深入解读 Prometheus Adapter：云原生监控的核心组件

一、引言

Prometheus Adapter 的背景与重要性

在现代的云原生架构中，微服务和容器化技术得到了广泛的应用。这些技术带来了系统灵活性和扩展性的提升，但同时也增加了系统监控和管理的复杂度。Prometheus 作为一款开源的监控系统，因其强大的指标收集和查询能力，成为了许多企业和开发者的首选。然而，随着应用场景的多样化和规模的不断扩大，单纯依赖 Prometheus 内置的功能已经不能满足所有需求。Prometheus Adapter 应运而生，作为 Prometheus 生态系统的重要组成部分，提供了强大的自定义指标扩展和灵活的指标查询能力。

Prometheus Adapter 的核心功能是将 Prometheus 中的监控数据转换为 Kubernetes 可识别的自定义指标，这对于实现基于自定义指标的自动扩展（Horizontal Pod Autoscaler，HPA）至关重要。在复杂的微服务架构和大规模集群管理中，通过 Prometheus Adapter，用户可以自定义监控指标，进行精细化的资源管理和自动化运维，从而提升系统的可靠性和性能。

适用场景与应用需求

Prometheus Adapter 主要应用于以下几种场景：

1. 自定义指标的自动扩展：在 Kubernetes 中，HPA 主要依赖于 CPU 和内存等基础资源的使用情况进行自动扩展。但在实际应用中，用户往往需要基于业务指标（如请求响应时间、队列长度等）进行扩展。Prometheus Adapter 允许用户定义和使用自定义的 Prometheus 查询，将这些业务指标转化为 HPA 可识别的指标，从而实现更精细的扩展策略。

2. 多集群环境下的统一监控：在多集群环境中，管理和监控各个集群的资源和应用是一项复杂的任务。通过 Prometheus Adapter，用户可以将不同集群的 Prometheus 数据统一处理和展示，实现跨集群的集中监控和管理，提高运维效率。

3. 复杂业务场景下的灵活监控：在一些复杂业务场景中，用户需要对特定的应用或服务进行深入监控。例如，在电商网站中，用户可能需要监控每秒订单数、支付成功率等业务指标。通过 Prometheus Adapter，用户可以自定义监控这些特定业务指标，结合 Prometheus 强大的查询功能，进行灵活多样的监控和分析。

Prometheus Adapter 的功能与优势

Prometheus Adapter 具备以下几项关键功能和优势：

1. 灵活的自定义指标定义：用户可以通过简单的配置文件，定义复杂的 Prometheus 查询，将结果转化为 Kubernetes 自定义指标。这使得用户可以根据具体的业务需求，灵活定义和使用各种自定义指标。

2. 高效的数据查询与转换：Prometheus Adapter 通过高效的查询和数据转换机制，能够快速处理大量监控数据，并将其转换为 Kubernetes 可识别的格式。这对于大规模集群和高并发场景尤为重要，能够确保监控系统的实时性和可靠性。

3. 与 Kubernetes 的无缝集成：作为 Prometheus 生态系统的一部分，Prometheus Adapter 与 Kubernetes 有着紧密的集成。用户可以方便地在 Kubernetes 中部署和管理 Prometheus Adapter，实现与现有监控系统的无缝对接，简化运维操作。

4. 社区支持与扩展性：Prometheus Adapter 作为一个开源项目，有着活跃的社区支持。用户可以通过参与社区贡献，获取最新的功能更新和技术支持。此外，Prometheus Adapter 还具备良好的扩展性，用户可以根据自身需求进行二次开发和定制。

二、Prometheus Adapter 的基本概念

什么是 Prometheus Adapter

Prometheus Adapter 是一个开源工具，用于将 Prometheus 中的监控数据转换为 Kubernetes 自定义指标。这一转换过程使得 Kubernetes 可以基于这些自定义指标进行自动扩展（Horizontal Pod Autoscaler，HPA）和其他自定义操作。通过 Prometheus Adapter，用户可以将复杂的业务指标引入到 Kubernetes 的监控和管理体系中，从而实现更灵活、更细致的资源管理。

