容器日志收集与管理：让日志无处可逃

turingbooks

于 2021-06-11 11:47:21 发布

阅读量973

点赞数 1

文章标签： docker kubernetes java 运维 hadoop

本文链接：https://blog.csdn.net/turingbooks/article/details/117828785

版权

本文将详细介绍 Kubernetes 里对容器日志的处理方式。

首先需要明确，Kubernetes 里对容器日志的处理方式都叫作 cluster-level-logging，即这个日志处理系统与容器、Pod 以及节点的生命周期都完全无关。这种设计当然是为了保证无论容器不工作、Pod 被删除，甚至节点宕机，依然可以正常获取应用的日志。

对于一个容器来说，当应用把日志输出到 stdout 和 stderr 之后，容器项目本身默认会把这些日志输出到宿主机上的一个 JSON 文件里。这样，通过 kubectl logs 命令就可以看到这些容器的日志了。

上述机制就是本节要讲解的容器日志收集的基础假设。如果你的应用是把文件输出到别处，比如直接输出到容器里的某个文件里，或者输出到远程存储里，就另当别论了。当然，本节也会介绍这些特殊情况的处理方法。

Kubernetes 本身实际上不会为你做容器日志收集工作。所以，为了实现上述 cluster-level-logging，你需要在部署集群的时候提前规划具体的日志方案。Kubernetes 项目本身主要推荐了 3 种日志方案。

第一种方案，在节点上部署 logging agent，将日志文件转发到后端存储里保存起来。这种方案的架构如图 1 所示。

（图1）

不难看出，这里的核心就在于 logging agent，它一般会以 DaemonSet 的方式在节点上运行，然后把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。

例如，我们可以把 Fluentd 项目作为宿主机上的 logging-agent，然后把日志转发到远端的 Elasticsearch 里保存起来供将来检索。具体的操作过程参见官方文档。另外，Kubernetes 的很多部署会自动为你启用logrotate，在日志文件大小超过10 MB时自动对日志文件进行切割（logrotate）操作。

可以看到，在节点上部署 logging agent 最大的优点在于一个节点仅需部署一个agent，并且对应用和Pod 没有任何侵入性。所以，在社区中该方案最常用。但是，这种方案的明显不足之处在于，它要求应用输出的日志都必须直接输出到容器的 stdout 和 stderr 里。

第二种 Kubernetes 容器日志方案处理的就是这种特殊情况：当容器的日志只能输出到某些文件里时，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。这种方案的具体工作原理如图 2 所示。

（图2）

比如，现在我的应用 Pod 只有一个容器，它会把日志输出到容器里的 /var/log/1.log 和 2.log 这两个文件里。这个 Pod 的 YAML 文件如下所示：

 apiVersion: v1
 kind: Pod
 metadata:
   name: counter
 spec:
   containers:
   - name: count
     image: busybox
     args:
     - /bin/sh
   - -c
   - >
     i=0;
     while true;
     do
       echo "$i: $(date)" >> /var/log/1.log;
       echo "$(date) INFO $i" >> /var/log/2.log;
       i=$((i+1));
       sleep 1;
     done
    volumeMounts:
    - name: varlog
      mountPath: /var/log
    volumes:
    - name: varlog
      emptyDir: {}

在这种情况下，使用 kubectl logs 命令看不到应用的任何日志。而且前面讲解的最常用的第一种方案也无法使用。

此时，我们就可以为这个 Pod 添加两个 sidecar 容器，分别将上述两个日志文件里的内容重新以 stdout 和 stderr 的方式输出。这个 YAML 文件的写法如下所示：

apiVersion: v1
kind: Pod
metadata:
  name: counter
spec:
  containers:
  - name: count
    image: busybox
    args:
    - /bin/sh
    - -c
    - >
      i=0;
      while true;
      do
        echo "$i: $(date)" >> /var/log/1.log;
        echo "$(date) INFO $i" >> /var/log/2.log;
        i=$((i+1));
        sleep 1;
      done
    volumeMounts:
    - name: varlog
      mountPath: /var/log
  - name: count-log-1
    image: busybox
    args: [/bin/sh, -c, 'tail -n+1 -f /var/log/1.log']
    volumeMounts:
    - name: varlog
      mountPath: /var/log
  - name: count-log-2
    image: busybox
      args: [/bin/sh, -c, 'tail -n+1 -f /var/log/2.log']
      volumeMounts:
      - name: varlog
        mountPath: /var/log
    volumes:
    - name: varlog
      emptyDir: {}

此时，就可以通过 kubectl logs 命令查看这两个 sidecar 容器的日志，间接看到应用的日志内容了，如下所示：

$ kubectl logs counter count-log-1

0: Mon Jan 1 00:00:00 UTC 2001

1: Mon Jan 1 00:00:01 UTC 2001

2: Mon Jan 1 00:00:02 UTC 2001

...

