diff --git a/content/zh/docs/tasks/debug-application-cluster/resource-metrics-pipeline.md b/content/zh/docs/tasks/debug-application-cluster/resource-metrics-pipeline.md
deleted file mode 100644
index 7318664952..0000000000
--- a/content/zh/docs/tasks/debug-application-cluster/resource-metrics-pipeline.md
+++ /dev/null
@@ -1,417 +0,0 @@
----
-title: 资源指标管道
-content_type: concept
----
-
-
-
-
-
-
-对于 Kubernetes，_Metrics API_ 提供了一组基本的指标，以支持自动伸缩和类似的用例。
-该 API 提供有关节点和 Pod 的资源使用情况的信息，
-包括 CPU 和内存的指标。如果将 Metrics API 部署到集群中，
-那么 Kubernetes API 的客户端就可以查询这些信息，并且可以使用 Kubernetes 的访问控制机制来管理权限。
-
-[HorizontalPodAutoscaler](/zh/docs/tasks/run-application/horizontal-pod-autoscale/) (HPA) 和
-[VerticalPodAutoscaler](https://github.com/kubernetes/autoscaler/tree/master/vertical-pod-autoscaler#readme) (VPA)
-使用 metrics API 中的数据调整工作负载副本和资源，以满足客户需求。
-
-你也可以通过 [`kubectl top`](/zh/docs/reference/generated/kubectl/kubectl-commands#top) 命令来查看资源指标。
-
-{{< note >}}
-
-Metrics API 及其启用的指标管道仅提供最少的 CPU 和内存指标，以启用使用 HPA 和/或 VPA 的自动扩展。
-如果你想提供更完整的指标集，你可以通过部署使用 _Custom Metrics API_ 的第二个
-[指标管道](/zh/docs/tasks/debug-application-cluster/resource-usage-monitoring/#full-metrics-pipeline) 来作为简单的 Metrics API 的补充。
-{{< /note >}}
-
-
-图 1 说明了资源指标管道的架构。
-
-{{< mermaid >}}
-flowchart RL
-subgraph cluster[Cluster]
-direction RL
-S[
]
-A[Metrics-
Server]
-subgraph B[Nodes]
-direction TB
-D[cAdvisor] --> C[kubelet]
-E[Container
runtime] --> D
-E1[Container
runtime] --> D
-P[pod data] -.- C
-end
-L[API
server]
-W[HPA]
-C ---->|Summary
API| A -->|metrics
API| L --> W
-end
-L ---> K[kubectl
top]
-classDef box fill:#fff,stroke:#000,stroke-width:1px,color:#000;
-class W,B,P,K,cluster,D,E,E1 box
-classDef spacewhite fill:#ffffff,stroke:#fff,stroke-width:0px,color:#000
-class S spacewhite
-classDef k8s fill:#326ce5,stroke:#fff,stroke-width:1px,color:#fff;
-class A,L,C k8s
-{{< /mermaid >}}
-
-
-图 1. 资源指标管道
-
-图中从右到左的架构组件包括以下内容：
-
-* [cAdvisor](https://github.com/google/cadvisor): 用于收集、聚合和公开 Kubelet 中包含的容器指标的守护程序。
-* [kubelet](/zh/docs/concepts/overview/components/#kubelet): 用于管理容器资源的节点代理。
- 可以使用 `/metrics/resource` 和 `/stats` kubelet API 端点访问资源指标。
-* [Summary API](#summary-api-source): kubelet 提供的 API，用于发现和检索可通过 `/stats` 端点获得的每个节点的汇总统计信息。
-* [metrics-server](#metrics-server): 集群插件组件，用于收集和聚合从每个 kubelet 中提取的资源指标。
- API 服务器提供 Metrics API 以供 HPA、VPA 和 `kubectl top` 命令使用。 Metrics Server 是 Metrics API 的参考实现。
-* [Metrics API](#metrics-api): Kubernetes API 支持访问用于工作负载自动缩放的 CPU 和内存。
- 要在你的集群中进行这项工作，你需要一个提供 Metrics API 的 API 扩展服务器。
-
-
- {{< note >}}
- cAdvisor 支持从 cgroups 读取指标，它适用于 Linux 上的典型容器运行时。
- 如果你使用基于其他资源隔离机制的容器运行时，例如虚拟化，那么该容器运行时必须支持
- [CRI 容器指标](https://github.com/kubernetes/community/blob/master/contributors/devel/sig-node/cri-container-stats.md)
- 以便 kubelet 可以使用指标。
- {{< /note >}}
-
-
-
-
-## Metrics API {#the-metrics-api}
-
-{{< feature-state for_k8s_version="1.8" state="beta" >}}
-
-metrics-server 实现了 Metrics API。此 API 允许你访问集群中节点和 Pod 的 CPU 和内存使用情况。
-它的主要作用是将资源使用指标提供给 K8s 自动缩放器组件。
-
-下面是一个 `minikube` 节点的 Metrics API 请求示例，通过 `jq` 管道处理以便于阅读：
-
-```shell
-kubectl get --raw "/apis/metrics.k8s.io/v1beta1/nodes/minikube" | jq '.'