Prometheus Adapter 的出现源于对监控灵活性和扩展性的需求。在传统的监控体系中，监控指标通常固定在 CPU、内存等基础资源上。然而，实际的业务需求往往更加复杂多样。例如，在电商网站中，监控订单处理时间、用户请求数等业务指标往往比单纯的资源指标更为重要。Prometheus Adapter 通过将 Prometheus 的强大查询功能与 Kubernetes 的自定义指标相结合，提供了一个解决这一需求的有效方案。

Prometheus Adapter 的架构与工作原理

Prometheus Adapter 的架构设计旨在高效、可靠地实现监控数据的转换和传输。其核心组件包括配置解析器、数据查询模块和指标转发模块。以下是对这些组件的详细解析：

1. 配置解析器：配置解析器负责读取和解析用户定义的配置文件。这些配置文件中定义了 Prometheus 查询规则、自定义指标名称和转换逻辑。配置解析器将这些配置转化为内部数据结构，供后续模块使用。

2. 数据查询模块：数据查询模块负责与 Prometheus 实例通信，执行配置文件中定义的查询操作。通过使用 Prometheus 的 HTTP API，数据查询模块可以获取实时的监控数据。数据查询模块需要具备高效的数据处理能力，以应对大规模集群和高并发环境下的查询需求。

3. 指标转发模块：指标转发模块负责将查询到的数据转换为 Kubernetes 可识别的自定义指标格式，并将这些指标推送到 Kubernetes API 服务器。通过与 Kubernetes 的 Metric API 集成，指标转发模块确保这些自定义指标可以被 Kubernetes 中的其他组件（如 HPA）识别和使用。

Prometheus Adapter 与 Prometheus 的关系与区别

Prometheus Adapter 与 Prometheus 之间存在紧密的关系，但两者的功能定位和使用场景有所不同：

1. 功能定位：Prometheus 是一个强大的监控系统，负责数据的采集、存储和查询。它通过抓取各类监控目标的数据，提供丰富的查询和告警功能。Prometheus Adapter 则是一个数据转换工具，负责将 Prometheus 中的监控数据转换为 Kubernetes 自定义指标。其核心功能是将 Prometheus 强大的查询能力引入到 Kubernetes 的监控和管理体系中。

2. 使用场景：Prometheus 主要用于各类系统和应用的监控，其使用场景包括基础设施监控、应用性能监控和业务指标监控等。Prometheus Adapter 则主要用于 Kubernetes 环境中，特别是在需要基于自定义指标进行自动扩展和其他自定义操作的场景中。通过 Prometheus Adapter，用户可以将复杂的业务指标引入到 Kubernetes 的自动化管理流程中。

3. 技术实现：Prometheus 通过抓取各类监控目标的 HTTP 端点，收集和存储时序数据。它的架构设计强调高效的数据采集和查询能力。Prometheus Adapter 则通过调用 Prometheus 的 HTTP API，执行预定义的查询操作，并将结果转换为 Kubernetes 自定义指标。两者在技术实现上有明显的区别，但通过 API 接口实现了紧密的集成。

三、部署与安装

环境要求

在部署 Prometheus Adapter 之前，需要确保以下环境和软件组件已经正确安装和配置：

1. Kubernetes 集群：

• 版本要求：Kubernetes 1.14 及以上

• 集群内应至少包含一个主节点和若干工作节点

• 已正确配置 kubectl 命令行工具，并能够正常访问集群

2. Prometheus 实例：

• 版本要求：Prometheus 2.0 及以上

• Prometheus 应已经部署并在集群中运行，确保能够采集和存储监控数据

• 确保 Prometheus 的 HTTP API 可用，并且集群内的组件能够访问该 API

3. Helm（可选）：

• 版本要求：Helm 3.0 及以上

• Helm 用于简化 Prometheus Adapter 的安装和管理，但也可以通过手动部署 YAML 文件进行安装

安装步骤

Prometheus Adapter 的安装过程可以通过两种方式完成：使用 Helm Chart 进行安装或手动部署 YAML 文件。以下将详细介绍这两种安装方式。

使用 Helm Chart 进行安装

1. 添加 Prometheus Adapter 的 Helm 仓库：

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

2. 安装 Prometheus Adapter：

helm install prometheus-adapter prometheus-community/prometheus-adapter --namespace monitoring

