内容简介:Istio 中有个单体应用使用微服务架构拆分成了许多微服务的组合。服务的数量显著增加,就对需要了解服务之间的通信模式,例如容错(通过超时、重试、断路等)以及分布式跟踪,以便能够看到服务调用的去向。服务网格可以在平台级别上提供这些服务,并使应用程序编写者从以上繁重的通信模式中解放出来。路由决策在网格级别完成。Kiali 与Istio 合作,可视化服务网格拓扑、断路器和请求率等功能。Kiali还包括 Jaeger Tracing,可以提供开箱即用的分布式跟踪功能。Kiali 提供以下功能:
Istio 中有个 issue #9066 要求将 Istio 中默认使用的 Service Graph 替换成 Kiali 。Kiali 最初是由 Red Hat 开源的,用于解决 Service Mesh 中可观察性即微服务的可视性问题。目前已获得 Istio 社区的官方支持。
关于 Kiali
单体应用使用微服务架构拆分成了许多微服务的组合。服务的数量显著增加,就对需要了解服务之间的通信模式,例如容错(通过超时、重试、断路等)以及分布式跟踪,以便能够看到服务调用的去向。服务网格可以在平台级别上提供这些服务,并使应用程序编写者从以上繁重的通信模式中解放出来。路由决策在网格级别完成。Kiali 与Istio 合作,可视化服务网格拓扑、断路器和请求率等功能。Kiali还包括 Jaeger Tracing,可以提供开箱即用的分布式跟踪功能。
Kiali 提供的功能
Kiali 提供以下功能:
- 服务拓扑图
- 分布式跟踪
- 指标度量收集和图标
- 配置校验
- 健康检查和显示
- 服务发现
下图展示了 kiali 中显示的 Bookinfo 示例的服务拓扑图。
你可以使用 kubernetes-vagrant-centos-cluster 来快速启动一个运行 Kiali 的 Kubernetes 集群。
编译安装与试用
Kilia pod 中运行的进程是 /opt/kiali/kiali -config /kiali-configuration/config.yaml -v 4
。
/kiali-configuration/config.yaml
是使用 ConfigMap 挂载进去的,用于配置 Kiali 的 Web 根路径和外部服务地址。
server: port: 20001 web_root: / external_services: jaeger: url: "http://172.17.8.101:31888" grafana: url: "http://grafana.istio-system:3000"
Kiali 中的基本概念
在了解 Kilia 如何提供 Service Mesh 中微服务可观察性之前,我们需要先了解下 Kilia 如何划分监控类别的。
- Application :使用运行的工作负载,必须使用 Istio 的将 Label 标记为
app
才算。注意,如果一个应用有多个版本,只要app
标签的值相同就是属于同一个应用。 - Deployment :即 Kubernetes 中的 Deployment。
- Label :这个值对于 Istio 很重要,因为 Istio 要用它来标记 metrics。每个 Application 要求包括
app
和version
两个 label。 - Namespace :通常用于区分项目和用户。
- Service :即 Kubernetes 中的 Service,不过要求必须有
app
label。 - Workload :Kubernetes 中的所有常用资源类型如 Deployment、StatefulSet、Job 等都可以检测到,不论这些负载是否加入到 Istio Service Mesh 中。
Application、Workload 与 Service 的关系如下图所示。
Kilia 的详细 API 使用说明请查看 Swagger API 文档,在 Kiali 的根目录下运行下面的命令可以查看 API 文档。
make swagger-serve
Swagger UI 如下图。
架构
Kiali 部署完成后只启动了一个 Pod,前后端都集成在这一个 Pod 中。Kiali 也有一些依赖的组件,例如如果要在 Kiali 的页面中获取到监控 metric 需要使用在 istio-system
中部署 Prometheus。分布式卓总直接下图是 Kiali 的架构,来自 Kiali 官网。
Kiali 使用传统的前后端分离架构:
- 后端使用 Go 编写: https://github.com/kiali/kiali ,为前端提供 API,所有消息使用 JSON 编码,使用 ConfigMap 和 Secret 来存储配置。直接与 Kubernetes 和 Istio 通信来获取数据。
- 前端使用 Typescript 编写: https://github.com/kiali/kiali-ui ,无状态,除了一些证书保存在浏览器中。于查询后端 API,可以跳转访问 Jaeger 分布式追踪和 Grafana 监控页面。
Jaeger 和 Grafana 都是可选组件,使用的都是外部服务,不是由 Kiali 部署的,需要在 kiali-configmap.yaml
中配置 URL。注意该 URL 必须是从你本地浏览器中可以直接访问到的地址。
注意:如果服务之间没有任何请求就不会在 Prometheus 中保存数据也就无法显示服务拓扑图,所以大家在部署完 Bookinfo
服务之后向 productpage
服务发送一些请求用于生成服务拓扑图。
服务拓扑图
Kiali 中的服务拓扑图比起 Istio 原来默认部署的 ServiceGraph 的效果更炫也更加直观,具有更多选项。
例如使用 CURL 模拟请求。
