Rancher 2.6 全新 Monitoring 快速入门
作者简介
万绍远,CNCF 基金会官方认证 Kubernetes CKA&CKS 工程师,云原生解决方案架构师。对 ceph、Openstack、Kubernetes、prometheus 技术和其他云原生相关技术有较深入的研究。参与设计并实施过多个金融、保险、制造业等多个行业 IaaS 和 PaaS 平台设计和应用云原生改造指导。
概 述
Rancher 2.6 监控启用方式与之前版本存在较大差异,属于原生的 Prometheus-Operator,通过抽象化一些 Kubernetes CRD 资源,可以更好地把监控告警功能整合起来,提高易用性。Prometheus-operator 包括以下 CRD 资源对象:
PrometheusRules:定义告警规则
Alert Managers:Altermanager 启动 CRD,用于 Altermanager 启动副本
Receivers:配置告警接收媒介 CRD
Routers:将告警规则和告警媒介进行匹配
ServiceMonitor:定义 Prometheus 采集的监控指标地址
Pod Monitor:更细粒化的对 POD 进行监控
配置使用
启用监控
切换到对应集群,选择左下角 clusterTools 启用 Prometheus:
部署到 System 项目中,勾选自定义 helm 参数:
根据实际需求修改部署要求:
如果需要对接远端存储(如 infuxdb),就需要修改 yaml 配置,并配置指向 influxdb:
默认 node-exporter 资源 limit 配置较低,长时间运行后容易被 OOM KILL 掉,需要修改默认的内存限制为 150Mi:
可以点击如下页面进入对应的组件配置页面,如:
Altermanager:进入的是告警信息查看页
Grafana:查看监控数据图标
Prometheus Graph:Prometheus 表达式执行页
Prometheus Rules:查看 Prometheus 配置的告警表达式页
Prometheus Targets:监控采集数据采集
在集群概览页可以看见对应的指标监控项:
集群层面:
cpu 使用情况
集群节点负载情况
内存使用情况
磁盘使用率
磁盘 IO
Network Traffic
Network IO
Kubernetes 组件:
ApiServer 请求速率
Controller-Manager 队列深度
POD scheduler 调度状态
Ingress-Controller 连接数
ETCD 监控:
Leader 选举状态
Leader 选举次数
GRPC Client Traffic
ETCD 数据使用容量
Active Streams
RPC 速率
磁盘数据同步时间
同时在每个部署的 POD 也都包含对应的监控项:
配置自定义监控指标
默认启用监控会会自动添加一些 ServiceMonitor 监控规则和 Prometheus Rules 告警规则,主要是针对平台组件监控和集群内节点状态监控和告警。
如果这些监控指标不满足你的需求,你可以手动添加。比如针对 java 应用的 jmx 监控,Jmx 有官方的 prometheus-export,我们只需要将其 jar 包下载让 java 应用程序加载 jar 包和加载其配置即可。
以一个应用为例,整体流程如下:
利用 JMX exporter,在 Java 进程内启动一个小型的 Http server
配置 Prometheus 抓取那个 Http server 提供的 metrics
配置 Grafana 连接 Prometheus,配置 Dashboard
首先,需要创建文件夹:
然后,下载 jmx-export.jar 包放到这个目录:
随后,编写 jvm-export 配置文件放置/root/jmx-exporter/目录,创建 simple-config.yml 内容如下:
这里意思表示将全部监控信息抓取出来。将 jvm-export 集成到 tomcat 中,重新编写 Dockerfile:
重新 docker build,build 后执行以下 docker run 命令可以查看收集的监控指标,这里 6060 端口就是我们的 jmx-export 端口:
访问查看:http://host_ip:6060
部署到 Rancher 平台:
给 Service 打上 label,用于 ServiceMonitor 关联:
创建 ServiceMonitor:
创建成功后通过 Prometheus 可以查看到对应的 Target:
对应的监控指标也已经抓取:
进入 grafana 页面添加 dashboard,默认账号密码为 admin/prom-operator:
添加 dashboard,输入 dashboard-id,8878,离线环境需要提前将 Dashboard 下载好,通过 json 方式导入:
配置告警
PrometheusRule 用于定义告警规则,默认已经包含针对平台组件和节点的一些告警策略。可以通过配置 Root 和 Receivers 配置告警媒介将对应告警通知到相应的人员。采用 Routing Tree 的告警结构能够快速的将告警进行分类,然后发送到指定的人员进行处理。
Receivers 配置告警媒介,例如填写 SMTP 地址和配置的账号/密码,默认接收的邮箱:
Routes 配置用于告警媒介和告警规则进行匹配,默认创建的 root 规则,用于匹配全部的告警规则,配置上对应创建的告警媒介:
此时全部的告警规则都会发送给配置的告警媒介,若要细分告警规则创建新的 Routes 通过 Label 与 Prometheus Rules 内对应的 Alter name 对接。
如匹配 alert:etcdNoLeader 这条告警规则:
也可以使用正则表达式匹配多个规则如:
Grouping 配置主要用于告警规则分类、抑制避免大量无用告警的干扰:
group_by:用于配置告警分组,达到告警抑制效果,同一个 group 的告警只会聚合到一起发送一次。例如 host01 上运行了数据库,那么对应的告警包含了 host down、mysql down。他们配置在一个 group 内,那么如果 host down 了对应的 mysql 肯定也是 down 了,那么因为他们配置在一个 group 中,所以 host down 和 mysql down 的告警会聚合到一起发送出去。
group_wait:新建的 AlterGroup 等待多久后触发第一次告警。
group_interval:AlterGroup 内产生的不同告警触发间隔时间。
repeat_interval:AlterGroup 内如果一直是同样的告警,Altermanager 为了避免长时间的干扰,进行告警去重的等待时间。
匹配后,告警触发,可以收到对应的告警邮件:
自定义告警
当默认的告警规则不能满足需求时,可以根据实际情况添加自定义告警,实际就是添加对应的 PrometheusRule。如以下例子,添加 pod 非 running 状态的告警。
UI 配置:
对应 yaml 配置:
for:表示持续时间
message:表示告警通知内的信息
label.severity:表示告警级别
expr:指标获取表达式
配置告警接收者:
根据标签匹配到这个 PrometheusRule:
参考链接:
https://mp.weixin.qq.com/s/fT-AXnPP8rrWxTposbi-9A
https://github.com/prometheus-operator/prometheus-operator
https://rancher.com/docs/rancher/v2.6/en/monitoring-alerting/guides/enable-monitoring/
版权声明: 本文为 InfoQ 作者【Rancher】的原创文章。
原文链接:【http://xie.infoq.cn/article/bc620f1c25eda7c2ea98be4a1】。文章转载请联系作者。
评论