Kubernetes - 实战：系统监控、使用Metrics Server、hpa 自动伸缩 Pod 数量、Prometheus 的使用

用心去追梦

于 2024-04-18 11:35:49 发布

阅读量500

点赞数 4

文章标签： kubernetes prometheus 容器

本文链接：https://blog.csdn.net/qq_33240556/article/details/137914533

版权

Kubernetes 系统监控实战

使用 Metrics Server

Metrics Server 是 Kubernetes 内置的一种资源度量标准提供者，主要用于提供集群中各 Node 与 Pod 的 CPU 和内存使用情况。它是 Horizontal Pod Autoscaler (HPA) 功能的基础，允许 HPA 根据 Pod 的资源使用情况进行自动扩缩容。

安装 Metrics Server 的一般步骤如下：

使用官方提供的 YAML 文件部署 Metrics Server：

kubectl apply -f https://github.com/kubernetes-sigs/metrics-server/releases/download/v0.x.y/metrics-server.yaml

其中 x.y 代表 Metrics Server 的具体版本号。

部署完成后，检查 Metrics Server 是否正常运行：
```
kubectl get deployments -n kube-system metrics-server
```
若状态为 Ready，则表明 Metrics Server 已成功部署并运行。

查看节点和 Pod 的资源使用情况：

kubectl top nodes
kubectl top pods --all-namespaces

使用 HPA 自动伸缩 Pod 数量

Horizontal Pod Autoscaler (HPA) 根据 Metrics Server 提供的资源利用率数据自动调整 Pod 的副本数。

创建 HPA 的 YAML 示例：

apiVersion: autoscaling/v2beta2
kind: HorizontalPodAutoscaler
metadata:
  name: my-app-hpa
spec:
  scaleTargetRef:
    kind: Deployment
    name: my-app-deployment
    apiVersion: apps/v1
  minReplicas: 2
  maxReplicas: 10
  metrics:
  - type: Resource
    resource:
      name: cpu
      targetAverageUtilization: 50

上述 YAML 文件定义了一个 HPA，目标为名为 my-app-deployment 的 Deployment，根据 CPU 使用率自动调节 Pod 数量，最小副本数为 2，最大副本数为 10，目标平均 CPU 使用率为 50%。

使用 Prometheus 进行监控

Prometheus 是一个强大的监控和警报工具，广泛用于 Kubernetes 集群中收集和查询时间序列数据。

部署 Prometheus：
- 可以通过 Helm Chart、Operator 或者手动编写 YAML 文件在 Kubernetes 中部署 Prometheus 服务器。
- 若需监控 Kubernetes 的核心组件和工作负载，需要额外部署 Kubernetes 的 Exporter 以暴露所需指标。
配置监控目标：
- Prometheus 收集数据时，需要知道要抓取哪些目标（targets），这通常包括 Kubernetes 的 Endpoints 和 ServiceMonitors。
设置规则和警报：
- 在 Prometheus 中设置告警规则（alerting rules），当满足特定条件时触发警报通知。
集成 Grafana 进行可视化：
- 通过 Grafana 连接 Prometheus 数据源，创建丰富的仪表盘展示监控数据和警报。
实现自动扩缩容：
- 结合 Prometheus Adapter，可以将 Prometheus 收集的自定义指标用于 HPA，实现更精细化的自动扩缩容。