K8S学习指南(51)-k8s的集群监控概述

引言

Kubernetes（K8s）作为一款容器编排平台，其集群监控是确保系统稳定性和性能优化的关键方面。本文将介绍常用的几种Kubernetes集群监控方案，并比较各自的优缺点。同时，提供详细的示例演示如何在Kubernetes中配置和使用这些监控工具。

常用的 Kubernetes 集群监控方案

1. Prometheus + Grafana

优点：

• 强大的数据模型： Prometheus使用多维数据模型存储时间序列数据，提供灵活的查询和聚合功能。
• 动态服务发现： Prometheus支持自动发现目标，并动态更新配置。
• 开源社区支持： Prometheus拥有庞大的开源社区，提供丰富的插件和整合。

缺点：

• 资源消耗： Prometheus在处理大规模集群时可能占用较多资源。
• 存储周期： 长时间跨度的历史数据存储可能需要额外的处理。

2. Heapster + InfluxDB + Grafana

优点：

• 易于集成： Heapster与Kubernetes深度集成，可以轻松获取集群中的度量数据。
• InfluxDB存储： InfluxDB是时序数据库，适合处理时间序列数据。
• Grafana可视化： Grafana提供直观的图表和仪表板，易于定制。

缺点：

• Heapster 的局限性： Heapster本身的性能和扩展性存在一些局限性。
• InfluxDB配置： 需要额外配置InfluxDB来满足高可用和数据保留策略。

3. Elastic Stack（ELK Stack）

优点：

• 全面的日志处理： ELK Stack包含Elasticsearch、Logstash和Kibana，提供了全面的日志处理解决方案。
• 强大的搜索与分析： Elasticsearch提供强大的搜索和分析能力。
• 实时监控： Logstash可以实时处理和分析日志。

缺点：

• 资源占用： ELK Stack的部署可能需要较多资源。
• 学习曲线： 对ELK Stack的配置和使用需要一定的学习曲线。

示例演示

1. Prometheus + Grafana 示例

首先，创建一个Prometheus的配置文件 prometheus.yml：

global:
  scrape_interval: 15s

scrape_configs:
  - job_name: 'kubernetes-nodes'
    kubernetes_sd_configs:
    - role: node

  - job_name: 'kubernetes-pods'
    kubernetes_sd_configs:
    - role: pod

然后，创建一个Prometheus Deployment：

apiVersion: apps/v1
kind: Deployment
metadata:
  name: prometheus
spec:
  replicas: 1
  selector:
    matchLabels:
      app: prometheus
  template:
    metadata:
      labels:
        app: prometheus
    spec:
      containers:
      - name: prometheus
        image: prom/prometheus:latest
        volumeMounts:
        - name: config
          mountPath: /etc/prometheus/prometheus.yml
          subPath: prometheus.yml
        ports:
        - containerPort: 9090
      volumes:
      - name: config
        configMap:
          name: prometheus-config

最后，创建一个Prometheus Service：

apiVersion: v1
kind: Service
metadata:
  name: prometheus
spec:
  selector:
    app: prometheus
  ports:
  - protocol: TCP
    port: 9090
    targetPort: 9090

2. Heapster + InfluxDB + Grafana 示例

首先，创建一个Heapster Deployment：

apiVersion: extensions/v1beta1
kind: Deployment
metadata:
  name: heapster
  namespace: kube-system
spec:
  replicas: 1
  template:
    metadata:
      labels:
        app: heapster
    spec:
      containers:
      - name: heapster
        image: k8s.gcr.io/heapster:v1.5.2
        command:
        - /heapster
        - --source=kubernetes.summary_api:''
        - --sink=influxdb:http://influxdb-influxdb.kube-system.svc:8086

然后，创建一个InfluxDB Deployment：

apiVersion: apps/v1
kind: Deployment
metadata:
  name: influxdb
  namespace: kube-system
spec:
  replicas: 1
  selector:
    matchLabels:
      app: influxdb
  template:
    metadata:
      labels:
        app: influxdb
    spec:
      containers:
      - name: influxdb
        image: influxdb:1.7.8
        ports:
        - containerPort: 8086

最后，创建一个Grafana Deployment：

apiVersion: apps/v1
kind: Deployment
metadata:
  name: grafana
  namespace: kube-system
spec:
  replicas: 1
  selector:
    matchLabels:
      app: grafana
  template:
    metadata:
      labels:
        app: grafana
    spec:
      containers:
      - name: grafana
        image: grafana/grafana:5.2.4
        ports:
        - containerPort: 3000

3. Elastic Stack 示例

首先，创建一个Elasticsearch Deployment：

apiVersion: apps/v1
kind: Deployment
metadata:
  name: elasticsearch
  namespace: kube-system
spec:
  replicas: 1
  selector:
    matchLabels:
      app: elasticsearch
  template:
    metadata:
      labels:
        app: elasticsearch
    spec:
      containers:
      - name: elasticsearch
        image: docker.elastic.co/elasticsearch/elasticsearch:7.2.0
        ports:
        - containerPort: 9200
        - containerPort: 9300

然后，创建一个Logstash Deployment：

apiVersion: apps/v1
kind: Deployment
metadata:
  name: logstash
  namespace: kube-system
spec:
  replicas: 1
  selector:
    matchLabels:
      app: logstash
  template:
    metadata:
      labels:
        app: logstash
    spec:
      containers:
      - name: logstash
        image: docker.elastic.co/logstash/logstash:7.2.0
        ports:
        - containerPort: 5044

最后，创建一个Kibana Deployment：

apiVersion: apps/v1
kind: Deployment
metadata:
  name: kibana
  namespace: kube-system
spec:
  replicas: 1
  selector:
    matchLabels:
      app: kibana
  template:
    metadata:
      labels:
        app: kibana
    spec:
      containers:
      - name: kibana
        image: docker.elastic.co/kibana/kibana:7.2.0
        ports:
        - containerPort: 5601

结论

Kubernetes集群监控是确保系统健康和性能优化的必要环节。通过本文的详细介绍和示例，读者可以更好地理解和比较常用的监控方案，以及如何在Kubernetes中配置和使用这些监控工具。希望本文能够帮助读者在实际应用中选择和建立适合自己集群的监控策略，提高对系统状态的全面监控和管理。