3. 验证安装：安装完成后，检查 Prometheus Adapter 的 Pod 是否成功启动：

kubectl get pods -n monitoring -l app=prometheus-adapter

手动部署 YAML 文件

1. 下载 Prometheus Adapter 的部署文件：

可以从 Prometheus Adapter 的 GitHub 仓库获取最新的部署文件：

git clone https://github.com/kubernetes-sigs/prometheus-adapter.gitcd prometheus-adapter/deploy/manifests

2. 部署 Prometheus Adapter：

kubectl apply -f .

3. 验证安装：

同样，检查 Prometheus Adapter 的 Pod 是否成功启动：

kubectl get pods -n custom-metrics

配置详解

安装完成后，需要对 Prometheus Adapter 进行详细的配置，以确保其能够正确地与 Prometheus 和 Kubernetes 集成。配置主要通过一个 YAML 文件进行定义，其中包括 Prometheus 的地址、自定义查询规则、以及 Kubernetes API 服务器的相关设置。

配置文件结构

Prometheus Adapter 的配置文件通常包含以下几个部分：

1. MetricMappings：

定义 Prometheus 查询规则和 Kubernetes 自定义指标的映射关系。

2. Rules：

定义自定义的 Prometheus 查询规则，包括指标名称、查询语法等。

3. ResourceRules：

定义与 Kubernetes 资源相关的查询规则，如节点、Pod 等。

4. MetricsRelabelings：

定义如何从 Prometheus 查询结果中提取和转换指标。

以下是一个示例配置文件：

apiVersion: v1kind: ConfigMapmetadata:  name: custom-metrics-config  namespace: custom-metricsdata:  config.yaml: |    rules:      default: false      seriesQuery: 'http_requests_total{namespace!="",pod!=""}'      resources:        overrides:          namespace: {resource: "namespace"}          pod: {resource: "pod"}      name:        matches: "^(.*)_total"        as: "${1}_per_second"      metricsQuery: 'sum(rate(<<.Series>>[5m])) by (<<.GroupBy>>)'

如何定义自定义的指标

在配置文件中，可以通过rules部分定义自定义的 Prometheus 查询规则。以下是一个详细的示例：

rules:  - seriesQuery: 'http_requests_total{namespace!="",pod!=""}'    resources:      overrides:        namespace: {resource: "namespace"}        pod: {resource: "pod"}    name:      matches: "^(.*)_total"      as: "${1}_per_second"    metricsQuery: 'sum(rate(<<.Series>>[5m])) by (<<.GroupBy>>)'

• seriesQuery：定义需要查询的 Prometheus 指标。

• resources：定义如何将 Prometheus 指标中的标签映射到 Kubernetes 资源。

• name：定义转换后的自定义指标名称。

• metricsQuery：定义具体的 Prometheus 查询语法，用于计算自定义指标的值。

不同数据源的适配

除了 Prometheus，Prometheus Adapter 还可以适配其他数据源，如 Thanos、VictoriaMetrics 等。通过在配置文件中定义不同的数据源地址和查询规则，可以实现多数据源的灵活适配。例如：

prometheus:  url: http://thanos-query:9090/  path: /api/v1/query

常见问题与解决方案

在部署和配置 Prometheus Adapter 的过程中，可能会遇到一些常见问题。以下是几种典型问题及其解决方案：

无法连接到 Prometheus 实例

解决方案：

• 检查 Prometheus 的服务地址和端口，确保 Prometheus Adapter 的配置文件中地址正确无误。

• 使用 curl 或 wget 命令测试 Prometheus API 的可访问性。

curl http://prometheus-server:9090/api/v1/query?query=up

自定义指标无法被 Kubernetes 识别

解决方案：

• 确保自定义查询规则符合 Prometheus Adapter 的配置规范，并且 Prometheus 中确实存在相应的指标数据。

• 使用 Prometheus 的表达式浏览器（Expression Browser）验证查询语法，确保查询结果正确。

查询结果为空

解决方案：

• 检查 Prometheus 中的原始数据，确保数据确实存在并且符合查询条件。

• 调整查询窗口或查询条件，确保能够匹配到预期的数据。

查询语法错误

解决方案：

• 使用 Prometheus 的表达式浏览器验证查询语法，确保语法正确。

• 检查配置文件中的查询规则，确保没有语法错误或拼写错误。

curl http://prometheus-server:9090/api/v1/query?query=sum(rate(http_requests_total[5m])) by (namespace, pod)

