通过Metrics Server监控k8s集群pods

水深无声 2024-04-17 15:43 83阅读 0赞

### 文章目录 ###

*   *  概述
     *   *  Metrics API
         *   *  metric api的使用：
         *  Metrics-Server介绍
     *  安装使用
     *  其他

## 概述 ##

从 v1.8 开始，资源使用情况的监控可以通过 Metrics API的形式获取，具体的组件为Metrics Server，用来替换之前的heapster，heapster从1.11开始逐渐被废弃。

Metrics-Server是集群核心监控数据的聚合器，从 Kubernetes1.8 开始，它作为一个 Deployment对象默认部署在由kube-up.sh脚本创建的集群中，如果是其他部署方式需要单独安装，或者咨询对应的云厂商。

### Metrics API ###

介绍Metrics-Server之前，必须要提一下Metrics API的概念

Metrics API相比于之前的监控采集方式(hepaster)是一种新的思路，官方希望核心指标的监控应该是稳定的，版本可控的，且可以直接被用户访问(例如通过使用 kubectl top 命令)，或由集群中的控制器使用(如HPA)，和其他的Kubernetes APIs一样。

官方废弃heapster项目，就是为了将核心资源监控作为一等公民对待，即像pod、service那样直接通过api-server或者client直接访问，不再是安装一个hepater来汇聚且由heapster单独管理。

假设每个pod和node我们收集10个指标，从k8s的1.6开始，支持5000节点，每个节点30个pod，假设采集粒度为1分钟一次，则：

> 10 x 5000 x 30 / 60 = 25000 平均每分钟2万多个采集指标

因为k8s的api-server将所有的数据持久化到了etcd中，显然k8s本身不能处理这种频率的采集，而且这种监控数据变化快且都是临时数据，因此需要有一个组件单独处理他们，k8s版本只存放部分在内存中，于是metric-server的概念诞生了。

其实hepaster已经有暴露了api，但是用户和Kubernetes的其他组件必须通过master proxy的方式才能访问到，且heapster的接口不像api-server一样，有完整的鉴权以及client集成。这个api现在还在alpha阶段（18年8月），希望能到GA阶段。类api-server风格的写法：[generic apiserver][]

有了Metrics Server组件，也采集到了该有的数据，也暴露了api，但因为api要统一，如何将请求到api-server的/apis/metrics请求转发给Metrics Server呢，解决方案就是：[kube-aggregator][],在k8s的1.7中已经完成，之前Metrics Server一直没有面世，就是耽误在了kube-aggregator这一步。

kube-aggregator（聚合api）主要提供：

*  Provide an API for registering API servers.
 *  Summarize discovery information from all the servers.
 *  Proxy client requests to individual servers.

详细设计文档：[参考链接][Link 1]

#### metric api的使用： ####

*  Metrics API 只可以查询当前的度量数据，并不保存历史数据
 *  Metrics API URI 为 /apis/metrics.k8s.io/，在 k8s.io/metrics 维护
 *  必须部署 metrics-server 才能使用该 API，metrics-server 通过调用 Kubelet [Summary][] API 获取数据

如：

http://127.0.0.1:8001/apis/metrics.k8s.io/v1beta1/nodes
    
    http://127.0.0.1:8001/apis/metrics.k8s.io/v1beta1/nodes/<node-name>
    
    http://127.0.0.1:8001/apis/metrics.k8s.io/v1beta1/namespace/<namespace-name>/pods/<pod-name>

### Metrics-Server介绍 ###

Metrics server定时从Kubelet的Summary API(类似/ap1/v1/nodes/nodename/stats/summary)采集指标信息，这些聚合过的数据将存储在内存中，且以metric-api的形式暴露出去。

Metrics server复用了api-server的库来实现自己的功能，比如鉴权、版本等，为了实现将数据存放在内存中吗，去掉了默认的etcd存储，引入了内存存储（即实现Storage interface)。因为存放在内存中，因此监控数据是没有持久化的，可以通过第三方存储来拓展，这个和heapster是一致的。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzIzNTk4MDM3_size_16_color_FFFFFF_t_70]

