metrics-server是k8s的资源获取工具，用于监测node,pod等的CPU，内存使用情况。

1、下载metrics-server

https://github.com/kubernetes-sigs/metrics-server/archive/v0.3.6.tar.gz

2、解压tar包

[root@master k8s]# tar xf metrics-server-0.3.6.tar.gz
[root@master k8s]# cd metrics-server-0.3.6/deploy/1.8+

[root@master 1.8+]# ls
aggregated-metrics-reader.yaml  metrics-apiservice.yaml         resource-reader.yaml
auth-delegator.yaml             metrics-server-deployment.yaml
auth-reader.yaml                metrics-server-service.yaml

3、修改yaml文件

主要修改3个地址

1、把镜像的地址改了，因为默认的地址我们访问不了，你也可以访问阿里云的地址

2、为了方便，把镜像拉取策略改成本地没有才从远端下载

3、增加pod启动之后需要运行命令command部分，进行参数设置

[root@master 1.8+]# vim metrics-server-deployment.yaml

代码如下图

image: mirrorgooglecontainers/metrics-server-amd64:v0.3.6
        imagePullPolicy: IfNotPresent
        command:
        - /metrics-server
        - --kubelet-insecure-tls
        - --kubelet-preferred-address-types=InternalDNS,InternalIP,ExternalDNS,ExternalIP,Hostname

–kubelet-insecure-tls 优先使用 InternalIP 来访问 kubelet，这样可以避免节点名称没有 DNS 解析记录时，通过节点名称调用节点 kubelet API 失败的情况（未配置时默认的情况）

–kubelet-insecure-tls：kubelet 的10250端口使用的是https协议，连接需要验证tls证书。–kubelet-insecure-tls不验证客户端证书

4、使用yaml文件安装

修改好yaml之后就可以创建pod了，应用1.8+目录下的所有yaml文件

[root@master 1.8+]# kubectl apply -f .
clusterrole.rbac.authorization.k8s.io/system:aggregated-metrics-reader created
clusterrolebinding.rbac.authorization.k8s.io/metrics-server:system:auth-delegator created
rolebinding.rbac.authorization.k8s.io/metrics-server-auth-reader created
apiservice.apiregistration.k8s.io/v1beta1.metrics.k8s.io created
serviceaccount/metrics-server created
deployment.apps/metrics-server created
service/metrics-server created
clusterrole.rbac.authorization.k8s.io/system:metrics-server created
clusterrolebinding.rbac.authorization.k8s.io/system:metrics-server created

metrics-server默认是启动在kube-system命名空间下的

[root@master 1.8+]# kubectl get pod -n kube-system
NAME                             READY   STATUS    RESTARTS   AGE
metrics-server-75f84f77b-bqmt5   1/1     Running   0          42s

5、验证安装成功

成功看到node节点的资源使用情况

[root@master 1.8+]# kubectl top node
NAME     CPU(cores)   CPU%   MEMORY(bytes)   MEMORY%
master   125m         3%     1174Mi          68%
node01   90m          2%     1230Mi          71%
node02   355m         8%     1114Mi          64%