POD资源：
requests:需求，最低保障
limits:限制，硬限制
CPU：
一颗逻辑CPU（一个核心）
1=1000微核，millicores
500m=0.5CPU
内存：
E、P、T、G、M、K
Ei、Pi、Ti、Gi、Mi、Ki、
Qos：
Guranteed：最高优先级， 确保、保证
同时设置了CPU和内存的requests和limits，
cpu.limits=cpu. requests
memory.limits=memory.limits
Burstable：中间优先级，
至少有一个容器设置CPU或者内存资源requests的属性，当内存资源比较紧缺时将requests分配占用较大的停止
cpu.limits>cpu. requests
memory.limits>memory.limits
BestEffort：最低优先级，
自动配置，当内存资源比较紧缺时，BestEffort会被优先退出，确保其他类型的正常运行
没有任何一个设置

        resources:
          limits:
            memory: 1024Mi
            cpu: 2
          requests:
            cpu: 500m
            memory: 512Mi

HeapSter：（新版本被整合在kubernetes内部，kube1.1后废弃）
cAdvisor：收集各node节点上面内存，硬盘，cpu的资源，可以在单节点上面查看采集的结果。持久存储在InfluxDB 默认老版本使用

监控指标：集群指标，容器指标，应用指标

监控-资源指标API及自定义指标API

资源指标：metrics-server
自定义指标：prometheus，k8s-prometheus-adapter（转换收集到的数据）

新一代架构：
核心指标流水线：由kubelet，metrics-server以及由API server提供的api组成；CPU累计使用率、内存实时使用率、Pod的资源占用率及容器的磁盘占用率；
监控流水线：用于从系统收集各种指标数据并提供终端用户、存储系统以及HPA，它们包含核心指标及很多的非核心指标。非核心指标本身不能被k8s所解析，

metrics-server：API server
/apis/metrics.k8s.io/v1beta1

部署metrics-server

for file in auth-delegator.yaml auth-reader.yaml metrics-apiservice.yaml metrics-server-deployment.yaml metrics-server-service.yaml resource-reader.yaml ;do wget https://raw.githubusercontent.com/kubernetes/kubernetes/master/cluster/addons/metrics-server/$file;done

kubectl top nodes
kubectl top pods 查看所占CPU和内存资源

待续。。。部署prometheus。。。。。。。