Kubernetes相关生态

1、Prometheus、Metrics Server与Kubernetes监控体系

简介： Prometheus 项目与 Kubernetes 项目一样，也来自于 Google 的 Borg 体系，它的原型系统，叫作 BorgMon，是一个几乎与 Borg 同时诞生的内部监控系统

Prometheus 项目的作用和工作方式，官方示意图

Prometheus 项目工作的核心，是使用 Pull （抓取）的方式去搜集被监控对象的 Metrics 数据（监控指标数据），然后，再把这些数据保存在一个 TSDB （时间序列数据库，比如 OpenTSDB 、 InfluxDB 等）当中，以便后续可以按照时间进行检索。

Pushgateway ：允许被监控对象以 Push 的方式向Prometheus 推送 Metrics 数据

Alertmanager ：可以根据 Metrics 信息灵活地设置报警

Grafana ：对外暴露出的、可以灵活配置的监控数据可视化界面

1.1、Metrics 数据的来源

• 第一种 Metrics，是宿主机的监控数据
  • 这部分数据的提供，需要借助一个由 Prometheus 维护的Node Exporter 工具，就是代替被监控对象来对Prometheus 暴露出可以被“抓取”的 Metrics 信息的一个辅助进程。
• 第二种 Metrics ，是来自于 Kubernetes 的 API Server 、kubelet 等组件的 /metrics API
  • 除了常规的 CPU 、内存的信息外，这部分信息还主要包括了各个组件的核心监控指标。比如，对于 API Server 来说，它就会在 /metrics API 里，暴露出各个 Controller 的工作队列（ Work Queue ）的长度、请 求的 QPS 和延迟数据等等。这些信息，是检查
    Kubernetes 本身工作情况的主要依据。​​​​​​​
• 第三种 Metrics ，是 Kubernetes 相关的监控数据
  • ​​​​​​​ 这部分数据，一般叫作 Kubernetes 核心监控数据（core metrics ）。这其中包括了 Pod 、 Node 、容器、Service 等主要 Kubernetes 核心概念的Metrics。
  • 这里提到的 Kubernetes 核心监控数据，其实使用的是 Kubernetes 的一个非常重要的扩展能力，叫作Metrics Server。在社区的定位，是用来取代Heapster。

在具体的监控指标规划上，建议你 遵循业界通用的 USE 原 则和 RED 原则

USE 原则指的是，按照如下三个维度来规划资源监控指标（原则是主要关注“ 资源 ” ）

• 利用率（Utilization），资源被有效利用起来提供服务的平均时间占比；
• 饱和度（Saturation），资源拥挤的程度，比如工作队列的长度；
• 错误率（Errors），错误的数量。

RED 原则指的是，按照如下三个维度来规划服务监控指标 （原则是主要关注“ 服务 ” ）

1. 每秒请求数量（Rate）；
2. 每秒错误数量（Errors）；
3. 服务响应时间（Duration）。

2、日志收集与管理

Kubernetes 中对容器日志的处理方式 , 都叫做 cluster-level-logging，即这个日志处理系统，与容器、 Pod 以及 Node 的生命周期都是完全无关的。这种设计当然是为了保证，无论是容器挂了、Pod 被删除，甚至节点宕机的时候，应用的日志依然可以被正常获取到。

第一种，在 Node 上部署 logging agent ，将日志文件转发 到后端存储里保存起来 ，架构图如下

 

这里的核心在于 logging agent ，它一般都会以DaemonSet 的方式运行在节点上，然后将宿主机上的容器日志目录挂载进去，最后由 logging-agent 把日志转发出去。

优势 ：在 Node 上部署 logging agent ，在于一个节点只需要部署一个 agent ，并且不会对应用和 Pod 有任何侵入性。

不足 ：要求应用输出的日志，都必须是直接输出到容器的stdout 和 stderr 里。即如果每秒日志量很大时，直接输出到容器的stdout 和 stderr, 很容易就把系统日志配额用满，因为对系统默认日志工具是针对单服务( 例如 docker) 而不是进程进行限额的，最终导致的结果就是日志被吞掉。解决办法一个是增加配额，一个是给容器挂上存储，将日志输出到存储上

stdout 和 stderr stdout 是标准输出， stderr 是错误输出

第二种，就是对这种特殊情况的一个处理，即当容器的日志 只能输出到某些文件里的时候，我们可以通过一个 sidecar 容器把这些日志文件重新输出到 sidecar 的 stdout 和 stderr 上，这样就能够继续使用第一种方案了。 架构图如下

 

不足 ：宿主机上实际上会存在两份相同的日志文件一份是应用自己写入的；另一份则是 sidecar 的 stdout 和 stderr 对应的 JSON 文件。这对磁盘是很大的浪费，除非万不得已或者应用容器完全不可能被修改，否则不要使用这个方案

 

第三种方案，就是通过一个 sidecar 容器，直接把应用的日 志文件发送到远程存储里面去 ，架构图如下

 

优势 ：直接把日志输出到固定的文件里而不是 stdout ，logging-agent 可以使用 uentd ，后端存储可以是

ElasticSearch 。部署简单，对宿主机友好。  

不足 ：这个 sidecar 容器很可能会消耗较多的资源，甚至拖垮应用容器。并且，由于日志还是没有输出到 stdout 上，所以你通过 kubectl logs 是看不到任何日志输出的。

最后，无论是哪种方案，都必须要及时将这些日志文件从宿主机上清理掉，或者给日志目录专门挂载一些容量巨大的远程盘。否则，一旦主磁盘分区被打满，整个系统就可能会陷入奔溃状态。