云原生技术Kubernetes之Metrics Server

举报
人工智能-张晨光 发表于 2024/12/19 21:41:38 2024/12/19
【摘要】 19-监控Metrics Server  如果你对 Linux 系统有所了解的话，应该知道有一个命令 top 能够实时显示当前系统的 CPU和内存利用率，它是性能分析和调优的基本工具，非常有用。Kubernetes 也提供了类似的命令，就是 kubectl top，不过默认情况下这个命令不会生效，必须要安装一个插件 MetricsServer 才可以。  Metrics Server 是一个...

19-监控

Metrics Server  

如果你对 Linux 系统有所了解的话，应该知道有一个命令 top 能够实时显示当前系统的 CPU和内存利用率，它是性能分析和调优的基本工具，非常有用。Kubernetes 也提供了类似的命令，就是 kubectl top，不过默认情况下这个命令不会生效，必须要安装一个插件 MetricsServer 才可以。  

Metrics Server 是一个专门用来收集 Kubernetes 核心资源指标（metrics）的工具，它定时从所有节点的 kubelet 里采集信息，但是对集群的整体性能影响极小，每个节点只大约会占用1m 的 CPU 和 2MB 的内存，所以性价比非常高。  

下面的这张图来自 Kubernetes 官网，你可以对 Metrics Server 的工作方式有个大概了解：
它调用 kubelet 的 API 拿到节点和 Pod 的指标，再把这些信息交给 apiserver，这样 kubectl、HPA 就可以利用 apiserver 来读取指标了：  


 

Metrics Server Github 地址

 

兼容列表：

 

 

JSON
wget https://github.com/kubernetes-sigs/metrics-server/releases/latest/download/high-availability-1.21+.yaml

 

修改YAML  添加 --kubelet-insecure-tls

部署

JSON
kubectl apply -f metrics-server-1.21+.yaml

 

验证

JSON
[root@master-01 19-monitor]# kubectl  top node
NAME        CPU(cores)   CPU%   MEMORY(bytes)   MEMORY%   
node        204m         10%    1310Mi          69%       
worker-01   88m          4%     1085Mi          57%       
[root@master-01 19-monitor]#
[root@master-01 19-monitor]#
[root@master-01 19-monitor]#
[root@master-01 19-monitor]# kubectl  top pods
NAME                         CPU(cores)   MEMORY(bytes)   
busybox                      0m           0Mi             
httpserver-d8557894d-4fg29   0m           1Mi             
n1                           0m           2Mi             
n2                           0m           2Mi             
nginx                        0m           2Mi             

 

HorizontalPodAutoscaler（HPA）

有了 Metrics Server，我们就可以轻松地查看集群的资源使用状况了，不过它另外一个更重要
的功能是辅助实现应用的“水平自动伸缩”。  

 

Kubernetes 为此就定义了一个新的 API 对象，叫做“HorizontalPodAutoscaler”，简称是
“hpa”。顾名思义，它是专门用来自动伸缩 Pod 数量的对象，适用于 Deployment 和
StatefulSet，但不能用于 DaemonSet  

 

HorizontalPodAutoscaler 的能力完全基于 Metrics Server，它从 Metrics Server 获取当前应用
的运行指标，主要是 CPU 使用率，再依据预定的策略增加或者减少 Pod 的数量。
下面我们就来看看该怎么使用 HorizontalPodAutoscaler，首先要定义 Deployment 和
Service，创建一个 Nginx 应用，作为自动伸缩的目标对象：  

 

YAML
apiVersion: apps/v1
kind: Deployment
metadata:
  name: nginx-hpa
  labels:
    app: nginx
spec:
  replicas: 1
  selector:
    matchLabels:
      app: nginx-hpa
  template:
    metadata:
      labels:
        app: nginx-hpa
    spec:
      containers:
      - name: nginx
        image: nginx:1.22.1
        ports:
        - containerPort: 80
        resources:
          requests:
            cpu: 50m
            memory: 10Mi
          limits:
            cpu: 100m
            memory: 20Mi

---
apiVersion: v1
kind: Service
metadata:
  name: nginx-hpa-svc
spec:
  ports:
  - port: 80
    protocol: TCP
    targetPort: 80
  selector:
    app: nginx-hpa

 

