第23章：Kubernetes Metrics & Monitoring

Davidwatt

已于 2023-12-04 09:45:48 修改

阅读量842

点赞数 23

分类专栏： Kubernetes学习笔记文章标签： kubernetes docker 容器云原生

于 2023-12-04 00:17:03 首次发布

本文链接：https://blog.csdn.net/Davidwatt/article/details/134772364

版权

Kubernetes学习笔记专栏收录该内容

25 篇文章 4 订阅

订阅专栏

1. 指标来源

资源指标：Kubernetes v1.8+，heapster(Kubernetes v1.8~Kubernetes v1.11)，metrics-server（Kubernetes v1.12+），指标数据的收集、存储和监控等；
自定义指标：Kubernetes v1.6+，，Prometheus、Kubernetes-Prometheus-Adapter；（①通过CRD；②通过Kubernetes Aggregator聚合；）

参考链接：kube-aggregator

2. 指标管道（Pipeline）：

核心资源指标管道，由cAdvisor、kubelet、metrics-server、以及由API-Server提供的API组成，通过Kubernetes Aggregator与API-server聚合，可以传递的指标有：CPU时间分片累积使用率、内存实时使用率、Pod的资源占用率以及容器的磁盘占用率等；——必选默认Default；

注意：核心指标仅涉及到工作负载为节点和Pod，以及CPU和内存指标，其他工作负载或其他指标均需要借助于自定义指标管道。

核心资源指标管道架构如下图所示：

参考链接：Resource metrics pipeline
自定义指标管道，用于从Kubernetes集群收集各种数据，提供给终端用户、存储系统以及HPA等使用，可以传递的指标有：核心指标和原生不能被Kubernetes解析的其他自定义指标等（经过Kubernetes-Prometheus-Adapter适配后可以）；——可选Addons（建议安装）

说明：自定义指标，是包含核心指标的，，另外还可以覆盖其他工作负载，如deployment、svc、rs等等，其他指标，常用的如响应时间、QPS、并发链接数、数据库连接池使用率、某业务操作的成功率等；

External APIs
通过命令kubectl api-versions可查看这些外部的API群组；

metrics.k8s.io/v1beta1：Kubernetes Metrics (v1beta1)

说明：通过部署addons metrics-server，将会引入该类API；

custom.metrics.k8s.io/v1beta2：Kubernetes Custom Metrics (v1beta2)

说明：通过部署Prometheus相关组件（准确的说是Kubernetes-Prometheus-Adapter, 即custom-metrics-apiserver），将会引入该自定义API；

2.1 Metrics-Server

在 Kubernetes 中，Metrics Server 是一个专门用于收集和存储集群中资源使用数据的组件。Metrics Server 提供了关于节点和 Pod 等资源的实时指标，如 CPU 和内存使用情况。这些指标可以被水平自动伸缩器（Horizontal Pod Autoscaler，HPA）等其他组件用来动态调整应用程序的数量或规模。
Metrics Server是一个轻量级的组件，常被用于监控和度量的目的。但是它不保存历史数据，仅提供当前的资源使用情况。Metrics Server集成到 Kubernetes API Server 中，可以被其他组件和工具通过 Kubernetes API 访问。

Metrics Server 的主要特点包括：

实时性： Metrics Server 提供关于资源使用的实时数据，适用于对当前集群状态的实时关注。
轻量级： Metrics Server 的设计目标是轻量级，以确保其对集群的性能影响最小。
集成性： Metrics Server 与 Kubernetes API Server 集成，通过 Kubernetes API 提供资源指标数据，这使得它可以被其他 Kubernetes 组件轻松访问。

Metrics Server 通常与其他监控工具（如 Prometheus）结合使用，以提供更全面的监控和度量解决方案。Metrics-Server部署完成之后，就可以通过以下命令查看Pod或节点的CPU和内存资源的使用情况：
（1）kubectl top pod POD_NAME
（2）kubectl top pod POD_NAME --containers
（3）kubectl top pod POD_NAME --sort-by=cpu
（4）kubectl top node Node_NAME

说明：10250是Https接口，10255是HTTP接口；

参考链接：metrics-server

2.2 Prometheus

在 Kubernetes 的监控生态系统中，Prometheus 是主流选择，用于监控容器化应用程序和整个kubernetes集群。
Prometheus的主要特点

时间序列数据库（TSDB）： Prometheus使用本地存储和内存中的时间序列数据库，可用于持久化监控数据，方便用户进行历史查询。（时间序列数据，即指标信息与记录时间戳一起存储，以及称为多种维度标签的可选键值对。）
灵活查询：Prometheus提供了PromQL（Prometheus Query Language），一种用于查询和分析数据的查询语言。PromQL支持聚合、过滤和数学运算，使用户能够灵活地从监控数据中提取有价值的信息。
自动发现：Prometheus支持服务发现，如kubernetes集群中新增某服务实例，则Prometheus可以动态发现并监控该服务实例，无需人工干预；
告警通知：Prometheus 具有内置的告警管理系统alertmanager，支持用户子定义的告警规则。当规定的条件被触发时，Prometheus可以发送告警并通知，例如通过电子邮件或集成到内外部部IM系统等。

Prometheus架构
在这里插入图片描述

核心组件：

Prometheus，核心组件（包含configmap、RBAC、Service、StatefulSet等文件）
Node-exporter，采集组件（包含DaemonSet和Service等文件）
Kube-state-metrics，数据转换组件（包含Deployment、RBAC、Service等文件）
Alertmanager，告警组件（包含configmap、Deployment、PVC、Service等文件）

一般情况下，集群内访问接口为9090，集群外访问接口为30090；

通过命令kubectl proxy --port=8080创建代理之后，可以原生使用命令curl http://localhost:8080/apis/custom.metrics.k8s.io/v1beta2来获取相关监控指标信息；

另外，建议Prometheus结合Grafana做监控数据可视化，部署Grafana之后（注意namespace保持一致），并将Service的访问类型修改为Nodeport，使用IP+Port访问，将Data Source Setting修改为Prometheus，填写对应的URL等等相关信息即可；

参考链接 ：
(1) Prometheus官网
(2) Prometheus-Github
(3) Grafana Dashboards

3. HPA

HPA：HorizontalPodAutoscaler，Pod水平自动伸缩；(调整副本数量)

VPA：VerticalPodAutoscaler，Pod垂直自动伸缩；（调整Pod的CPU和内存）

HPA和VPA可以使用custom.metrics.k8s.io和external.metrics.k8s.io API的数据来自动调整工作负载的副本数和资源等以使其符合预期。

HPA的工作机制如图所示：
在这里插入图片描述

如果需要使用HPA，需要的API version为“autoscaling/v2beta2”，且需要提前设置好对应的资源指标或自定义指标，如果没有相关指标，即使在HPA中设置也没用，此为无源之水无本之木；

示例命令：
kubectl autoscale deployment[Resource_Type] foo[Resource_Name] --min=M --max=M+N --cpu-percent=70

示例解释：假设我们为指定的Deployment叫foo启用自动缩放，设置最小Pod副本数为 M，最大Pod副本数为M+N，当CPU利用率超过70%时，触发自动扩展，如最小Pod为1，最大为10，当前Pod数量为1且当前CPU利用率为90%，则应该扩容1个Pod。

Apache Benchmark轻量压测命令：
ab -c 100 -n 100000 http://HOST_IP:PORT/SERVICE_URL
该命令表示在并发用户数为100的情况下，向指定Service的URL发起1000000个请求，拉升服务Pod的CPU利用率，进而达到HPA的效果。

参考链接：Horizontal Pod Autoscaling