基于Prometheus自定义指标缩放

最新推荐文章于 2024-05-19 04:38:07 发布
最新推荐文章于 2024-05-19 04:38:07 发布
阅读量628 收藏 1
点赞数
分类专栏： metrics-server prometheus kubernetes 文章标签： kubernetes hpa
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/who__are__you_/article/details/115769348
版权 
再做以下实验时可能会遇到以下问题
1.如果你机器上部署过pp 因为这个东西自带prometheus-adaptor会跟下面的实验冲突，请删除掉
2.如果你的机器可以访问外网，是可以下载原生的image的，如果不能，请按照文档中走
3.如果你kubectl get hpa 出现unknow的时候，请检查一下adaptor是否正常
4.由于helm部署的时候没有热更新机制，所以在做到helm部分的时候 修改下面的配置以后手动删除一下pod即可
5.若果你本身机器上有prometheus，如果是物理机安装请修改 prometheus-operator的deploy找到prometheus.url这块修改为正确的地址
6.如果你跟我一样是部署过prometheus-operator ,也是修改第五条这块修改为正确的svc.namespace.cluster.local:9090
7.prometheus-operator 这个是默认安装在monitoring这个namespace的，尽量也把prometheus-operator安装在这个namespace

如果不会安装metrics-server的话，上一篇文章是有教程的https://blog.csdn.net/who__are__you_/article/details/115677777?spm=1001.2014.3001.5501
如果你是纯净的机器的话，上面的信息是可以忽略的
本文是基于这个链接进行安装并且修改的https://blog.51cto.com/u_14143894/2458468

## 2.4 Pod自动扩容/缩容（HPA）

Horizontal Pod Autoscaler（HPA，Pod水平自动伸缩），根据资源利用率或者自定义指标自动调整replication controller, deployment 或 replica set，实现部署的自动扩展和缩减，让部署的规模接近于实际服务的负载。HPA不适于无法缩放的对象，例如DaemonSet。



### 1、HPA基本原理

Kubernetes 中的 Metrics Server 持续采集所有 Pod 副本的指标数据。HPA 控制器通过 Metrics Server 的 API（Heapster 的 API 或聚合 API）获取这些数据，基于用户定义的扩缩容规则进行计算，得到目标 Pod 副本数量。当目标 Pod 副本数量与当前副本数量不同时，HPA 控制器就向 Pod 的副本控制器（Deployment、RC 或 ReplicaSet）发起 scale 操作，调整 Pod 的副本数量，完成扩缩容操作。如图所示。



在弹性伸缩中，冷却周期是不能逃避的一个话题， 由于评估的度量标准是动态特性，副本的数量可能会不断波动。有时被称为颠簸， 所以在每次做出扩容缩容后，冷却时间是多少。

在 HPA 中，**默认的扩容冷却周期是 3 分钟，缩容冷却周期是 5 分钟。**

可以通过调整kube-controller-manager组件启动参数设置冷却时间：

- --horizontal-pod-autoscaler-downscale-delay ：扩容冷却
- --horizontal-pod-autoscaler-upscale-delay ：缩容冷却

### 2、HPA的演进历程

目前 HPA 已经支持了 autoscaling/v1、autoscaling/v2beta1和autoscaling/v2beta2  三个大版本 。

目前大多数人比较熟悉是autoscaling/v1，这个版本只支持CPU一个指标的弹性伸缩。

而autoscaling/v2beta1增加了支持自定义指标，autoscaling/v2beta2又额外增加了外部指标支持。

而产生这些变化不得不提的是Kubernetes社区对监控与监控指标的认识与转变。从早期Heapster到Metrics Server再到将指标边界进行划分，一直在丰富监控生态。

示例：

v1版本：

```
apiVersion: autoscaling/v1
kind: HorizontalPodAutoscaler
metadata:
  name: php-apache
  namespace: default
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: php-apache
  minReplicas: 1
  maxReplicas: 10
  targetCPUUtilizationPercentage: 50
```

v2beta2版本：

```
apiVersion: autoscaling/v2beta2
kind: HorizontalPodAutoscaler
metadata:
  name: php-apache
  namespace: default
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: php-apache
  minReplicas: 1
  maxReplicas: 10
  metrics:
  - type: Resource
    resource:
      name: cpu
      target:
        type: Utilization
        averageUtilization: 50
  - type: Pods
    pods:
      metric:
        name: packets-per-second
      target:
        type: AverageValue
        averageValue: 1k
  - type: Object
    object:
      metric:
        name: requests-per-second
      describedObject:
        apiVersion: networking.k8s.io/v1beta1
        kind: Ingress
        name: main-route
      target:
        type: Value
        value: 10k
  - type: External
    external:
      metric:
        name: queue_messages_ready
        selector: "queue=worker_tasks"
      target:
        type: AverageValue
        averageValue: 30
```

