4. 成本分摊数据采集：Metrics Server、Prometheus、kube-state-metrics 的数据采集机制

成本分摊模型的精度直接取决于底层数据采集的完整性与时效性。在云原生环境中，Metrics Server、Prometheus 与 kube-state-metrics 是三大核心数据源，分别负责资源指标、监控指标与状态元数据的采集。理解三者的采集机制，是构建可靠成本分摊管道的前提。

4.1 三大数据源的角色定位与数据差异

4.2 Metrics Server：轻量级资源聚合器

Metrics Server 通过 Kubelet Summary API 从每个 Node 上的 kubelet 收集 Pod 与 Node 的 CPU、内存使用数据。其采集链路如下：

1. kubelet 内置 cAdvisor：在每个 Node 上采集容器级别的 cgroup 统计信息。
2. Summary API 暴露：kubelet 在 /stats/summary 端点聚合本节点所有 Pod 的资源使用数据。
3. Metrics Server 轮询：Metrics Server 通过 Node 列表，以 --kubelet-port（默认 10250）向每个 Node 发起 HTTPS 请求。
4. 聚合与缓存：Metrics Server 将数据缓存在内存中，并通过 metrics.k8s.io API 对外暴露。

# Metrics Server 采集周期与端口配置示例（Deployment 环境变量）
--kubelet-preferred-address-types=InternalIP
--kubelet-insecure-tls
--metric-resolution=60s   # 默认 60 秒采集一次

4.3 Prometheus：多维时间序列采集引擎

Prometheus 采用 Pull 模型，通过 Service Discovery 动态发现目标并抓取指标。在成本分摊场景中，Prometheus 主要采集两类指标：

• 容器资源指标：通过 cadvisor 指标暴露，如 container_cpu_usage_seconds_total、container_memory_working_set_bytes。
• Kubernetes 组件指标：kube-controller-manager、kube-scheduler 等组件的性能指标。

Prometheus 的采集配置核心在于 scrape_config，以下是一个针对容器指标与 kube-state-metrics 的典型配置片段：

scrape_configs:
  - job_name: 'kubernetes-cadvisor'
    scheme: https
    tls_config:
      ca_file: /var/run/secrets/kubernetes.io/serviceaccount/ca.crt
    bearer__file: /var/run/secrets/kubernetes.io/serviceaccount/
    kubernetes_sd_configs:
      - role: node
    relabel_configs:
      - source_labels: [__meta_kubernetes_node_name]
        regex: (.+)
        target_label: __metrics_path__
        replacement: /api/v1/nodes/${1}/proxy/metrics/cadvisor

  - job_name: 'kube-state-metrics'
    static_configs:
      - targets: ['kube-state-metrics.kube-system.svc.cluster.local:8080']

4.4 kube-state-metrics：资源状态元数据导出器

kube-state-metrics 本身不采集运行时指标，而是监听 Kubernetes API Server，将资源对象的状态转换为 Prometheus 指标。其核心价值在于提供 资源声明量，这是成本分摊中计算“请求分摊比例”的关键输入。

4.5 数据采集链路与安全权限映射

下图展示了从数据源到成本分摊引擎的完整采集链路，以及各环节涉及的安全权限点：

4.6 采集机制对比与选型建议