对于小规模集群，由于数据量不大，kube-state-metrics可以使用deploy部署1个replica，正常提供metrics的采集和拉取。
对于大规模集群，由于pod/deploy等资源对象较多，仅通过一个kube-state-metrics实例来提供metrics还是非常吃力的，可能会导致pod宕机，频繁重启。
这种情况下，kube-state-metrics提供了分片机制，也就是部署多个kube-state-metrics Pod，让每个Pod负责一部分数据的采集。
一. 手动分片
kube-state-metrics的启动参数中，提供了shard参数：
# kube-state-metrics -h
kube-state-metrics is a simple service that listens to the Kubernetes API server and generates metrics about the state of the objects.
Usage:
kube-state-metrics [flags]
kube-state-metrics [command]
Available Commands:
completion Generate completion script for kube-state-metrics.
help Help about any command
version Print version information.
Flags:
--shard int32 The instances shard nominal (zero indexed) within the total number of shards. (default 0)
--total-shards int The total number of shards. Sharding is disabled when total shards is set to 1. (default 1)
...分片是通过对kubernetes资源对象的uid计算md5，然后 % total_shards 得到shard，每个kube-state-metrics仅负责采集自己的shard。
这种分片方式，需要手动指定shard和total-shards，不够灵活，不推荐。
二. 自动分片
自动分片通过statefulset部署多个副本的kube-state-metrics，启用自动分片的方法：
- 以statefulset部署kube-state-metrics；
- kube-state-metrics的启动参数，传入--pod 和 --pod-namespace；
apiVersion: apps/v1
kind: StatefulSet
metadata:
name: kube-state-metrics
namespace: kube-system
spec:
replicas: 2
template:
spec:
containers:
- args:
- --pod=$(POD_NAME)
- --pod-namespace=$(POD_NAMESPACE)
env:
- name: POD_NAME
valueFrom:
fieldRef:
fieldPath: metadata.name
- name: POD_NAMESPACE
valueFrom:
fieldRef:
fieldPath: metadata.namespace
image: registry.k8s.io/kube-state-metrics/kube-state-metrics:v2.7.0
......传入--pod和--namespace参数后，kube-state-metrics进程会自动进行分片采集，它会通过client-go检测statefulset有几个replicas，然后自动给replicas进行分片：
func (m *MetricsHandler) Run(ctx context.Context) error {
autoSharding := len(m.opts.Pod) > 0 && len(m.opts.Namespace) > 0 // 自动分片
ss, err := detectStatefulSet(m.kubeClient, m.opts.Pod, m.opts.Namespace) // pod所属的statefulset
…
shard, totalShards, err := shardingSettingsFromStatefulSet(ss, m.opts.Pod) // 对statefulset的replica分片
...
}当然，使用自动分片也是有缺点的，由于statefulset的滚动升级策略是一个一个的替换pod，导致升级的速度较慢，可能会导致每个分片出现短暂的宕机。
三. 针对pod的按节点分片
针对大规模集群中pod资源较多，kube-state-metrics采集的pod指标量较大的情况，可以单独针对pod的指标进行分片：
- 分片的方法是按node分配，也就是部署daemonset，每个节点部署一个replica，然后每个replica仅负责采集自己所在node的pod指标；
kube-state-metrics启动参数指定:
- --resources=pod：仅采集pod的指标；
- --node=${NODE_NAME}：仅采集本节点的pod指标；
apiVersion: apps/v1
kind: DaemonSet
spec:
template:
spec:
containers:
- image: registry.k8s.io/kube-state-metrics/kube-state-metrics:v2.7.0
name: kube-state-metrics
args:
- --resource=pods
- --node=$(NODE_NAME)
env:
- name: NODE_NAME
valueFrom:
fieldRef:
apiVersion: v1
fieldPath: spec.nodeName这种方式是针对pod指标做的分片方法，也自然就采集不到其它指标了，比如kube_deploy_*、kube_configmap_*等。
参考
1.官方doc: https://github.com/kubernetes...
2.指标信息：https://github.com/kubernetes...