## 2.5 基于CPU指标缩放

### 1、 Kubernetes API Aggregation 

在 Kubernetes 1.7 版本引入了聚合层，允许第三方应用程序通过将自己注册到kube-apiserver上，仍然通过 API Server 的 HTTP URL 对新的 API 进行访问和操作。为了实现这个机制，Kubernetes 在 kube-apiserver 服务中引入了一个 API 聚合层（API Aggregation Layer），用于将扩展 API 的访问请求转发到用户服务的功能。


当你访问 apis/metrics.k8s.io/v1beta1 的时候，实际上访问到的是一个叫作 kube-aggregator 的代理。而 kube-apiserver，正是这个代理的一个后端；而 Metrics Server，则是另一个后端 。通过这种方式，我们就可以很方便地扩展 Kubernetes 的 API 了。

如果你使用kubeadm部署的，默认已开启。如果你使用二进制方式部署的话，需要在kube-APIServer中添加启动参数，增加以下配置：

```
# vi /opt/kubernetes/cfg/kube-apiserver.conf
...
--requestheader-client-ca-file=/opt/kubernetes/ssl/ca.pem \
--proxy-client-cert-file=/opt/kubernetes/ssl/server.pem \
--proxy-client-key-file=/opt/kubernetes/ssl/server-key.pem \
--requestheader-allowed-names=kubernetes \
--requestheader-extra-headers-prefix=X-Remote-Extra- \
--requestheader-group-headers=X-Remote-Group \
--requestheader-username-headers=X-Remote-User \
--enable-aggregator-routing=true \
...
```

  在设置完成重启 kube-apiserver 服务，就启用 API 聚合功能了。  

### 2、部署 Metrics Server

Metrics Server是一个集群范围的资源使用情况的数据聚合器。作为一个应用部署在集群中。

Metric server从每个节点上Kubelet公开的摘要API收集指标。 

Metrics server通过Kubernetes聚合器注册在Master APIServer中。




```
# git clone https://github.com/kubernetes-incubator/metrics-server
# cd metrics-server/deploy/1.8+/
# vi metrics-server-deployment.yaml   # 添加2条启动参数   
...
      containers:
      - name: metrics-server
        image: willdockerhub/metrics-server:v0.4.1
        command:
        - /metrics-server
        - --kubelet-insecure-tls
        - --kubelet-preferred-address-types=InternalIP
...
# kubectl create -f .
```

可通过Metrics API在Kubernetes中获得资源使用率指标，例如容器CPU和内存使用率。这些度量标准既可以由用户直接访问（例如，通过使用`kubectl top`命令），也可以由集群中的控制器（例如，Horizontal Pod Autoscaler）用于进行决策。 

测试：

```
kubectl get --raw /apis/metrics.k8s.io/v1beta1/nodes
kubectl top node
```

### 3、autoscaling/v1（CPU指标实践）

autoscaling/v1版本只支持CPU一个指标。

首先部署一个应用：

```
apiVersion: apps/v1
kind: Deployment
metadata:
  name: web
spec:
  replicas: 1
  selector:
    matchLabels:
      app: centos-nginx
  template:
    metadata:
      labels:
        app: centos-nginx
    spec:
      containers:
      - image: centos-nginx
        name: centos-nginx
        resources: 
           requests:
             memory: "300Mi"
             cpu: "250m"

---

apiVersion: v1
kind: Service
metadata:
  name: web
spec:
  ports:
  - port: 80
    protocol: TCP
    targetPort: 80
  selector:
    app: centos-nginx
```

创建HPA策略：

```
apiVersion: autoscaling/v1
kind: HorizontalPodAutoscaler
metadata:
  name: web
spec:
  maxReplicas: 5
  minReplicas: 1
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: web
  targetCPUUtilizationPercentage: 60
```

scaleTargetRef：表示当前要伸缩对象是谁

targetCPUUtilizationPercentage：当整体的资源利用率超过50%的时候，会进行扩容。

开启压测：

```
# yum install httpd-tools
# ab -n 100000 -c 100  http://10.1.206.176/status.php
```

