Linux内核的一个功能，用来隔离诸如CPU、磁盘I/O或者网络I/O等资源。cAdvisor也会通过Linux内核内置的statfs来收集磁盘指标。你不需要关心这些技术的实现细节，但是应该理解这些指标是如何暴露的，以及你需要采集什么类型的信息。最后，你应该将cAdvisor视为所有容器指标的可信来源。
2. Metrics Server
Kubernetes Metrics Server和Metrics Server API替代了弃用的Heapster。Heapster在数据接收器的架构上存在一些缺陷，导致在Heapster的核心代码中引入了大量的供应商解决方案。
这个问题最终通过在Kubernetes中将Resource Metrics API(资源指标API)和Custom Metrics API(自定义指标API)实现成一个聚合API而得到解决。这样就可以在不改变API的情况下切换不同的实现。
Metrics Server API和Metrics Server有两个方面需要理解。
首先，Metrics Server是 Resource Metrics API的典型实现，它通过kubelet的API采集诸如CPU和内存这类资源的指标，并将其存储在内存中以供Kubernetes Scheduler、HPA(Horizontal Pod Autoscaler)以及VPA(Vertical Pod Autoscaler)使用。
其次，Custom Metrics API 允许监控系统收集任意指标，这将允许在监控方案中构建自定义的适配器，将监控范围扩展到核心资源指标之外。
例如，Prometheus构建了最早的自定义指标适配器之一，它可以让你基于自定义的指标来使用HPA。这样就可以根据场景提供更好的伸缩性，因为你可以引入诸如队列大小这样的指标， 并且基于这类外部指标进行缩放。
Metrics API的标准化为扩展传统的CPU和内存指标提供了更多的可能。
3. kube-state-metrics
kube-state-metrics是Kubernetes的一个附加组件，用来监控存储在Kubernetes中的对象。cAdvisor和Metrics Server 用于提供资源使用的详细指标，而kube-state-metrics则关注识别集群中对象的状态。
以下是一些kube-state-metrics可以回答的问题：
Pod
有多少Pod部署在集群中?
有多少Pod处于挂起状态?
是否有足够的资源来满足Pod的请求?
Deployment
有多少Pod处于运行状态或者预期的状态?
有多少副本可用?
哪些Deployment已更新过?
Node
工作节点处于什么状态?
集群中分配了多少CPU?
是否存在不可调度的节点?
Job
Job是何时启动的?
Job是何时结束的?
多少Job失败了?
在撰写本文时，kube-state-metrics可以追踪22种Kubernetes对象类型，这个范围还在扩大，你可以从官方Github仓库中找到相关文档。
关于作者：Brendan Burns，微软Azure的杰出工程师，也是Kubernetes开源项目的联合创始人，现为微软副总裁，从事云应用的开发工作已有十多年。
Eddie Villalba，微软商业软件工程部门的软件工程师，专注于开源云和Kubernetes。他帮助过许多用户将Kubernetes 用于应用程序。
Dave Strebel，微软Azure的全球云原生架构师，专注于开源云和Kubernetes。他深度参与了Kubernetes开源项目，为Kubernetes发布团队提供帮助并领导SIG-Azure工作组。
Lachlan Evenson，微软Azure的容器计算团队的首席开发经理，他通过动手实操教学和会议演讲帮助许多人去了解Kubernetes。