接下来我们要用命令 kubectl autoscale 创建一个 HorizontalPodAutoscaler 的样板 YAML
文件，它有三个参数：  

  • min，Pod 数量的最小值，也就是缩容的下限。
  • max，Pod 数量的最大值，也就是扩容的上限。
  • cpu-percent，CPU 使用率指标，当大于这个值时扩容，小于这个值时缩容。  

 

好，现在我们就来为刚才的 Nginx 应用创建 HorizontalPodAutoscaler，指定 Pod 数量最少 2
个，最多 10 个，CPU 使用率指标设置的小一点，5%，方便我们观察扩容现象：  

YAML
apiVersion: autoscaling/v1
kind: HorizontalPodAutoscaler
metadata:
  name: nginx-hpa
spec:
  maxReplicas: 10
  minReplicas: 2
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: nginx-hpa
  targetCPUUtilizationPercentage: 5

 

HorizontalPodAutoscaler 会根据 YAML 里的描述，找到要管理的
Deployment，把 Pod 数量调整成 2 个，再通过 Metrics Server 不断地监测 Pod 的 CPU 使用
率。  

 

下面我们来给 Nginx 加上压力流量，运行一个测试 Pod，使用的镜像是“httpd:alpine”，它里
面有 HTTP 性能测试工具 ab（Apache Bench）：  

YAML
kubectl run test -it --image=httpd:alpine -- sh
ab -c 10 -t 60 -n 100000 'http://nginx-hpa-svc/'

 

YAML
kubectl  get hpa nginx-hpa  -w

因为 Metrics Server 大约每 15 秒采集一次数据，所以 HorizontalPodAutoscaler 的自动化扩容和缩容也是按照这个时间点来逐步处理的。


当它发现目标的 CPU 使用率超过了预定的 5% 后，就会以 2 的倍数开始扩容，一直到数量上限，然后持续监控一段时间，如果 CPU 使用率回落，就会再缩容到最小值。  

 

kube-prometheus

111111.png


  

33333.png

组件

Kube-prometheus 包含的组件:

 

使用 Helm 安装 Kube-prometheus

 

  • 添加 helm 仓库

Bash
helm repo add prometheus-community https://prometheus-community.github.io/helm-charts
helm repo update

 

  • 版本查询  

Bash
helm search repo prometheus-community
helm search repo prometheus-community/kube-prometheus-stack -l

图片1444.png

 

Bash
helm pull prometheus-community/kube-prometheus-stack --version=54.1.0

tar xvf kube-prometheus-stack-54.1.0.tgz

 

Chart.yaml 中显示 kube-prometheus 所依赖的各种组件及相关版本。

图片1555.png

 

  • 安装

Bash
helm upgrade --install prometheus-stack -f  kube-prometheus-stack/promethues-values.yaml ./kube-prometheus-stack/ --create-namespace --namespace prometheus-stack

  图片16.png

图片17.png

图片18.png

  • 修改 SVC

 

Bash
kubectl port-forward -n prometheus-stack  --address 0.0.0.0 svc/kube-prometheus-stack-grafana 9000:80
kubectl port-forward -n prometheus-stack  --address 0.0.0.0 svc/kube-prometheus-stack-prometheus 9090:9090
  • 访问 Grafana

Bash
admin
prom-operator

 

图片19.png

图片20.png总结

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。
————————————————

                            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。
                        
原文链接：https://blog.csdn.net/agonie201218/article/details/128339568

 

【声明】本内容来自华为云开发者社区博主，不代表华为云及华为云开发者社区的观点和立场。转载时必须标注文章的来源（华为云社区）、文章链接、文章作者等基本信息，否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容，欢迎发送邮件进行举报，并提供相关证据，一经查实，本社区将立刻删除涉嫌侵权内容，举报邮箱： cloudbbs@huaweicloud.com
KubeEdge Kubernetes 云原生
  • 点赞
  • 收藏
  • 关注作者

评论（0）

0/1000
抱歉，系统识别当前为高风险访问，暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称，即可参与社区互动！

*长度不超过10个汉字或20个英文字符，设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符，设置后3个月内不可修改。

确认 取消

加入云驻计划，成为创作者

  • 华为云周边好礼
  • 免费体验产品
  • 特殊身份标识
  • 线下官方门票
  • 内部专家零距离
  • 与10000+优质创作者共同成长
立即加入