验证配置

完成配置后，可以通过以下步骤验证 Prometheus Adapter 的工作情况：

1. 检查 Prometheus Adapter 的日志：

kubectl logs -n custom-metrics <prometheus-adapter-pod-name>

2. 验证自定义指标：

使用 kubectl 命令查看自定义指标是否成功导入 Kubernetes API 服务器：

kubectl get --raw "/apis/custom.metrics.k8s.io/v1beta1" | jq .

3. 测试 HPA 配置：

创建一个基于自定义指标的 HPA 资源，验证其是否能够正常工作：

apiVersion: autoscaling/v2beta2kind: HorizontalPodAutoscalermetadata:  name: custom-metrics-hpa  namespace: defaultspec:  scaleTargetRef:    apiVersion: apps/v1    kind: Deployment    name: my-deployment  minReplicas: 1  maxReplicas: 10  metrics:  - type: Pods    pods:      metric:        name: http_requests_per_second      target:        type: AverageValue        averageValue: 100

通过以上步骤，可以验证 Prometheus Adapter 的安装和配置是否正确，以及自定义指标是否能够被 Kubernetes 正常识别和使用。

四、Prometheus Adapter 的配置

配置文件详解

Prometheus Adapter 的配置文件主要用于定义如何将 Prometheus 中的监控数据转换为 Kubernetes 可识别的自定义指标。配置文件通常使用 YAML 格式，包含多个部分，每一部分都负责特定的配置任务。

核心配置组件

1. metricsRelabelings：

• 用于重新标记和筛选 Prometheus 中的原始指标。

• 例子：

metricsRelabelings:  - sourceLabels: [__name__]    separator: ;    regex: '(.*)'    targetLabel: metric_name    replacement: '${1}'    action: replace

2. rules：

• 定义如何从 Prometheus 查询中生成自定义指标。

• 例子：

rules:  - seriesQuery: 'http_requests_total{namespace!="",pod!=""}'    resources:      overrides:        namespace: {resource: "namespace"}        pod: {resource: "pod"}    name:      matches: "^(.*)_total"      as: "${1}_per_second"    metricsQuery: 'sum(rate(<<.Series>>[5m])) by (<<.GroupBy>>)'

3. resourceRules：

• 用于定义与 Kubernetes 资源相关的查询规则，例如节点和 Pod 的指标。

• 例子：

resourceRules:  cpu:    name:      matches: "^(.*)_cpu_usage"      as: "custom_cpu_usage"    metricsQuery: 'sum(rate(container_cpu_usage_seconds_total{<<.LabelMatchers>>}[1m])) by (<<.GroupBy>>)'

如何定义自定义的指标

自定义指标的定义过程涉及编写 Prometheus 查询，并将其转换为 Kubernetes 自定义指标。以下是详细步骤：

步骤 1：编写 Prometheus 查询

首先，在 Prometheus 中编写查询以获取所需的数据。例如，要获取每秒 HTTP 请求数，可以使用以下查询：

sum(rate(http_requests_total[5m])) by (namespace, pod)

步骤 2：定义配置规则

在 Prometheus Adapter 的配置文件中，定义对应的查询规则和指标转换逻辑。例如：

rules:  - seriesQuery: 'http_requests_total{namespace!="",pod!=""}'    resources:      overrides:        namespace: {resource: "namespace"}        pod: {resource: "pod"}    name:      matches: "^(.*)_total"      as: "${1}_per_second"    metricsQuery: 'sum(rate(<<.Series>>[5m])) by (<<.GroupBy>>)'