10.0.0.147 为ClusterIP。

检查扩容状态：

```
# kubectl get hpa
# kubectl top pods
# kubectl get pods
```

关闭压测，过一会检查缩容状态。

**工作流程：hpa -> apiserver -> kube aggregation -> metrics-server -> kubelet(cadvisor)**

### 4、autoscaling/v2beta2（多指标）

为满足更多的需求， HPA 还有 autoscaling/v2beta1和 autoscaling/v2beta2两个版本。

这两个版本的区别是 autoscaling/v1beta1支持了 Resource Metrics（CPU）和 Custom Metrics（应用程序指标），而在 autoscaling/v2beta2的版本中额外增加了 External Metrics的支持。

```
# kubectl get hpa.v2beta2.autoscaling -o yaml > /tmp/hpa-v2.yaml
```

```
apiVersion: autoscaling/v2beta2
kind: HorizontalPodAutoscaler
metadata:
  name: web
  namespace: default
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: web
  minReplicas: 1
  maxReplicas: 10
  metrics:
  - resource:
    type: Resource
      name: cpu
      target:
        averageUtilization: 60
        type: Utilization
```

与上面v1版本效果一样，只不过这里格式有所变化。

v2还支持其他另种类型的度量指标，：Pods和Object。  

```
type: Pods
pods:
  metric:
    name: packets-per-second
  target:
    type: AverageValue
    averageValue: 1k
```

```
type: Object
object:
  metric:
    name: requests-per-second
  describedObject:
    apiVersion: networking.k8s.io/v1beta1
    kind: Ingress
    name: main-route
  target:
    type: Value
    value: 2k
```

metrics中的type字段有四种类型的值：Object、Pods、Resource、External。 

- Resource：指的是当前伸缩对象下的pod的cpu和memory指标，只支持Utilization和AverageValue类型的目标值。

- Object：指的是指定k8s内部对象的指标，数据需要第三方adapter提供，只支持Value和AverageValue类型的目标值。

- Pods：指的是伸缩对象Pods的指标，数据需要第三方的adapter提供，只允许AverageValue类型的目标值。

- External：指的是k8s外部的指标，数据同样需要第三方的adapter提供，只支持Value和AverageValue类型的目标值。

```
# hpa-v2.yaml
apiVersion: autoscaling/v2beta2
kind: HorizontalPodAutoscaler
metadata:
  name: web
  namespace: default
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: web
  minReplicas: 1
  maxReplicas: 10
  metrics:
  - type: Resource
    resource:
      name: cpu
      target:
        type: Utilization
        averageUtilization: 50
  - type: Pods
    pods:
      metric:
        name: packets-per-second
      target:
        type: AverageValue
        averageValue: 1k
  - type: Object
    object:
      metric:
        name: requests-per-second
      describedObject:
        apiVersion: networking.k8s.io/v1beta1
        kind: Ingress
        name: main-route
      target:
        type: Value
        value: 10k
```

**工作流程：hpa -> apiserver -> kube aggregation  -> prometheus-adapter -> prometheus -> pods**

## 2.6 基于Prometheus自定义指标缩放

资源指标只包含CPU、内存，一般来说也够了。但如果想根据自定义指标:如请求qps/5xx错误数来实现HPA，就需要使用自定义指标了，目前比较成熟的实现是 Prometheus Custom Metrics。自定义指标由Prometheus来提供，再利用k8s-prometheus-adpater聚合到apiserver，实现和核心指标（metric-server)同样的效果。




### 1、部署Prometheus

Prometheus（普罗米修斯）是一个最初在SoundCloud上构建的监控系统。自2012年成为社区开源项目，拥有非常活跃的开发人员和用户社区。为强调开源及独立维护，Prometheus于2016年加入云原生云计算基金会（CNCF），成为继Kubernetes之后的第二个托管项目。

