Kubernetes:监控指南

栏目: 编程工具 · 发布时间: 6年前

内容简介:Kubernetes:监控指南

【编者的话】本文讨论了 Kubernetes 对运维监控的改变,以及我们应该如何合理得监控一个由 Kubernetes 编排的容器化基础设施。

容器技术正在风靡基础设施世界,但是容器在解决或者说简化基础设施管理的过程中,也明显得增加了编排的复杂度。这就是 Kubernetes 来解救我们的地方。正如指挥家指挥乐队一样,Kubernetes 监控容器集合:自动启动、停止、创建,以及删除容器,确保应用持续工作。

Kubernetes 通过创建抽象层,比如 podsservices ,来简化容器化设施的管理。我们不再需要担心容器运行在哪里,或者它们是否有足够资源来运行。但是这仍然无法改变一个事实,即为了确保高性能,我们需要监控我们的应用,运行在其内的容器,以及 Kubernetes 本身。

Kubernetes 时代针对监控的重新思考

就像容器已经完全转变了我们思考如何在虚拟机上运行服务的方式,Kubernetes 也改变了我们和容器交互的方式。好消息是,只要有合适的监控,Kubernetes 固有的抽象层就会对你的设备提供综合视图,即使容器和应用在经常移动。但是 Kubernetes 的监控也要求我们重新思考和调整我们的策略,因为它和监控传统的主机比如虚机和物理机有好多方面的不同。

tags 和 labels 变得非常重要

容器及其编排完全由 Kubernetes 来管理之后,labels 成了当前我们和 pod 以及容器交互的唯一方式。这就是它们对监控绝对重要的原因,因为你的设备的跨不同层次抽象的所有的度量和事件都将使用 labels 来切片。用有逻辑且易于理解的方式来定义labels非常重要,这样你的度量才可能有用。

有更多组件需要监控

传统的以主机为中心的设施,我们习惯于在两个层次监控:应用以及运行它们的主机。现在由于容器处在中间层,以及 Kubernetes 本身也需要监控,因此有 4 个不同的组件需要监控并且搜集度量信息。

Kubernetes:监控指南

应用一直处于移动中

Kubernetes 基于调度策略动态调度应用,因此你不能总是知道应用运行在哪里。但是他们仍然需要被监控。这就是为什么在服务发现的时候,使用一个监控系统或者 工具 是有必要的。它将自动调整移动中的容器的度量搜集,因此应用可在不中断的情况下持续被监控。

为分布式集群做准备

Kubernetes 有能力 跨多数据中心以及潜在的不同云提供商,分发容器应用。这意味着,度量必须从所有这些不同来源中搜集并聚合。

关于所有这些新的 Kubernetes 原生的监控挑战以及如何克服它们,我们最近发布了一篇文章: 深入理解Kubernetes 监控 。这系列文章的第一部分就提到了如何在 Kubernetes 时代调整你的监控策略。

监控维度

不论你是使用 Heapster 数据还是 Kubernetes 整合的监控工具及其 API,一些关键类型的度量都需要密切跟踪。

  • 运行中的 Pod 以及对应的 deployment。
  • 常用的资源维度,比如 CPU,内存使用率,以及磁盘 I/O。
  • 容器原生的 维度
  • 监控工具中服务发现特性所需要用到的基本的应用维度。

所有这些维度都需要使用 Kubernetes labels 来聚合,并使用来自 Kubernetes 以及容器技术的事件来关联。

Kubernetes 监控系类的 第二部分 指导你如何搜集和追踪所有这些你需要的数据。

搜集度量数据

不论你是想要通过组合Heapster(一个存储后端)和图形工具来追踪这些关键性能维度,还是使用你自己的设备的不同组件来集成监控工具,关于 Kubernetes 度量搜集的 第三部分 内容,你都有必要看一下。

出发吧!

使用 Kubernetes 彻底简化了容器的管理。但是他要求我们在多方面重新思考我们的监控策略,并且确保所有来自不同组件的这些关键维度都能被合理地搜集、聚合及追踪。我们希望我们的监控指南能帮你有效监控你的 Kubernetes 集群。 回馈和建议 不胜欢迎。

原文链接: Kubernetes : a monitoring guide (翻译:池剑锋)


以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

痛点

痛点

马丁·林斯特龙 / 陈亚萍 / 中信出版集团股份有限公司 / 2017-4-1 / CNY 49.00

互联网经济迅猛发展,大数据成为分析用户需求的一种惯性路径。世界首席品牌营销专家林斯特龙则指出,大数据连接了千百万的数据点,可以准确地产生相互关系。但是,当人类按照自己的习惯行动时,大数据分析通常不会十分准确。所以挖掘用户需求时,在大数据之外,更重要的是通过对一个小群体的亲身观察和小数据常识,捕捉到这个社会群体所体现出的文化欲望。满足这些用户需求,击中痛点,则意味着将掌握无限的商机。一起来看看 《痛点》 这本书的介绍吧!

在线进制转换器
在线进制转换器

各进制数互转换器

随机密码生成器
随机密码生成器

多种字符组合密码

HEX CMYK 转换工具
HEX CMYK 转换工具

HEX CMYK 互转工具