上述配置中：

• seriesQuery：指定 Prometheus 中的原始指标。

• resources：定义如何将 Prometheus 指标中的标签映射到 Kubernetes 资源。

• name：指定自定义指标的命名规则。

• metricsQuery：定义 Prometheus 查询语法，计算自定义指标的值。

步骤 3：部署配置文件

将配置文件部署到 Kubernetes 中：

kubectl apply -f custom-metrics-config.yaml

不同数据源的适配

Prometheus Adapter 不仅可以与 Prometheus 集成，还可以适配其他数据源，例如 Thanos 和 VictoriaMetrics。配置方法类似，通过定义不同的数据源地址和查询规则，实现灵活的多数据源适配。

适配 Thanos

Thanos 是一个用于 Prometheus 高可用性、长时间存储和多集群聚合的解决方案。可以通过以下配置适配 Thanos：

prometheus:  url: http://thanos-query:9090/  path: /api/v1/query

在这种配置中，url指向 Thanos 查询服务的地址，path指定查询 API 路径。

适配 VictoriaMetrics

VictoriaMetrics 是一个高性能的开源时间序列数据库，兼容 Prometheus。适配 VictoriaMetrics 的配置示例如下：

prometheus:  url: http://victoriametrics:8428/  path: /api/v1/query

高级配置技巧

动态标签处理

Prometheus Adapter 支持动态标签处理，通过metricsRelabelings和rules部分的配置，可以灵活处理 Prometheus 指标中的标签。例如：

metricsRelabelings:  - sourceLabels: [__name__]    separator: ;    regex: '(.*)'    targetLabel: metric_name    replacement: '${1}'    action: replace

分片与聚合

在大规模集群中，可以通过分片和聚合策略，提升查询性能和数据处理效率。例如：

rules:  - seriesQuery: 'container_cpu_usage_seconds_total{namespace!="",pod!=""}'    resources:      overrides:        namespace: {resource: "namespace"}        pod: {resource: "pod"}    name:      matches: "^(.*)_cpu_usage_seconds_total"      as: "${1}_cpu_usage"    metricsQuery: 'sum(rate(<<.Series>>[5m])) by (<<.GroupBy>>)'

上述配置通过sum(rate(...))实现数据的聚合处理，适用于大规模数据场景。

常见问题与解决方案

在配置和使用 Prometheus Adapter 时，可能会遇到一些常见问题。以下是几种典型问题及其解决方案：

自定义指标查询失败

问题描述：配置的自定义指标无法在 Kubernetes 中查询到。

解决方案：

1. 检查 Prometheus 查询语法，确保其在 Prometheus 表达式浏览器中能够返回预期结果。

2. 确认 Prometheus Adapter 配置文件的语法和内容正确。

3. 查看 Prometheus Adapter 的日志，排查错误信息。

kubectl logs -n custom-metrics <prometheus-adapter-pod-name>

连接 Prometheus 失败

问题描述：Prometheus Adapter 无法连接到 Prometheus 实例。

解决方案：

1. 确认 Prometheus 实例的地址和端口正确无误。

2. 检查网络连接，确保 Prometheus Adapter 所在 Pod 能够访问 Prometheus 实例。

curl http://prometheus-server:9090/api/v1/query?query=up

指标名称冲突

问题描述：配置的自定义指标名称与现有指标名称冲突。

解决方案：

1. 在定义自定义指标时，使用独特的命名规则，避免与现有指标名称重复。

2. 通过name配置部分，灵活调整自定义指标名称。

name:  matches: "^(.*)_total"  as: "${1}_custom_per_second"

验证配置

完成配置后，可以通过以下步骤验证 Prometheus Adapter 的工作情况：

1. 检查 Prometheus Adapter 的日志：

kubectl logs -n custom-metrics <prometheus-adapter-pod-name>

2. 验证自定义指标：使用 kubectl 命令查看自定义指标是否成功导入 Kubernetes API 服务器：

kubectl get --raw "/apis/custom.metrics.k8s.io/v1beta1" | jq .