-```
-
-
-这是使用 `curl` 来执行的相同 API 调用：
-
-```shell
-curl http://localhost:8080/apis/metrics.k8s.io/v1beta1/nodes/minikube
-```
-
-
-响应示例：
-
-```json
-{
- "kind": "NodeMetrics",
- "apiVersion": "metrics.k8s.io/v1beta1",
- "metadata": {
- "name": "minikube",
- "selfLink": "/apis/metrics.k8s.io/v1beta1/nodes/minikube",
- "creationTimestamp": "2022-01-27T18:48:43Z"
- },
- "timestamp": "2022-01-27T18:48:33Z",
- "window": "30s",
- "usage": {
- "cpu": "487558164n",
- "memory": "732212Ki"
- }
-}
-```
-
-
-
-下面是一个 `kube-system` 命名空间中的 `kube-scheduler-minikube` Pod 的 Metrics API 请求示例，
-通过 `jq` 管道处理以便于阅读：
-
-```shell
-kubectl get --raw "/apis/metrics.k8s.io/v1beta1/namespaces/kube-system/pods/kube-scheduler-minikube" | jq '.'
-```
-
-
-这是使用 `curl` 来完成的相同 API 调用：
-
-```shell
-curl http://localhost:8080/apis/metrics.k8s.io/v1beta1/namespaces/kube-system/pods/kube-scheduler-minikube
-```
-
-
-响应示例：
-
-```json
-{
- "kind": "PodMetrics",
- "apiVersion": "metrics.k8s.io/v1beta1",
- "metadata": {
- "name": "kube-scheduler-minikube",
- "namespace": "kube-system",
- "selfLink": "/apis/metrics.k8s.io/v1beta1/namespaces/kube-system/pods/kube-scheduler-minikube",
- "creationTimestamp": "2022-01-27T19:25:00Z"
- },
- "timestamp": "2022-01-27T19:24:31Z",
- "window": "30s",
- "containers": [
- {
- "name": "kube-scheduler",
- "usage": {
- "cpu": "9559630n",
- "memory": "22244Ki"
- }
- }
- ]
-}
-```
-
-
-
-Metrics API 在 [k8s.io/metrics](https://github.com/kubernetes/metrics) 代码库中定义。
-你必须启用 [API 聚合层](/zh/docs/tasks/extend-kubernetes/configure-aggregation-layer/)并为
-`metrics.k8s.io` API 注册一个 [APIService](/zh/docs/reference/kubernetes-api/cluster-resources/api-service-v1/)。
-
-要了解有关 Metrics API 的更多信息，
-请参阅资源 [Resource Metrics API Design](https://github.com/kubernetes/design-proposals-archive/blob/main/instrumentation/resource-metrics-api.md)、
-[metrics-server 代码库](https://github.com/kubernetes-sigs/metrics-server) 和
-[Resource Metrics API](https://github.com/kubernetes/metrics#resource-metrics-api)。
-
-
-{{< note >}}
-你必须部署提供 Metrics API 服务的 metrics-server 或其他适配器才能访问它。
-{{< /note >}}
-
-
-## 度量资源用量 {#measuring-resource-usage}
-
-### CPU
-
-CPU 报告为以 cpu 为单位测量的平均核心使用率。在 Kubernetes 中，
-一个 cpu 相当于云提供商的 1 个 vCPU/Core，以及裸机 Intel 处理器上的 1 个超线程。
-
-该值是通过对内核提供的累积 CPU 计数器（在 Linux 和 Windows 内核中）取一个速率得出的。
-用于计算 CPU 的时间窗口显示在 Metrics API 的窗口字段下。
-
-要了解更多关于 Kubernetes 如何分配和测量 CPU 资源的信息，请参阅
-[CPU 的含义](/zh/docs/concepts/configuration/manage-resources-containers/#meaning-of-cpu)。
-
-
-### 内存 {#memory}
-
-内存报告为在收集度量标准的那一刻的工作集大小，以字节为单位。
-
-在理想情况下，“工作集”是在内存压力下无法释放的正在使用的内存量。
-然而，工作集的计算因主机操作系统而异，并且通常大量使用启发式算法来产生估计。
