概述
已经有了 cadvisor、heapster、metric-server，几乎容器运行的所有指标都能拿到，但是下面这种情况却无能为力：
我调度了多少个 replicas？现在可用的有几个？
多少个 Pod 是 running/stopped/terminated 状态？
Pod 重启了多少次？
我有多少 job 在运行中
而这些则是 kube-state-metrics 提供的内容，它基于 client-go 开发，轮询 Kubernetes API，并将 Kubernetes 的结构化信息转换为 metrics。
功能
kube-state-metrics 提供的指标，按照阶段分为三种类别：
1. 实验性质的：k8s api 中 alpha 阶段的或者 spec 的字段。
2. 稳定版本的：k8s 中不向后兼容的主要版本的更新
3. 被废弃的：已经不在维护的。
指标类别包括：
CronJob Metrics
DaemonSet Metrics
Deployment Metrics
Job Metrics
LimitRange Metrics
Node Metrics
PersistentVolume Metrics
PersistentVolumeClaim Metrics
Pod Metrics
Pod Disruption Budget Metrics
ReplicaSet Metrics
ReplicationController Metrics
ResourceQuota Metrics
Service Metrics
StatefulSet Metrics
Namespace Metrics
Horizontal Pod Autoscaler Metrics
Endpoint Metrics
Secret Metrics
ConfigMap Metrics
以 pod 为例：
kube_pod_info
kube_pod_owner
kube_pod_status_phase
kube_pod_status_ready
kube_pod_status_scheduled
kube_pod_container_status_waiting
kube_pod_container_status_terminated_reason
…
使用
部署清单：
kube-state-metrics/
├── kube-state-metrics-cluster-role-binding.yaml
├── kube-state-metrics-cluster-role.yaml
├── kube-state-metrics-deployment.yaml
├── kube-state-metrics-role-binding.yaml
├── kube-state-metrics-role.yaml
├── kube-state-metrics-service-account.yaml
├── kube-state-metrics-service.yaml
主要镜像有：image: quay.io/coreos/kube-state-metrics:v1.5.0image: k8s.gcr.io/addon-resizer:1.8.3（参考 metric-server 文章，用于扩缩容）
对于 pod 的资源限制，一般情况下：
`200MiB memory0.1 cores`
超过 100 节点的集群：
`2MiB memory per node0.001 cores per node`
kube-state-metrics 做过一次性能优化，具体内容参考下文
部署成功后，prometheus 的 target 会出现如下标志
因为 kube-state-metrics-service.yaml 中有 prometheus.io/scrape: ‘true’ 标识，因此会将 metric 暴露给 prometheus，而 Prometheus 会在 kubernetes-service-endpoints 这个 job 下自动发现 kube-state-metrics，并开始拉取 metrics，无需其他配置。
使用 kube-state-metrics 后的常用场景有：
存在执行失败的 Job: kube_job_status_failed{job=”kubernetes-service-endpoints”,k8s_app=”kube-state-metrics”}==1
集群节点状态错误: kube_node_status_condition{condition=”Ready”,status!=”true”}==1
集群中存在启动失败的 Pod：kube_pod_status_phase{phase=~”Failed|Unknown”}==1
最近 30 分钟内有 Pod 容器重启: changes(kube_pod_container_status_restarts[30m])>0
配合报警可以更好地监控集群的运行
与 metric-server 的对比
metric-server（或 heapster）是从 api-server 中获取 cpu、内存使用率这种监控指标，并把他们发送给存储后端，如 influxdb 或云厂商，他当前的核心作用是：为 HPA 等组件提供决策指标支持。
kube-state-metrics 关注于获取 k8s 各种资源的最新状态，如 deployment 或者 daemonset，之所以没有把 kube-state-metrics 纳入到 metric-server 的能力中，是因为他们的关注点本质上是不一样的。metric-server 仅仅是获取、格式化现有数据，写入特定的存储，实质上是一个监控系统。而 kube-state-metrics 是将 k8s 的运行状况在内存中做了个快照，并且获取新的指标，但他没有能力导出这些指标
换个角度讲，kube-state-metrics 本身是 metric-server 的一种数据来源，虽然现在没有这么做。
另外，像 Prometheus 这种监控系统，并不会去用 metric-server 中的数据，他都是自己做指标收集、集成的（Prometheus 包含了 metric-server 的能力），但 Prometheus 可以监控 metric-server 本身组件的监控状态并适时报警，这里的监控就可以通过 kube-state-metrics 来实现，如 metric-serverpod 的运行状态。
深入解析
kube-state-metrics 本质上是不断轮询 api-server，代码结构也很简单主要代码目录
.
