4. 数据采集策略：Prometheus与Metrics Server的指标采集、Node Exporter部署

节点资源画像的精度直接取决于底层指标数据的质量。Kubernetes 生态中，Metrics Server 提供轻量级的资源使用快照，Prometheus 结合 Node Exporter 则提供高维度、高精度的历史时序数据。本章详细阐述三者的部署策略、采集范围与数据差异，帮助你在容量规划中选择正确的数据源。

4.1 采集架构总览

下图展示了三种采集组件在 Kubernetes 集群中的协作关系：

4.2 Metrics Server：轻量级实时快照

Metrics Server 是 Kubernetes 核心组件，通过 metrics.k8s.io API 聚合节点与 Pod 的 CPU、内存使用数据。它不存储历史数据，仅保留内存中的最新快照，适合 HPA 与 kubectl top 实时查看。

4.2.1 部署与配置

# 使用官方 YAML 部署（适用于大多数集群）
kubectl apply -f https://github.com/kubernetes-sigs/metrics-server/releases/latest/download/components.yaml

# 验证部署状态
kubectl get deployment metrics-server -n kube-system
kubectl get apiservice v1beta1.metrics.k8s.io

4.2.2 采集指标范围

4.3 Node Exporter：硬件与操作系统级指标

Node Exporter 是 Prometheus 生态的标准节点监控代理，部署在每个 Kubernetes 节点上，以 DaemonSet 形式运行。它暴露丰富的系统级指标，涵盖 CPU、内存、磁盘、网络、文件系统、负载等。

4.3.1 DaemonSet 部署

# 创建命名空间
kubectl create namespace monitoring

# 部署 Node Exporter DaemonSet
cat <<EOF | kubectl apply -f -
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
      hostPID: true
      containers:
      - name: node-exporter
        image: prom/node-exporter:v1.7.0
        args:
        - --path.procfs=/host/proc
        - --path.sysfs=/host/sys
        - --path.rootfs=/host/root
        - --collector.filesystem.mount-points-exclude=^/(sys|proc|dev|host|etc)($$|/)
        ports:
        - containerPort: 9100
          hostPort: 9100
        volumeMounts:
        - name: proc
          mountPath: /host/proc
        - name: sys
          mountPath: /host/sys
        - name: root
          mountPath: /host/root
      volumes:
      - name: proc
        hostPath:
          path: /proc
      - name: sys
        hostPath:
          path: /sys
      - name: root
        hostPath:
          path: /
EOF

4.3.2 核心指标分类

4.4 Prometheus Server：时序数据存储与查询

Prometheus 通过 服务发现 自动发现 Node Exporter 端点，以固定间隔（默认 15s）拉取指标，并存储在本地 TSDB 中。对于节点资源画像，Prometheus 提供以下关键能力：

• 长期趋势分析：保留数周至数月的历史数据，支持容量趋势预测。
• 高基数维度：按节点、Pod、容器、磁盘、网络接口等多维度聚合。
• PromQL 灵活计算：支持百分位、速率、增长率等复杂运算。

4.4.1 采集配置示例

# prometheus.yml 中 Node Exporter 采集配置
scrape_configs:
  - job_name: 'node-exporter'
    kubernetes_sd_configs:
      - role: endpoints
        namespaces:
          names:
            - monitoring
    relabel_configs:
      - source_labels: [__meta_kubernetes_endpoints_name]
        regex: 'node-exporter'
        action: keep
      - source_labels: [__meta_kubernetes_pod_node_name]
        target_label: node
      - source_labels: [__address__]
        regex: '(.*):9100'
        replacement: '${1}:9100'
        target_label: __address__

4.5 三种数据源的对比与选型

4.6 采集策略配置清单

1. 采集频率：Prometheus 默认 15s，Node Exporter 默认 15s；对于容量规划，可降低至 30s 以减少存储开销。
2. 数据保留：Prometheus 本地保留建议 30 天；如需更长周期，配置远程存储（Thanos / VictoriaMetrics）。
3. 指标过滤：在 Prometheus 中通过 metric_relabel_configs 丢弃不必要的指标（如 node_network_transmit_drop_total），降低基数。
4. 节点标签：确保 Prometheus 采集时携带 node、instance、cluster 等标签，便于画像按节点聚合。
5. 健康检查：配置 Prometheus up 指标告警，确保 Node Exporter 实例不丢失。