$ kubectl logs counter count-log-2

Mon Jan 1 00:00:00 UTC 2001 INFO 0

Mon Jan 1 00:00:01 UTC 2001 INFO 1

Mon Jan 1 00:00:02 UTC 2001 INFO 2

...

由于 sidecar 跟主容器之间共享 Volume，因此这里的 sidecar 方案的额外性能损耗并不大，也就是多占用一点儿 CPU 和内存罢了。

需要注意的是，此时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。所以，除非万不得已或者应用容器完全不可能被修改，否则还是建议你直接使用第一种方案，或者直接使用第三种方案。

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中去。这就相当于把第一种方案中的 logging agent 放在了应用 Pod 里。这种方案的架构如图 3 所示。

（图3）

在这种方案下，你的应用还可以直接把日志输出到固定的文件里，而不是 stdout，你的 logging-agent 还可以使用 fluentd，后端存储还可以是 Elasticsearch。只不过，fluentd 的输入源变成了应用的日志文件。一般说来，我们会把 fluentd 的输入源配置保存在一个 ConfigMap 里，如下所示：

apiVersion: v1
kind: ConfigMap
metadata:
  name: fluentd-config
data:
  fluentd.conf: |
    <source>
      type tail
      format none
      path /var/log/1.log
      pos_file /var/log/1.log.pos
      tag count.format1
    </source>

    <source>
      type tail
      format none
      path /var/log/2.log
      pos_file /var/log/2.log.pos
      tag count.format2
    </source>

    <match **>
      type google_cloud
    </match>

然后，我们在应用 Pod 的定义里就可以声明一个 Fluentd 容器作为 sidecar，专门负责将应用生成的 1.log 和 2.log 转发到 Elasticsearch 当中。这个配置如下所示：

apiVersion: v1
kind: Pod
metadata:
  name: counter
spec:
  containers:
  - name: count
    image: busybox
    args:
    - /bin/sh
    - -c
    - >
      i=0;
      while true;
      do
        echo "$i: $(date)" >> /var/log/1.log;
        echo "$(date) INFO $i" >> /var/log/2.log;
        i=$((i+1));
        sleep 1;
      done
    volumeMounts:
    - name: varlog
      mountPath: /var/log
  - name: count-agent

      image: k8s.gcr.io/fluentd-gcp:1.30
       env:
       - name: FLUENTD_ARGS
         value: -c /etc/fluentd-config/fluentd.conf
       volumeMounts:
       - name: varlog
         mountPath: /var/log
       - name: config-volume
         mountPath: /etc/fluentd-config
     volumes:
     - name: varlog
       emptyDir: {}
    - name: config-volume
      configMap:
        name: fluentd-config

可以看到，这个 Fluentd 容器使用的输入源就是通过引用前面编写的 ConfigMap 来指定的。这里用到了 Projected Volume 来把 ConfigMap 挂载到 Pod 里。需要注意的是，这种方案虽然部署简单，并且对宿主机非常友好，但是这个 sidecar 容器很可能会消耗较多资源，甚至拖垮应用容器。并且，由于日志还是没有输出到 stdout 上，因此通过 kubectl logs 看不到任何日志输出。以上就是 Kubernetes 项目管理容器应用日志最常用的 3 种手段。

小结

本文详细讲解了 Kubernetes 项目对容器应用日志的收集方式。上述 3 种方案中，最常用的一种方式就是将应用日志输出到 stdout 和 stderr，然后通过在宿主机上部署 logging-agent 来集中处理日志。这种方案不仅管理简单，可靠性高，kubectl logs 也可以用，而且宿主机很可能自带了 rsyslogd 等成熟的日志收集组件供使用。除此之外，还有一种方式：在编写应用时直接指定好日志的存储后端，如图 4 所示。