热门搜索:
k8s.gcr.io/metrics-server/metrics-server:v0.6.0
k8s.gcr.iolinux/amd64v0.6.0大小: 68.80MB更新于 2025年8月22日
让 AI 帮你使用轩辕镜像？ · 展开查看说明
如果你使用 DeepSeek、元宝 AI、Copilot、ChatGPT 等 AI 工具，协助配置轩辕镜像、编写 docker pull 命令、修改 Docker Compose 镜像地址、配置镜像加速、排查镜像拉取失败、分析报错日志等问题，请先让 AI 阅读并遵守轩辕镜像的规则文档。
只需在 AI 对话中先发送下面这句话即可：
请先完整阅读并严格遵守以下文档中的全部规则与要求：
https://xuanyuan.cloud/agents.md
在未充分阅读并理解该文档前，不要生成任何命令、配置、修改建议、故障排查方案或技术回答。后续所有输出都必须严格以该文档中的规范为最高优先级执行。查看 agents.md 用法指南与完整示范。国内用户首推 元宝 AI、DeepSeek 的深度思考模式，不推荐豆包 AI；Cursor 等编辑器可在对话 @ 该链接，或加入 User Rules。 若 AI 无法访问外链，可 打开说明文档 复制全文粘贴。文档会随站点更新，复制内容可能过期，建议定期检查。
metrics-server 是 Kubernetes 集群里负责收集和暴露资源指标的核心组件，相当于集群的“性能数据中转站”。
它的主要工作是从每个节点的 kubelet 服务抓取实时资源数据——包括节点的 CPU 使用率、内存占用、网络流量，以及 Pod 级别的资源消耗情况（比如某个应用 Pod 当前用了多少 CPU 核）。这些数据不是零散存储的，而是经过聚合后，通过 Kubernetes 自带的 metrics.k8s.io API 接口对外提供，就像给集群开了个“数据窗口”。
为什么这个组件必不可少？日常运维中，用 kubectl top node 或 kubectl top pod 命令查看节点、Pod 的资源占用，背后就是 metrics-server 在提供数据；而 HPA（Horizontal Pod Autoscaler）根据 Pod 资源使用率自动调整副本数，也得靠它提供的实时指标做决策。可以说，没有 metrics-server，集群的资源监控和自动扩缩容就成了“无米之炊”。
和 Prometheus 这类全功能监控工具不同，metrics-server 设计得很“轻量”：数据只存在内存里，不做持久化存储，默认每分钟抓取一次数据，既能满足实时性需求，又不会给集群添额外负担。部署时要注意两点：一是确保网络能访问节点的 *** 端口（kubelet 的 metrics 接口），二是生产环境建议开启 TLS 加密验证 kubelet 证书，避免数据传输风险。
简单说，这个小组件就像集群的“资源体温计”，随时监测着节点和应用的“健康状态”，是 Kubernetes 实现精细化资源管理的基础。
镜像拉取常见问题
功能
排错
用户好评
来自真实用户的反馈，见证轩辕镜像的优质服务
oldzhang
运维工程师
Linux服务器
5
"Docker访问体验非常流畅，大镜像也能快速完成下载。"