3. 测试 HPA 配置：创建一个基于自定义指标的 HPA 资源，验证其是否能够正常工作：

apiVersion: autoscaling/v2beta2kind: HorizontalPodAutoscalermetadata:  name: custom-metrics-hpa  namespace: defaultspec:  scaleTargetRef:    apiVersion: apps/v1    kind: Deployment    name: my-deployment  minReplicas: 1  maxReplicas: 10  metrics:  - type: Pods    pods:      metric:        name: http_requests_per_second      target:        type: AverageValue        averageValue: 100

通过以上步骤，可以验证 Prometheus Adapter 的配置是否正确，自定义指标是否能够被 Kubernetes 正常识别和使用。

五、Prometheus Adapter 实践案例

在这一部分，我们将通过实际案例展示 Prometheus Adapter 的应用，帮助用户理解如何在不同场景中配置和使用 Prometheus Adapter，以满足复杂的监控需求。以下是三个详细的实践案例。

案例一：Kubernetes 集成 Prometheus Adapter

背景

在 Kubernetes 集群中，水平自动扩展（HPA）主要依赖于 CPU 和内存的使用情况。然而，在实际应用中，许多业务场景需要基于其他指标（如请求数、响应时间等）进行扩展。通过 Prometheus Adapter，可以将自定义的 Prometheus 指标引入到 Kubernetes HPA 中，实现更精细的扩展策略。

目标

通过 Prometheus Adapter，将 HTTP 请求数这一业务指标引入到 Kubernetes HPA 中，实现基于请求数的自动扩展。

步骤

1. 配置 Prometheus Adapter

   首先，编写 Prometheus Adapter 的配置文件，定义从 Prometheus 中获取 HTTP 请求数的查询规则。

apiVersion: v1kind: ConfigMapmetadata:  name: custom-metrics-config  namespace: custom-metricsdata:  config.yaml: |    rules:      - seriesQuery: 'http_requests_total{namespace!="",pod!=""}'        resources:          overrides:            namespace: {resource: "namespace"}            pod: {resource: "pod"}        name:          matches: "^(.*)_total"          as: "${1}_per_second"        metricsQuery: 'sum(rate(<<.Series>>[5m])) by (<<.GroupBy>>)'

部署配置文件：

kubectl apply -f custom-metrics-config.yaml

2. 部署 Prometheus Adapter

使用 Helm 或 YAML 文件部署 Prometheus Adapter。

helm install prometheus-adapter prometheus-community/prometheus-adapter --namespace custom-metrics

3. 验证自定义指标

确认 Prometheus Adapter 已经成功导入自定义指标：

kubectl get --raw "/apis/custom.metrics.k8s.io/v1beta1" | jq .

4. 配置 HPA

创建一个 HPA 资源，基于自定义的 HTTP 请求数指标进行扩展：

apiVersion: autoscaling/v2beta2kind: HorizontalPodAutoscalermetadata:  name: http-requests-hpa  namespace: defaultspec:  scaleTargetRef:    apiVersion: apps/v1    kind: Deployment    name: my-deployment  minReplicas: 1  maxReplicas: 10  metrics:  - type: Pods    pods:      metric:        name: http_requests_per_second      target:        type: AverageValue        averageValue: 100

部署 HPA 配置文件：

kubectl apply -f http-requests-hpa.yaml

效果

通过上述步骤，Kubernetes 集群中的应用将基于 HTTP 请求数的变化进行自动扩展，从而确保在高负载时有足够的资源来处理请求，同时在低负载时释放资源，优化资源利用率。

案例二：结合自定义指标进行业务监控

背景

在实际业务场景中，某电商平台需要监控每秒订单数，以确保在高峰期能够及时扩展资源，避免系统过载。

目标

通过 Prometheus Adapter，将订单数这一业务指标引入到 Kubernetes HPA 中，实现基于订单数的自动扩展。

步骤

1. 配置 Prometheus Adapter

编写 Prometheus Adapter 的配置文件，定义从 Prometheus 中获取订单数的查询规则。

apiVersion: v1kind: ConfigMapmetadata:  name: order-metrics-config  namespace: custom-metricsdata:  config.yaml: |    rules:      - seriesQuery: 'orders_total{namespace!="",pod!=""}'        resources:          overrides:            namespace: {resource: "namespace"}            pod: {resource: "pod"}        name:          matches: "^(.*)_total"          as: "${1}_per_second"        metricsQuery: 'sum(rate(<<.Series>>[5m])) by (<<.GroupBy>>)'

部署配置文件：

kubectl apply -f order-metrics-config.yaml

2. 部署 Prometheus Adapter

使用 Helm 或 YAML 文件部署 Prometheus Adapter。

helm install prometheus-adapter prometheus-community/prometheus-adapter --namespace custom-metrics

3. 验证自定义指标

确认 Prometheus Adapter 已经成功导入自定义指标：

kubectl get --raw "/apis/custom.metrics.k8s.io/v1beta1" | jq .