**Prometheus** **特点：**

- 多维数据模型：由度量名称和键值对标识的时间序列数据

- PromSQL：一种灵活的查询语言，可以利用多维数据完成复杂的查询

- 不依赖分布式存储，单个服务器节点可直接工作

- 基于HTTP的pull方式采集时间序列数据

- 推送时间序列数据通过PushGateway组件支持

- 通过服务发现或静态配置发现目标

- 多种图形模式及仪表盘支持（grafana）

**Prometheus组成及架构：**





- Prometheus Server：收集指标和存储时间序列数据，并提供查询接口

- ClientLibrary：客户端库

- Push Gateway：短期存储指标数据。主要用于临时性的任务

- Exporters：采集已有的第三方服务监控指标并暴露metrics

- Alertmanager：告警

- Web UI：简单的Web控制台

**部署：**

```
# cd prometheus-k8s
# kubectl apply -f .
# kubectl get pods -n kube-system
NAME                                  READY   STATUS    RESTARTS   AGE
kube-state-metrics-7f7cfc4f54-xjnk7   2/2     Running   0          10m
metrics-server-7dbbcf4c7-8m8x9        1/1     Running   0          10m
prometheus-0                          2/2     Running   0          10m
# kubectl get svc -n kube-system
NAME                 TYPE        CLUSTER-IP     EXTERNAL-IP   PORT(S)                  AGE
kube-state-metrics   ClusterIP   10.1.243.160   <none>        8080/TCP,8081/TCP        3d6h
metrics-server       ClusterIP   10.1.56.84     <none>        443/TCP                  13h
prometheus           NodePort    10.1.36.8      <none>        9090:30090/TCP           10m
```

访问Prometheus UI：http://NdeIP:30090

### 2、 部署 Custom Metrics Adapter 

但是prometheus采集到的metrics并不能直接给k8s用，因为两者数据格式不兼容，还需要另外一个组件(k8s-prometheus-adpater)，将prometheus的metrics 数据格式转换成k8s API接口能识别的格式，转换以后，因为是自定义API，所以还需要用Kubernetes aggregator在主APIServer中注册，以便直接通过/apis/来访问。

 https://github.com/DirectXMan12/k8s-prometheus-adapter 

该 PrometheusAdapter 有一个稳定的Helm Charts，我们直接使用。

先准备下helm环境：

```
wget https://get.helm.sh/helm-v3.0.0-linux-amd64.tar.gz
tar zxvf helm-v3.0.0-linux-amd64.tar.gz 
mv linux-amd64/helm /usr/bin/
helm repo add stable http://mirror.azure.cn/kubernetes/charts
helm repo update
helm repo list
```

部署prometheus-adapter，指定prometheus地址：

```
# helm install prometheus-adapter stable/prometheus-adapter --namespace kube-system --set prometheus.url=http://prometheus.kube-system,prometheus.port=9090
# helm list -n kube-system
```

```
# kubectl get pods -n kube-system
NAME                                  READY   STATUS    RESTARTS   AGE
prometheus-adapter-77b7b4dd8b-ktsvx   1/1     Running   0          9m
```

确保适配器注册到APIServer：

```
# kubectl get apiservices |grep custom 
# kubectl get --raw "/apis/custom.metrics.k8s.io/v1beta1"
```

### 3、基于QPS指标实践

部署一个应用：

```
apiVersion: apps/v1
kind: Deployment
metadata:
  labels:
    app: metrics-app
  name: metrics-app
spec:
  replicas: 3
  selector:
    matchLabels:
      app: metrics-app
  template:
    metadata:
      labels:
        app: metrics-app
      annotations:
        prometheus.io/scrape: "true"
        prometheus.io/port: "80"
        prometheus.io/path: "/metrics"
    spec:
      containers:
      - image: zhaocheng172/metrics-app
        name: metrics-app
        ports:
        - name: web
          containerPort: 80
        resources:
          requests:
            cpu: 200m
            memory: 256Mi
        readinessProbe:
          httpGet:
            path: /
            port: 80
          initialDelaySeconds: 3
          periodSeconds: 5
        livenessProbe:
          httpGet:
            path: /
            port: 80
          initialDelaySeconds: 3
          periodSeconds: 5
---
apiVersion: v1
kind: Service
metadata:
  name: metrics-app
  labels:
    app: metrics-app
spec:
  ports:
  - name: web
    port: 80
    targetPort: 80
  selector:
    app: metrics-app
```

该metrics-app暴露了一个Prometheus指标接口，可以通过访问service看到：

```
# curl 10.1.181.193/metrics
# HELP http_requests_total The amount of requests in total
# TYPE http_requests_total counter
http_requests_total 115006
# HELP http_requests_per_second The amount of requests per second the latest ten seconds
# TYPE http_requests_per_second gauge
http_requests_per_second 0.5
```

创建HPA策略：

```
# vi app-hpa-v2.yml
apiVersion: autoscaling/v2beta2
kind: HorizontalPodAutoscaler
metadata:
  name: metrics-app-hpa 
  namespace: default
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: metrics-app
  minReplicas: 1
  maxReplicas: 10
  metrics:
  - type: Pods
    pods:
      metric:
        name: http_requests_per_second
      target:
        type: AverageValue
        averageValue: 800m   # 800m 即0.8个/秒
```

