kubesphere/kube-state-metrics Docker 镜像

KubeSphere优化版kube-state-metrics介绍

一、背景与优化必要性

原生kube-state-metrics作为Kubernetes集群资源状态指标的核心采集工具，在企业级运维中存在一些实际痛点：指标覆盖不够全面（如缺乏自定义资源、存储/网络深度指标）、配置灵活性低（自定义指标需修改源码或复杂配置）、高负载场景下资源占用偏高。KubeSphere基于大量用户反馈，对其进行针对性改造，旨在提升监控能力、简化使用流程，同时保障性能稳定性。

二、主要改进内容

1. 扩展指标覆盖范围

• 工作负载细节指标：新增Deployment滚动更新进度（deployment_rollout_progress）、StatefulSet序号就绪状态（statefulset_ordinal_ready）等，解决原生版本中“只看副本数，不知更新是否卡住”的问题。
• 存储与网络指标：补充PV/PVC实际使用容量（persistentvolumeclaim_usage_bytes）、Service后端Endpoint健康比例（service_endpoint_healthy_ratio），覆盖存储资源耗尽预警、服务流量分发监控等场景。
• 自定义资源（CRD）支持：无需修改代码，通过配置文件即可声明CRD指标（如KubeSphere的ClusterResourceQuota、用户业务CRD），满足业务自定义监控需求。

2. 简化配置与自定义流程

• 配置文件驱动指标规则：通过metrics-rules.yaml定义需采集的资源类型、字段路径及指标名称，支持标签过滤（如仅采集prod命名空间资源）。例如：

  yaml
  # 采集Namespace标签为env=prod的Deployment可用副本数
  workloads:
    - resource: deployments
      namespaces:
        matchLabels: env=prod
      metrics:
        - name: deployment_available_replicas
          field: status.availableReplicas
          type: Gauge
  

• KubeSphere控制台可视化配置：在“集群设置-监控配置”页面直接编辑指标规则，自动生成配置文件并热加载，无需手动操作YAML。

3. 性能与资源优化

• 增量采集机制：原生版本通过定时全量拉取资源对象生成指标，优化版改为“对象变更时触发更新”，降低API Server请求压力（实测1000节点集群中，API请求量减少60%+）。
• 内存占用优化：通过指标缓存复用、非核心指标按需加载，同等规模集群下内存占用较原生版本降低约40%（原生2GB→优化后1.2GB）。

4. 兼容性与集成友好性

• 完全兼容原生输出格式：指标名称、标签规范与原生版本一致，可直接对接Prometheus、Grafana等现有监控栈，无需修改告警规则或仪表盘。
• 适配多K8s版本：支持Kubernetes 1.19~1.28，兼容最新资源特性（如EphemeralContainers、PodSecurityContext字段）。

三、使用方法

1. 部署方式

• 通过KubeSphere应用商店一键部署（推荐）：
  在控制台“应用市场”搜索“kube-state-metrics (KubeSphere优化版)”，选择版本后点击“部署”，自动关联集群监控组件（Prometheus、Alertmanager）。
• 手动部署：
  从[KubeSphere GitHub仓库] 下载部署文件，修改ConfigMap中的metrics-rules.yaml配置指标规则，执行：

  bash
  kubectl apply -f deploy/
  

2. 自定义CRD指标示例

以采集业务CRD MyApp（group: example.com, version: v1）的status.readyReplicas为例：

1. 在metrics-rules.yaml中添加规则：

   yaml
   customResources:
     - name: myapps
       group: example.com
       version: v1
       metrics:
         - name: myapp_ready_replicas
           help: "Number of ready replicas in MyApp"
           field: status.readyReplicas
           type: Gauge
           labels:  # 提取资源标签作为指标标签
             - key: app
               valueFrom: metadata.labels.app
   

2. 重启Pod使配置生效：

   bash
   kubectl rollout restart deployment kube-state-metrics -n kube-system
   

3. 验证指标：

   bash
   kubectl exec -it <pod-name> -n kube-system -- curl localhost:8080/metrics | grep myapp_ready_replicas
   

3. 监控集成与验证

• Prometheus对接：优化版默认暴露8080端口，直接在Prometheus的ServiceMonitor中添加如下配置即可采集：

  yaml
  apiVersion: monitoring.coreos.com/v1
  kind: ServiceMonitor
  metadata:
    name: kube-state-metrics
  spec:
    selector:
      matchLabels:
        app.kubernetes.io/name: kube-state-metrics
    endpoints:
      - port: http-metrics
  

• Grafana仪表盘：可直接复用原生kube-state-metrics仪表盘（如Grafana ID 315），新增指标会自动显示。

四、适用场景

• 企业级集群精细化监控：需跟踪工作负载更新状态、存储资源使用趋势的场景（如电商大促前的资源预警）。
• 多集群统一监控：通过标准化指标输出，配合KubeSphere Federation实现跨集群指标聚合（如“华北-华东集群资源使用率对比”）。
• 业务自定义CRD监控：用户有自研CRD（如Order、Payment），需采集其状态指标用于业务告警。

五、注意事项

• 版本兼容性：需Kubernetes集群版本≥1.19，CRD API版本为apiextensions.k8s.io/v1（避免使用旧版v1beta1）。
• 字段路径准确性：配置CRD指标时，建议先用kubectl get <crd-name> <instance> -o yaml确认字段存在（如status.readyReplicas是否真实存在于CRD中）。
• 高并发调优：10万+ Pod集群建议调整启动参数：--kube-api-qps=200 --kube-api-burst=400（默认100/200），避免API限流。

通过上述优化，KubeSphere版kube-state-metrics在保留原生工具核心能力的基础上，更贴合企业实际监控需求，降低了自定义指标门槛，同时保障了大规模集群下的性能稳定。