4. 配置 HPA

创建一个 HPA 资源，基于自定义的订单数指标进行扩展：

apiVersion: autoscaling/v2beta2kind: HorizontalPodAutoscalermetadata:  name: orders-hpa  namespace: defaultspec:  scaleTargetRef:    apiVersion: apps/v1    kind: Deployment    name: order-service  minReplicas: 2  maxReplicas: 20  metrics:  - type: Pods    pods:      metric:        name: orders_per_second      target:        type: AverageValue        averageValue: 50

部署 HPA 配置文件：

kubectl apply -f orders-hpa.yaml

效果

通过上述步骤，电商平台的订单处理服务将基于每秒订单数的变化进行自动扩展，确保在订单高峰期能够及时扩展资源，保证服务的可用性和响应速度。

案例三：多集群环境下的 Prometheus Adapter 应用

背景

在多集群环境中，需要统一监控和管理不同集群的资源和应用。通过 Prometheus Adapter，可以实现跨集群的统一监控和管理。

目标

通过 Prometheus Adapter，实现多个 Kubernetes 集群的统一监控和管理。

步骤

1. 配置多集群环境

假设已有两个 Kubernetes 集群：Cluster A 和 Cluster B，分别部署了 Prometheus 实例。

2. 在每个集群中部署 Prometheus Adapter

在 Cluster A 中：

helm install prometheus-adapter prometheus-community/prometheus-adapter --namespace custom-metrics

在 Cluster B 中：

helm install prometheus-adapter prometheus-community/prometheus-adapter --namespace custom-metrics

3. 配置跨集群 Prometheus 查询

在每个集群的 Prometheus Adapter 配置文件中，分别定义从对方集群获取数据的查询规则。例如，在 Cluster A 的配置文件中：

prometheus:  url: http://prometheus-cluster-b:9090/  path: /api/v1/query

在 Cluster B 的配置文件中：

prometheus:  url: http://prometheus-cluster-a:9090/  path: /api/v1/query

4. 定义跨集群自定义指标

在 Cluster A 的 Prometheus Adapter 配置文件中，定义从 Cluster B 获取的指标查询规则：

rules:  - seriesQuery: 'cluster_b_http_requests_total{namespace!="",pod!=""}'    resources:      overrides:        namespace: {resource: "namespace"}        pod: {resource: "pod"}    name:      matches: "^(.*)_total"      as: "${1}_per_second"    metricsQuery: 'sum(rate(<<.Series>>[5m])) by (<<.GroupBy>>)'

在 Cluster B 的 Prometheus Adapter 配置文件中，定义从 Cluster A 获取的指标查询规则：

rules:  - seriesQuery: 'cluster_a_http_requests_total{namespace!="",pod!=""}'    resources:      overrides:        namespace: {resource: "namespace"}        pod: {resource: "pod"}    name:      matches: "^(.*)_total"      as: "${1}_per_second"    metricsQuery: 'sum(rate(<<.Series>>[5m])) by (<<.GroupBy>>)'

5. 验证配置

在两个集群中，分别验证 Prometheus Adapter 是否成功导入跨集群自定义指标：

kubectl get --raw "/apis/custom.metrics.k8s.io/v1beta1" | jq .

效果

通过上述配置，两个集群中的 Prometheus Adapter 能够互相获取对方的监控数据，实现跨集群的统一监控和管理。在多集群环境中，用户可以通过自定义指标，实现对不同集群资源的灵活管理和自动扩展，提高系统的整体监控效率和响应能力。

文章转载自：techlead_krischang

原文链接：https://www.cnblogs.com/xfuture/p/18231193

体验地址：http://www.jnpfsoft.com/?from=infoq