这里使用Prometheus提供的指标测试来测试自定义指标（QPS）的自动缩放。

### 4、配置适配器收集特定的指标

当创建好HPA还没结束，因为适配器还不知道你要什么指标（http_requests_per_second），HPA也就获取不到Pod提供指标。

 ConfigMap在default名称空间中编辑prometheus-adapter ，并seriesQuery在该rules: 部分的顶部添加一个新的： 

```
# kubectl edit cm prometheus-adapter -n kube-system
apiVersion: v1
kind: ConfigMap
metadata:
  labels:
    app: prometheus-adapter
    chart: prometheus-adapter-v0.1.2
    heritage: Tiller
    release: prometheus-adapter
  name: prometheus-adapter
data:
  config.yaml: |
    rules:
    - seriesQuery: 'http_requests_total{kubernetes_namespace!="",kubernetes_pod_name!=""}'
      resources:
        overrides:
          kubernetes_namespace: {resource: "namespace"}
          kubernetes_pod_name: {resource: "pod"}
      name:
        matches: "^(.*)_total"
        as: "${1}_per_second"
      metricsQuery: 'sum(rate(<<.Series>>{<<.LabelMatchers>>}[2m])) by (<<.GroupBy>>)'
...
```

该规则将http_requests在2分钟的间隔内收集该服务的所有Pod的平均速率。

测试API：

```
kubectl get --raw "/apis/custom.metrics.k8s.io/v1beta1/namespaces/default/pods/*/http_requests_per_second"
```

压测：

```
ab -n 100000 -c 100  http://10.1.181.193/metrics
```

查看HPA状态：

```
kubectl get hpa
kubectl describe hpa metrics-app-hpa
```

### 小结



1. 通过/metrics收集每个Pod的http_request_total指标；
2.  prometheus将收集到的信息汇总；
3. APIServer定时从Prometheus查询，获取request_per_second的数据；
4. HPA定期向APIServer查询以判断是否符合配置的autoscaler规则；
5. 如果符合autoscaler规则，则修改Deployment的ReplicaSet副本数量进行伸缩。

 