Metrics server出现后，新的Kubernetes 监控架构将变成上图的样子

*  核心流程（黑色部分）：这是 Kubernetes正常工作所需要的核心度量，从 Kubelet、cAdvisor 等获取度量数据，再由metrics-server提供给 [Dashboard][Summary]、HPA 控制器等使用。
 *  监控流程（蓝色部分）：基于核心度量构建的监控流程，比如 Prometheus 可以从 metrics-server 获取核心度量，从其他数据源（如 Node Exporter 等）获取非核心度量，再基于它们构建监控告警系统。

官方地址：https://github.com/kubernetes-incubator/metrics-server

## 安装使用 ##

如上文提到的，metric-server是扩展的apiserver，依赖于kube-aggregator，因此需要在apiserver中开启相关参数。

> –requestheader-client-ca-file=/etc/kubernetes/certs/proxy-ca.crt  
> –proxy-client-cert-file=/etc/kubernetes/certs/proxy.crt  
> –proxy-client-key-file=/etc/kubernetes/certs/proxy.key  
> –requestheader-allowed-names=aggregator  
> –requestheader-extra-headers-prefix=**X-Remote-Extra-**  
> –requestheader-group-headers=**X-Remote-Group**  
> –requestheader-username-headers=**X-Remote-User**

安装文件下载：1.8+版本，注意更换镜像地址为国内镜像  
或者手动拉取镜像

docker pull registry.cn-beijing.aliyuncs.com/xingshulin/metrics-server-amd64:v0.3.3
    
    docker tag  mirrorgooglecontainers/metrics-server-amd64:v0.3.3 k8s.gcr.io/metrics-server-amd64:v0.3.3

将下载下来的metrics-server，修改metrics-server/deploy/1.8+/metrics-server-deployment.yaml文件  
将imagePullPolicy修改为 IfNotPresent，默认为always  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzIzNTk4MDM3_size_16_color_FFFFFF_t_70 1]  
apply yaml这文件

kubectl create -f metrics-server/deploy/1.8+/

安装完检查deployment和pods部署完成  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzIzNTk4MDM3_size_16_color_FFFFFF_t_70 2]

## 其他 ##

kubernetes的新监控体系中，metrics-server属于Core metrics(核心指标)，提供API metrics.k8s.io，仅提供Node和Pod的CPU和内存使用情况。而其他Custom Metrics(自定义指标)由Prometheus等组件来完成，后续文章将对自定义指标进行解析。

相关文章：  
[kubernetes基于Metrics Server的HPA弹性伸缩pod][kubernetes_Metrics Server_HPA_pod]  
[通过rancher快速部署Kubernetes集群][rancher_Kubernetes]  
[在centos7部署k8s搭建kubernetes集群][centos7_k8s_kubernetes]

[generic apiserver]: https://github.com/kubernetes/apiserver
[kube-aggregator]: https://github.com/kubernetes/kube-aggregator
[Link 1]: https://github.com/kubernetes/community/blob/master/contributors/design-proposals/api-machinery/aggregated-api-servers.md
[Summary]: http://blog.sina.com.cn/s/blog_7c2ea9010102xcnu.html
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzIzNTk4MDM3_size_16_color_FFFFFF_t_70]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/17/31baf8c088bb43e7b5e720e8b3388f62.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzIzNTk4MDM3_size_16_color_FFFFFF_t_70 1]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/17/39b01a835bcc476c838cb776565de249.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzIzNTk4MDM3_size_16_color_FFFFFF_t_70 2]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/17/f501ea98bf35419889d1cbb17626c174.png
[kubernetes_Metrics Server_HPA_pod]: https://blog.csdn.net/qq_23598037/article/details/100113031
[rancher_Kubernetes]: https://blog.csdn.net/qq_23598037/article/details/100098380
[centos7_k8s_kubernetes]: https://blog.csdn.net/qq_23598037/article/details/90116334