K8stools工具

# 📌简介 K8stools 是一个 Kubernetes 日常运维辅助工具集，旨在提升运维效率，辅助平台治理与资源优化。功能涵盖资源分析、趋势评估、异常检测、行为采集、成本估算等常见场景，适用于 DevOps、SRE、平台工程团队。 [工具地址](https://github.com/karlhuang95/k8stools) # 🎯功能模块 | 模块名称 | 功能说明 | | --- | --- | | costEstimator | 成本估算 | | cpu | 获取k8s的cpu使用情况 | | paradise | k8s理想情况分配 | | poderrors | 异常检查 | | runtimeInspect | 采集运行中的 Pod 容器行为信息（进程、端口、环境变量） | | trend | 基于 Prometheus 的资源使用趋势分析与建议 | # 📄 配置文件说明（config.yaml） ```yaml kubeconfig: /root/.kube/config namespace: - {namespace}-prod prometheus: http://prom.example.net cost: cpuPrice: 4000 # 单台机器价格（单位元） totalCpu: 16 # 单台机器 CPU 核数 ``` # 🧠 各子工具设计逻辑 * * * # 📊 paradise - 理想资源建议工具 **CPU 建议规则：** | 类型 | 设计逻辑 | | --- | --- | | Requests | 当前使用量的 50%~80%，保证调度时有资源可用 | | Limits | 当前使用量的 100%~150%，防止异常飙高占满节点 | | 特殊处理 | 使用低于 50m 的容器 → 默认给 50m，避免调度失败；高于 1000m 提示设置上限 | **内存建议规则：** | 类型 | 设计逻辑 | | --- | --- | | Requests | 当前使用量的 70%~100%，确保稳定调度 | | Limits | 当前使用量的 150%~200%，保留 buffer 防止 OOM | | 特殊处理 | 对 sidecar / agent 等轻量容器，给最小起点值如 64Mi | * * * # 📈 trend - 资源趋势分析工具 **数据来源：Prometheus 查询** | 指标 | 查询方式 | | --- | --- | | 平均 CPU 使用量 | `avg_over_time(container_cpu_usage_seconds_total[1w])`（单位：m） | | 最大 CPU 使用量 | `max_over_time(container_cpu_usage_seconds_total[1w])`（单位：m） | | 平均/最大内存使用量 | 类似用 `container_memory_usage_bytes` 查询，并换算成 MiB | **推荐策略（保守 & 稳健）** | 类型 | 推荐计算公式 | | --- | --- | | CPU Requests | `ceil(平均 CPU 使用量 × 1.2)` | | CPU Limits | `ceil(最大 CPU 使用量 × 1.5)` | | 内存 Requests | `ceil(平均内存使用量 × 1.2)` | | 内存 Limits | `ceil(最大内存使用量 × 1.5)` | * * * # 🚨 poderrors - 异常 Pod 检查工具 **功能说明：** - 遍历所有或指定命名空间下的 Pod - 检查所有处于异常状态的容器（如 CrashLoop、ImagePullBackOff、OOMKilled 等） - 输出字段： | Namespace | Pod | Container | Reason | Message | Restart Count | Age | | --- | --- | --- | --- | --- | --- | --- | | default | api-xxx | app | CrashLoopBackOff | Back-off restarting failed container | 5 | 3m | * * * # 🔍 runtimeInspect - 容器行为采集工具 **功能说明：** - 采集运行中 Pod 的详细信息，包括： - 容器内进程列表 - 监听端口信息 - 环境变量 **使用场景：** - 排查线上故障时快速查看容器内部运行情况 - 无需进入容器即可采集运行行为（非入侵式） * * * # 💰 costEstimator - 成本估算工具 **计算模型：** - 基于你提供的每台机器： - CPU 核数（如：16） - 单价（如：4000元） **计算逻辑：** | 步骤 | 说明 | | --- | --- | | 每核价格 | `单价 / 总 CPU 数` | | 容器请求费用 | `CPU Request (m) × 每毫核价格` | | 每月总费用 | `容器费用 × 24 × 30`（按 30 天、全天运行估算） | **输出字段：** | Namespace | Pod | Container | CPU Request (m) | CPU Cost (元) | Total Cost (元/月) | | --- | --- | --- | --- | --- | --- | * * * # 📦 示例命令 ```bash k8stools paradise -f config.yaml # 理想资源建议 k8stools trend -f config.yaml # 资源趋势分析 k8stools poderrors -f config.yaml # 异常 Pod 检查 k8stools runtimeInspect -f config.yaml # 容器运行时行为采集 k8stools costEstimator -f config.yaml # 成本估算 ``` ```bash # 计算资源使用情况的理想配置建议 k8stools paradise -f config.yaml # 基于 Prometheus 历史数据的趋势分析 k8stools trend -f config.yaml # 检查所有命名空间下异常状态的 Pod k8stools poderrors -f config.yaml # 查看容器运行时信息（进程、端口、环境变量） k8stools runtimeInspect -f config.yaml # 根据配置中机器单价和总 CPU 数进行成本估算 k8stools costEstimator -f config.yaml ``` * * * # 📁 建议输出目录结构 统一将输出放到 `output/` 目录，并添加时间戳，便于追溯与比较： ```csharp output/ ├── cpu_info_2025-04-21.csv ├── cost_estimate_2025-04-21.csv └── resource_trend_2025-04-21.csv ``` # 📬 联系与反馈 如有建议或需求，欢迎反馈或提交 PR，一起打磨出更适合生产的 K8s 工具链！