为什么promethues监控node节点的内存使用率比真实节点内存使用率高？

有可能是因为Prometheus在收集指标时使用了一些缓存或者采样技术，从而导致采集到的内存使用率高于真实情况。另外，Prometheus也可能会收集到一些已经被释放但还未被操作系统回收的内存，造成内存使用率的误差。解决方式可以尝试调整Prometheus的采样参数或者增加更多的监控指标来提高准确性。

相关问题

promethues监控node节点的内存使用率比真实节点free 的高，为什么

有可能是由于Prometheus在收集节点指标时，会占用一定的内存资源，导致监控到的节点内存使用率比真实节点的free要低。此外，Prometheus的内存使用率可能也包含了缓存等暂时性的内存占用，而真实节点的free只计算了空闲的真实内存部分，也会出现该情况。另外，如果节点存在内存泄漏等问题，也可能导致Prometheus监控到的内存使用率比真实节点的free高。最好的解决方法是检查节点的内存使用情况并修复相关问题。

go k8s sdk 调用metrics接口获取节点cpu内存使用率代码实现

要调用 Kubernetes 的 Metrics API 获取节点的 CPU 和内存使用率，可以使用 Go 语言编写以下代码：

package main

import (
	"context"
	"fmt"
	"time"

	metricsv1beta1 "k8s.io/metrics/pkg/client/clientset/versioned/typed/metrics/v1beta1"
	"k8s.io/client-go/rest"
	metav1 "k8s.io/apimachinery/pkg/apis/meta/v1"
)

func main() {
	// 创建 Kubernetes REST 配置
	config, err := rest.InClusterConfig()
	if err != nil {
		panic(err.Error())
	}

	// 创建 Metrics API 客户端
	metricsClient, err := metricsv1beta1.NewForConfig(config)
	if err != nil {
		panic(err.Error())
	}

	// 获取节点列表
	nodes, err := metricsClient.Nodes().List(context.Background(), metav1.ListOptions{})
	if err != nil {
		panic(err.Error())
	}

	// 遍历节点列表获取各节点的 CPU 和内存使用率
	for _, node := range nodes.Items {
		nodeName := node.Name
		usage, err := metricsClient.Nodes().GetMetrics(context.Background(), nodeName)
		if err != nil {
			panic(err.Error())
		}
		cpuUsage := usage.Usage["cpu"]
		memoryUsage := usage.Usage["memory"]
		fmt.Printf("Node %s CPU usage: %v\n", nodeName, cpuUsage)
		fmt.Printf("Node %s memory usage: %v\n", nodeName, memoryUsage)
	}

	// 等待 10 秒钟
	time.Sleep(10 * time.Second)
}

这个代码会从 Kubernetes 集群中获取节点列表，然后遍历节点列表，通过 Metrics API 获取各节点的 CPU 和内存使用率。最后输出结果。

需要注意的是，这个代码需要在 Kubernetes 集群内部运行，因为它使用了 InClusterConfig() 方法获取 Kubernetes REST 配置。同时，要确保 Metrics API 已经启用，并且在调用 Metrics API 时传入正确的节点名称。