4. Kubernetes 资源模型概述：Pod、Deployment、StatefulSet、DaemonSet、Service、HPA 的核心资源指标

在 Kubernetes 生态中，资源模型是监控与性能优化的基础。不同的工作负载类型（Workload）和网络抽象层，暴露出的 Prometheus 指标维度与语义截然不同。本章将系统梳理 Pod、Deployment、StatefulSet、DaemonSet、Service 和 HPA 这六类核心 Kubernetes 资源的关键监控指标，为后续 Helm 应用性能优化建立统一的指标认知框架。

4.1 资源模型分层与监控视角

Kubernetes 资源模型可划分为三个监控层次：基础设施层（Node、Volume）、工作负载层（Pod、Deployment、StatefulSet、DaemonSet）和网络与弹性层（Service、HPA）。Prometheus 通过 kube-state-metrics、cAdvisor 和 kubelet 暴露这些资源的指标。

4.2 Pod 核心资源指标

Pod 是 Kubernetes 最小的调度和资源分配单元。Prometheus 监控 Pod 时，主要关注资源使用、状态和生命周期三类指标。

4.3 Deployment 核心资源指标

Deployment 管理一组无状态 Pod 的声明式更新。监控 Deployment 的核心是副本状态和滚动更新健康度。

• 期望副本数 vs 可用副本数： kube_deployment_spec_replicas 与 kube_deployment_status_replicas_available 的差值直接反映服务容量是否充足。
• 更新进度： kube_deployment_status_observed_generation 与 kube_deployment_metadata_generation 不一致时，表示滚动更新尚未完成。
• 副本不可用率： (kube_deployment_status_replicas_unavailable / kube_deployment_spec_replicas) * 100，超过 0% 即需关注。

4.4 StatefulSet 核心资源指标

StatefulSet 用于管理有状态应用，每个 Pod 拥有稳定的网络标识和持久化存储。监控重点在于有序部署和存储卷状态。

4.5 DaemonSet 核心资源指标

DaemonSet 确保每个 Node 上运行一个 Pod 副本，常用于日志采集、监控代理和网络插件。监控核心是节点覆盖率和调度一致性。

• 调度节点数： kube_daemonset_status_desired_number_scheduled 表示期望调度的节点数。
• 当前就绪数： kube_daemonset_status_number_ready 表示就绪的 Pod 数量。
• 不可用节点： kube_daemonset_status_number_unavailable 表示未运行就绪 Pod 的节点数。
• 节点覆盖率公式： (number_ready / desired_number_scheduled) * 100，低于 100% 表示部分节点缺少 DaemonSet Pod。

4.6 Service 核心资源指标

Service 提供稳定的网络访问入口，其监控核心是端点可用性和流量分布。

4.7 HPA 核心资源指标

Horizontal Pod Autoscaler（HPA）根据 CPU/内存利用率或自定义指标自动调整副本数。监控 HPA 的关键是扩缩容状态和目标利用率。

• 当前副本数： kube_horizontalpodautoscaler_status_current_replicas
• 期望副本数： kube_horizontalpodautoscaler_status_desired_replicas
• 目标指标利用率： kube_horizontalpodautoscaler_spec_target_metric 与 kube_horizontalpodautoscaler_status_current_metric 的对比。
• 扩缩容事件： 通过 kube_horizontalpodautoscaler_status_condition{condition="AbleToScale"} 判断 HPA 是否正常工作。

4.8 资源指标聚合与 PromQL 最佳实践

在实际监控中，通常需要将上述指标按工作负载类型进行聚合。以下是一些常用的 PromQL 聚合模式：

# 按 Deployment 聚合 CPU 使用率
sum(rate(container_cpu_usage_seconds_total{namespace="production"}[5m])) by (pod)
  / on(pod) group_left(owner_name)
  kube_pod_owner{owner_kind="Deployment"}

# 按 StatefulSet 聚合内存使用量
sum(container_memory_working_set_bytes{namespace="database"}) by (pod)
  / on(pod) group_left(owner_name)
  kube_pod_owner{owner_kind="StatefulSet"}

# 检测 DaemonSet 节点覆盖率
(kube_daemonset_status_number_ready / kube_daemonset_status_desired_number_scheduled) * 100 < 100

# HPA 扩缩容事件频率
changes(kube_horizontalpodautoscaler_status_desired_replicas[15m]) > 3