├── collectors
│ ├── builder.go
│ ├── collectors.go
│ ├── configmap.go
│ ……
│ ├── testutils.go
│ ├── testutils_test.go
│ └── utils.go
├── constant
│ └── resource_unit.go
├── metrics
│ ├── metrics.go
│ └── metrics_test.go
├── metrics_store
│ ├── metrics_store.go
│ └── metrics_store_test.go
├── options
│ ├── collector.go
│ ├── options.go
│ ├── options_test.go
│ ├── types.go
│ └── types_test.go
├── version
│ └── version.go
└── whiteblacklist
├── whiteblacklist.go
└── whiteblacklist_test.go
所有类型：
var (
DefaultNamespaces = NamespaceList{metav1.NamespaceAll}
DefaultCollectors = CollectorSet{
“daemonsets”: struct{}{},
“deployments”: struct{}{},
“limitranges”: struct{}{},
“nodes”: struct{}{},
“pods”: struct{}{},
“poddisruptionbudgets”: struct{}{},
“replicasets”: struct{}{},
“replicationcontrollers”: struct{}{},
“resourcequotas”: struct{}{},
“services”: struct{}{},
“jobs”: struct{}{},
“cronjobs”: struct{}{},
“statefulsets”: struct{}{},
“persistentvolumes”: struct{}{},
“persistentvolumeclaims”: struct{}{},
“namespaces”: struct{}{},
“horizontalpodautoscalers”: struct{}{},
“endpoints”: struct{}{},
“secrets”: struct{}{},
“configmaps”: struct{}{},
}
)
构建对应的收集器
Family 即一个类型的资源集合，如 job 下的 kube_job_info、kube_job_created，都是一个 FamilyGenerator 实例
metrics.FamilyGenerator{
Name: “kube_job_info”,
Type: metrics.MetricTypeGauge,
Help: “Information about job.”,
GenerateFunc: wrapJobFunc(func(j *v1batch.Job) metrics.Family {
return metrics.Family{&metrics.Metric{
Name: “kube_job_info”,
Value: 1,
}}
}),
},
func (b *Builder) buildCronJobCollector() *Collector {
// 过滤传入的白名单
filteredMetricFamilies := filterMetricFamilies(b.whiteBlackList, cronJobMetricFamilies)
composedMetricGenFuncs := composeMetricGenFuncs(filteredMetricFamilies)
// 将参数写到 header 中
familyHeaders := extractMetricFamilyHeaders(filteredMetricFamilies)
// NewMetricsStore 实现了 client-go 的 cache.Store 接口，实现本地缓存。
store := metricsstore.NewMetricsStore(
familyHeaders,
composedMetricGenFuncs,
)
// 按 namespace 构建 Reflector，监听变化
reflectorPerNamespace(b.ctx, b.kubeClient, &batchv1beta1.CronJob{}, store, b.namespaces, createCronJobListWatch)
return NewCollector(store)
}
性能优化：
kube-state-metrics 在之前的版本中暴露出两个问题：
/metrics 接口响应慢 (10-20s)
内存消耗太大，导致超出 limit 被杀掉
问题一的方案就是基于 client-go 的 cache tool 实现本地缓存，具体结构为：
`var cache = map[uuid][]byte{}`
问题二的的方案是：对于时间序列的字符串，是存在很多重复字符的（如 namespace 等前缀筛选），可以用指针或者结构化这些重复字符。
优化点和问题
1. 因为 kube-state-metrics 是监听资源的 add、delete、update 事件，那么在 kube-state-metrics 部署之前已经运行的资源，岂不是拿不到数据？kube-state-metric 利用 client-go 可以初始化所有已经存在的资源对象，确保没有任何遗漏
2.kube-state-metrics 当前不会输出 metadata 信息 (如 help 和 description）
3. 缓存实现是基于 golang 的 map，解决并发读问题当期是用了一个简单的互斥锁，应该可以解决问题，后续会考虑 golang 的 sync.Map 安全 map。
4.kube-state-metrics 通过比较 resource version 来保证 event 的顺序
5.kube-state-metrics 并不保证包含所有资源
本文为容器监控实践系列文章，完整内容见：container-monitor-book