-
-Kubernetes 模型中，容器工作集是由容器运行时计算的与相关容器关联的匿名内存。
-工作集指标通常还包括一些缓存（文件支持）内存，因为主机操作系统不能总是回收页面。
-
-要了解有关 Kubernetes 如何分配和测量内存资源的更多信息，
-请参阅[内存的含义](/zh/docs/concepts/configuration/manage-resources-containers/#meaning-of-memory)。
-
-
-## Metrics 服务器 {#metrics-server}
-
-metrics-server 从 kubelet 中获取资源指标，并通过 Metrics API 在 Kubernetes API 服务器中公开它们，以供 HPA 和 VPA 使用。
-你还可以使用 `kubectl top` 命令查看这些指标。
-
-metrics-server 使用 Kubernetes API 来跟踪集群中的节点和 Pod。metrics-server 服务器通过 HTTP 查询每个节点以获取指标。
-metrics-server 还构建了 Pod 元数据的内部视图，并维护 Pod 健康状况的缓存。
-缓存的 Pod 健康信息可通过 metrics-server 提供的扩展 API 获得。
-
-例如，对于 HPA 查询，metrics-server 需要确定哪些 Pod 满足 Deployment 中的标签选择器。
-
-
-metrics-server 调用 [kubelet](/zh/docs/reference/command-line-tools-reference/kubelet/) API
-从每个节点收集指标。根据它使用的度量服务器版本：
-
-* 版本 v0.6.0+ 中，使用指标资源端点 `/metrics/resource`
-* 旧版本中使用 Summary API 端点 `/stats/summary`
-
-
-
-了解更多 metrics-server，参阅 [metrics-server 代码库](https://github.com/kubernetes-sigs/metrics-server)。
-
-你还可以查看以下内容：
-
-* [metrics-server 设计](https://github.com/kubernetes/community/blob/master/contributors/design-proposals/instrumentation/metrics-server.md)
-* [metrics-server FAQ](https://github.com/kubernetes-sigs/metrics-server/blob/master/FAQ.md)
-* [metrics-server known issues](https://github.com/kubernetes-sigs/metrics-server/blob/master/KNOWN_ISSUES.md)
-* [metrics-server releases](https://github.com/kubernetes-sigs/metrics-server/releases)
-* [Horizontal Pod Autoscaling](/zh/docs/tasks/run-application/horizontal-pod-autoscale/)
-
-
-
-### Summary API 来源
-
-[Kubelet](/zh/docs/reference/command-line-tools-reference/kubelet/) 在节点、卷、Pod 和容器级别收集统计信息，
-并在[Summary API](https://github.com/kubernetes/kubernetes/blob/7d309e0104fedb57280b261e5677d919cb2a0e2d/staging/src/k8s.io/kubelet/pkg/apis/stats/v1alpha1/types.go)
-中提供它们的统计信息供消费者阅读。
-
-
-
-下面是一个 `minikube` 节点的 Summary API 请求示例：
-
-```shell
-kubectl get --raw "/api/v1/nodes/minikube/proxy/stats/summary"
-```
-
-
-这是使用 `curl` 来执行的相同 API 调用：
-
-```shell
-curl http://localhost:8080/api/v1/nodes/minikube/proxy/stats/summary
-```
-
-{{< note >}}
-
-从 metrics-server 0.6.x 开始，Summary API `/stats/summary` 端点被 `/metrics/resource` 端点替换。
-{{< /note >}}
diff --git a/content/zh/docs/tasks/debug/debug-cluster/resource-metrics-pipeline.md b/content/zh/docs/tasks/debug/debug-cluster/resource-metrics-pipeline.md
index 7318664952..ac5f488edd 100644
--- a/content/zh/docs/tasks/debug/debug-cluster/resource-metrics-pipeline.md
+++ b/content/zh/docs/tasks/debug/debug-cluster/resource-metrics-pipeline.md
@@ -1,6 +1,7 @@
---
title: 资源指标管道
content_type: concept
+weight: 15
---