猪八戒娶白骨精
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
k8s.gcr.io/prometheus-adapter/prometheus-adapter:v0.9.1
05-22
docker load -i prometheus-adapter-v0.9.1.tar.gz ; docker images |grep k8s.gcr.io/prometheus-adapter/prometheus-adapter
k8s-prom-hpa：具有Prometheus自定义指标的Kubernetes水平Pod自动缩放器
02-04
总的来说，k8s-prom-hpa是Kubernetes环境中实现基于Prometheus自定义指标的水平Pod自动缩放的关键组件。通过这种方式，我们可以根据业务需求进行更智能、更精细的资源管理，提高系统的响应性和效率。
K8S Containerd导入Docker image镜像
qq_37857119的博客
05-01 5031
简述K8S和容器运行时的关系，并示例containerd导入docker image镜像
在SpringBoot自定义指标并集成Prometheus和Grafana监控
最新发布
CBeann的博客
05-19 1135
十分钟教会你在SpringBoot自定义指标集成Prometheus和Grafana监控
k8s部署prometheus（第二版）
ss810540895的博客
03-21 1800
k8s：1.24.4本次部署采用operator的方式将prometheus部署到k8s中，需对k8s和prometheus有一定的了解。
Kubernetes v1.14.0 之 prometheus-adapter自定义hpa 部署
06-26 825
1、部署准备 说明：所有的容器组都运行在monitoring 命名空间 本文参考https://github.com/coreos/kube-prometheus 由于官方维护的版本在现有的部署环境出现问题所以下面做了一些修改及变更不影响整体效果 2、准备相关yaml mkdir kube-prometheus cd kube-prometheus git clone https://gith...
使用 prometheus python 库编写自定义指标的方法(完整代码)
09-16
这时，可以借助 Prometheus Python 客户端库来编写自定义指标。本文将详细介绍如何使用这个库来创建 Counter 和 Gauge 类型的指标，并结合 Flask Web 框架展示其实现过程。 首先，确保已经安装了必要的依赖库。在...
基于Prometheus采集netapp存储的exporter
06-27
5. **Grafana集成**（可选）: 为了可视化这些数据，可以将Prometheus配置到Grafana，创建自定义仪表板来展示NetApp存储的性能指标。 使用NetApp exporter带来的好处包括： 1. **精细化监控**: 能够获取到NetApp...
Grafana基于prometheus模板
11-30
Prometheus是一个开源的系统监控和报警系统，现在已经加入到CNCF基金会，成为继k8s之后第二个在CNCF托管的项目，在kubernetes容器管理系统中，通常会搭配prometheus进行监控，同时也支持多种exporter采集数据，还...
kubesphere 问题解决
怨行客
05-12 6677
镜像下载不下来，到对应节点 docker pull 重启节点后，无监控数据，因为你没有正确退出节点，这样退链接 其实就是停止调度，重启kubectl,docker
prometheus-adapter:v0.10.0
03-06
prometheus-adapter:v0.10.0
使用Kube-prometheus部署Prometheus (K8S)
Shyllin的博客
11-03 630
使用Kube-prometheus部署Prometheus (K8S)
Kubernetes自定义监控指标——Prometheus Adapter实战演练
热门推荐
LoveSummer
12-17 5万+
kubernetes的监控指标分为两种：Core metrics(核心指标)：从 Kubelet、cAdvisor 等获取度量数据，再由提供给 kube-scheduler、HPA、 控制器等使用。Custom Metrics(自定义指标)：由Prometheus Adapter提供API custom.metrics.k8s.io，由此可支持任意Prometheus采集到的指标。核心指标只包含node和pod的cpu、内存，
prometheus-adapter自定义hpa
Yu的博客
08-03 2477
prometheus-adapter支持自定义hpa部署报错新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 部署报错 F0724 01:09:56.467097 1 adapter.go:309] unable
通过prometheus实现k8s hpa自定义指标 (一)
polarwu的博客
11-26 7853
在前面的k8s controller-manager之hpa源码分析一文中曾经分析了k8s的hpa源码，讲解了hpa的流程，但只是基于传统的hepaster做分析，并没有对分析自定义metric指标，但在实际的应用使用中，基于cpu/内存的自动伸缩指标并不能完全的满足业务需求，因此需要用到自定义metric指标进行自动伸缩，这里使用prometheus作为第三方metric收集器，并通过k8s-p...
kube-prometheus 系列4 支持自定义指标HPA
云原生，DevOps，Kubernetes
05-23 886
kube-prometheus 安装之后，虽然安装了prometheus-adapter,但默认是没有注册这个apiservice：v1beta1.custom.metrics.k8s.io，所以默认无法支持自定义指标。待prometheus-adapter pod成功启动，等待大于几分钟后，使用如下命令，可以查看到 Custom Metrics API 返回配置的 QPS 相关指标。之后可以通过如下命令验证，如果TARGETS中的分子有值例如如下的399m而不是则说明已经能够争取获取到自定义指标了。
K8S prometheus_client采集自定义指标实现hpa扩缩容(镜像制作)
weixin_42562106的博客
08-09 285
代码】K8S prometheus_client采集自定义指标实现hpa扩缩容(镜像制作)
【prometheus】三种方式安装Prometheus
qq_42391153的博客
08-03 5514
二进制安装Prometheus、dockers安装Prometheus、k8s安装Prometheus
prometheus 自定义指标
07-22
Prometheus 是一款开源的监控系统，它支持自定义指标的收集和展示。要定义自定义指标，你可以使用 Prometheus 的客户端库，如 Prometheus client for Go、Prometheus client for Python 等。 下面是一个简单的示例，演示如何在 Python 中定义和暴露自定义指标给 Prometheus： ```python from prometheus_client import start_http_server, Gauge # 创建一个 Gauge 类型的指标 custom_metric = Gauge('my_custom_metric', 'This is a custom metric') # 设置指标的值 def set_custom_metric(value): custom_metric.set(value) # 启动一个 HTTP 服务器，用于 Prometheus 拉取指标数据 start_http_server(8000) # 示例调用 set_custom_metric(42) ``` 在上述示例中，我们使用了 `Gauge` 类型的指标 `my_custom_metric`，并通过 `set_custom_metric` 函数设置了指标的值。通过调用 `start_http_server` 启动了一个 HTTP 服务器，Prometheus 可以通过访问该服务器来获取指标数据。 你可以根据自己的需求定义更多类型的指标，并在你的应用程序中设置其值。然后，Prometheus 将定期拉取这些指标数据，并存储和展示它们。 请注意，这只是一个简单的示例，实际使用中可能需要更复杂的逻辑和指标定义。你可以参考 Prometheus 的文档和相应的客户端库文档来了解更多详细信息。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

猪八戒娶白骨精

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值