3、资源画像基础：什么是资源画像（Resource Profiling）、CPU/内存/网络/存储的度量指标、画像数据的采集来源（Prometheus、cAdvisor、Kube-state-metrics）

3.1 什么是资源画像（Resource Profiling）

资源画像是指通过持续观测、采集和分析云原生工作负载在 CPU、内存、网络、存储等维度上的实际使用数据，形成对应用资源需求特征的结构化描述。它不同于简单的“峰值监控”，而是从时间序列、分布规律、关联性等角度，揭示应用的真实资源消耗模式。

在 FinOps 实践中，资源画像是成本优化的基础——只有准确理解“应用到底需要多少资源”，才能避免过度配置（Over-provisioning）导致的浪费，以及配置不足（Under-provisioning）引发的性能风险。

3.2 CPU / 内存 / 网络 / 存储的度量指标

资源画像的度量指标分为四个维度，每个维度关注不同的资源特征。以下是各维度的核心指标及其在 FinOps 中的意义：

3.3 画像数据的采集来源

Kubernetes 生态提供了三个核心数据采集组件，它们共同构成了资源画像的数据管道：

3.3.1 Prometheus —— 时序数据存储与查询引擎

Prometheus 是整个监控体系的核心，负责拉取（Pull）各暴露端点的指标数据，并提供 PromQL 查询语言用于画像分析。它通过 ServiceMonitor 或 PodMonitor 自动发现目标。

# 查询 Pod 级别 CPU 使用率（过去 5 分钟平均）
rate(container_cpu_usage_seconds_total{namespace="production", pod=~".+"}[5m])

# 查询内存工作集大小（按 Pod 聚合）
container_memory_working_set_bytes{namespace="production"}

3.3.2 cAdvisor —— 容器资源指标采集器

cAdvisor（Container Advisor）内嵌在 kubelet 中，自动采集每个容器的 CPU、内存、网络、文件系统等细粒度指标。它是 container_* 系列指标的来源，无需额外部署。

3.3.3 Kube-state-metrics —— 资源对象状态指标

Kube-state-metrics（KSM）不采集容器运行时指标，而是将 Kubernetes 资源对象（Pod、Deployment、Node、Namespace 等）的状态转换为 Prometheus 指标。它提供资源声明（Request / Limit）与调度状态信息，是资源画像中“期望值”与“实际值”对比的关键数据源。

# 查询 Pod 的 CPU Request 总量（按 Namespace 聚合）
sum(kube_pod_container_resource_requests{resource="cpu"}) by (namespace)

# 查询 Pod 的 CPU Limit 总量
sum(kube_pod_container_resource_limits{resource="cpu"}) by (namespace)

# 查询节点可分配资源
kube_node_status_allocatable{resource="cpu"}

3.4 三源数据对比：画像分析的关键

资源画像的核心分析逻辑是将三个数据源的信息进行交叉对比：

• 实际使用量（来自 cAdvisor）：容器真实消耗的 CPU / 内存 / 网络 / 存储
• 资源声明量（来自 Kube-state-metrics）：Pod 定义的 Request 和 Limit
• 节点容量（来自 Kube-state-metrics + Node Exporter）：集群可分配资源总量

3.5 资源画像数据采集清单