3. 成本数据采集架构设计：使用 kube-state-metrics、node_exporter、cAdvisor 采集资源指标

在云原生 FinOps 实践中，成本数据的质量直接决定调优与审计的准确性。本章聚焦于构建一套轻量、标准、可审计的指标采集层，核心组件为 kube-state-metrics (KSM)、node_exporter 与 cAdvisor。三者分别从集群状态、节点资源、容器运行时三个维度提供原始数据，是后续成本分摊与漂移检测的基础。

3.1 三大采集组件的职责边界

为避免数据冗余与口径冲突，必须明确每个组件的采集范围与输出指标类型。下表从数据来源、核心指标、采集周期与 Prometheus 集成方式四个维度进行对比：

3.2 采集架构总览

下图展示了三个组件在 Kubernetes 集群中的部署位置与数据流向。Prometheus Server 通过 Service 发现机制分别拉取 KSM、node_exporter 与 kubelet/cAdvisor 的指标，最终统一存储于 TSDB 中供成本引擎查询。

3.3 组件部署与关键配置

3.3.1 kube-state-metrics (KSM)

KSM 监听 API Server 的资源对象变更，生成以 kube_* 为前缀的指标。推荐使用 Helm Chart 部署，并开启 --metric-labels-allowlist 以保留成本分摊所需的标签。

# Helm 安装示例
helm repo add prometheus-community https://prometheus-community.github.io/helm-charts
helm upgrade --install kube-state-metrics prometheus-community/kube-state-metrics \
  --namespace monitoring \
  --set collectors.namespaces=true \
  --set collectors.pods=true \
  --set collectors.deployments=true \
  --set metricLabelsAllowlist="pods=[*],namespaces=[team,env,cost-center]"

3.3.2 node_exporter

node_exporter 以 DaemonSet 方式运行于每个节点，采集 CPU、内存、磁盘、网络等宿主机级指标。在成本模型中，node_cpu_seconds_total 与 node_memory_MemTotal_bytes 用于计算节点总容量，进而推导节点利用率。

# DaemonSet 关键配置片段
apiVersion: apps/v1
kind: DaemonSet
metadata:
  name: node-exporter
  namespace: monitoring
spec:
  selector:
    matchLabels:
      app: node-exporter
  template:
    metadata:
      labels:
        app: node-exporter
    spec:
      hostNetwork: true
      containers:
      - name: node-exporter
        image: prom/node-exporter:v1.7.0
        args:
        - --path.procfs=/host/proc
        - --path.sysfs=/host/sys
        - --collector.filesystem.mount-points-exclude=^/(sys|proc|dev|host|etc)($$|/)
        ports:
        - containerPort: 9100

3.3.3 cAdvisor (通过 kubelet 暴露)

cAdvisor 已内嵌于 kubelet 中，无需单独部署。Prometheus 通过 kubelet /metrics/cadvisor 端点拉取容器级指标。关键指标包括：

• container_cpu_usage_seconds_total — 容器 CPU 累计使用时间（实际消耗）
• container_memory_working_set_bytes — 容器内存工作集（实际消耗）
• container_network_receive_bytes_total — 容器网络接收字节（网络成本）

# Prometheus 采集配置 (scrape_configs 片段)
- job_name: 'kubelet-cadvisor'
  kubernetes_sd_configs:
  - role: node
  scheme: https
  tls_config:
    ca_file: /var/run/secrets/kubernetes.io/serviceaccount/ca.crt
    insecure_skip_verify: true
  bearer__file: /var/run/secrets/kubernetes.io/serviceaccount/
  relabel_configs:
  - target_label: __metrics_path__
    replacement: /metrics/cadvisor

3.4 指标关联与成本计算基础

三个组件的指标必须通过 Pod 名称、命名空间、节点名称 等标签进行关联，才能计算出单个 Pod 或工作负载的实际成本。以下是一个典型的 PromQL 查询示例，用于计算某个命名空间下所有 Pod 的 CPU 实际使用量（核·秒）：

# 计算命名空间 "production" 下所有 Pod 的 CPU 实际使用量（核·秒）
sum by (namespace, pod) (
  rate(container_cpu_usage_seconds_total{namespace="production"}[5m])
) * on (pod, namespace) group_left(owner_name, owner_kind)
  kube_pod_owner_info{namespace="production"}

3.5 采集链路健康检查与数据质量保障

为确保成本数据的可靠性，必须对采集链路实施持续监控。下表列出了三个组件的关键健康指标与告警阈值：