容器集群整体资源利用率需基于各节点allocatable资源加权计算cpu和内存使用率，排除系统组件、未调度节点及瞬时抖动干扰，优先采用metrics server或prometheus链路采集working set等真实指标，并附时间窗口、数据源及优化建议。
统计容器集群的整体资源利用率，核心是采集各节点和容器的 CPU、内存、存储 I/O、网络带宽等指标，再聚合为集群维度的加权平均或总量占比。关键不在于单点数据，而在于统一采集口径、合理聚合逻辑、排除干扰（如系统预留、未调度节点、瞬时抖动）。
明确统计范围与粒度
先定义“整体资源利用率”具体指什么：
- CPU 利用率：通常取所有运行中 Pod 的 CPU 使用量总和 ÷ 集群可分配 CPU 总量（非节点物理核数，而是 kubelet 设置的 allocatable 值）
- 内存利用率：所有 Pod 的内存实际使用量（working set）之和 ÷ 集群 allocatable 内存总量；注意避免直接用 RSS，因含缓存易虚高
- 不建议简单平均节点利用率：空闲节点拉低均值，高负载节点被掩盖；应按资源容量加权计算（例如：节点A有8核占集群40%，其CPU使用率70%，则贡献 0.4 × 70% = 28%）
依赖标准数据源与工具链
优先使用 Kubernetes 原生指标接口，确保一致性：
- 通过 Metrics Server 获取实时 metrics.k8s.io API 数据（如
kubectl top nodes/top pods），用于分钟级汇总 - 长期趋势分析需对接 Prometheus + kube-state-metrics + node-exporter，用如下典型查询：
sum by (instance) (rate(container_cpu_usage_seconds_total{container!="", namespace!="kube-system"}[5m])) / sum by (instance) (kube_node_status_allocatable_cpu_cores) * 100• 内存使用率（working set）：
sum(container_memory_working_set_bytes{container!="", namespace!="kube-system"}) / sum(kube_node_status_allocatable_memory_bytes) * 100排除常见偏差因素
真实利用率容易被以下情况扭曲，需在统计逻辑中过滤或标注：
- 系统组件占用：kubelet、容器运行时、systemd 服务等默认不计入 Pod，但消耗真实资源；建议单独统计并说明是否包含
- 未调度节点或污点节点：allocatable 资源应只计入当前可调度节点集合，动态更新（如节点下线/驱逐后及时剔除）
- 短期突发 vs 持续负载：用 5–15 分钟滑动窗口替代瞬时值；对长期容量规划，建议采用 P95 或日均值而非峰值
输出摘要需带上下文说明
一份可用的摘要不止是数字，还要解释含义：
- 标明统计时间窗口（如“过去24小时平均”）、数据来源（Metrics Server 还是 Prometheus）、是否含 kube-system 命名空间
- 附简要解读：例如“CPU 利用率 62%（加权），其中 3 个节点超 85%，存在局部热点；内存利用率为 51%，但 2 个节点 working set 接近 limit，需关注 OOM 风险”
- 可同步给出关键建议项：如“当前集群尚有 38% CPU 余量，但内存余量仅 12%，扩容建议优先考虑内存维度”