$ curl -H "Authorization: Bearer eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJ1c2VybmFtZSI6ImFkbWluIiwiZXhwIjoxNTM5NjczOTYyfQ.6gNz4W6yA9Bih4RkTbcSvqdaiRqsyj8c8o6ictM9iDs" http://172.17.8.101:32439/api/namespaces/all/graph?duration=60s&graphType=versionedApp&injectServiceNodes=false&appenders=dead_node,sidecars_check,istio
会得到如下的返回的 JSON 返回值,为了节省篇幅其中省略了部分结果:
{ "timestamp": 1539296648, "graphType": "versionedApp", "elements": { "nodes": [ { "data": { "id": "6519157be154675342fb76c41edc731c", "nodeType": "app", "namespace": "default", "app": "reviews", "isGroup": "version" } }, ... { "data": { "id": "6249668dd0a91adb9e62994d36563365", "nodeType": "app", "namespace": "istio-system", "workload": "istio-ingressgateway", "app": "istio-ingressgateway", "version": "unknown", "rateOut": "0.691", "isOutside": true, "isRoot": true } } ], "edges": [ { "data": { "id": "d51ca2a95d721427bbe27ed209766ec5", "source": "06e488a37fc9aa5b0e0805db4f16ae69", "target": "31150e7e5adf85b63f22fbd8255803d7", "rate": "0.236", "percentRate": "17.089", "responseTime": "0.152" } }, ... { "data": { "id": "1dda06d9904bcf727d1b6a113be58556", "source": "80f71758099020586131c3565075935d", "target": "4b64bda48e5a3c7e50ab1c63836c9469", "rate": "0.236", "responseTime": "0.022" } } ] } }
该值中包含了每个 node
和 edege
的信息,Node 即图中的每个节点,其中包含了节点的配置信息,Edge 即节点间的关系还有流量情况。前端可以根据该信息绘制服务拓扑图,我们下面将查看下 kiali 的后端,看看它是如何生成以上格式的 JSON 信息的。
注:详细的 REST API 使用和字段说明请查看 swagger 生成的 API 文档。
代码解析
下面将带大家了解 Kiali 的后端代码基本结构。
路由配置
服务拓扑图的路由信息保存在 kiali/routing/routes.go
文件中。
{ "GraphNamespace", "GET", "/api/namespaces/{namespace}/graph", handlers.GraphNamespace, true, }, { "GraphAppVersion", "GET", "/api/namespaces/{namespace}/applications/{app}/versions/{version}/graph", handlers.GraphNode, true, }, { "GraphApp", "GET", "/api/namespaces/{namespace}/applications/{app}/graph", handlers.GraphNode, true, }, { "GraphService", "GET", "/api/namespaces/{namespace}/services/{service}/graph", handlers.GraphNode, true, }, { "GraphWorkload", "GET", "/api/namespaces/{namespace}/workloads/{workload}/graph", handlers.GraphNode, true, }
直接查看 Swagger 生成的 API 文档也可以。
PQL 查询语句构建
kiali/handlers/graph.go
中处理 HTTP 请求,服务拓扑图中所有的指标信息都是从 Prometheus 中查询得到的。
Kiali 的服务状态拓扑是根据 namespace 来查询的,例如 default
namespace 下的服务指标查询 PQL:
round(sum(rate(istio_requests_total{reporter="source",source_workload_namespace="default",response_code=~"[2345][0-9][0-9]"} [600s])) by (source_workload_namespace,source_workload,source_app,source_version,destination_service_namespace,destination_service_name,destination_workload,destination_app,destination_version,response_code),0.001)
其中的参数都是通过页面选择传入的(构建的 PQL 中的选项在 kiali/graph/options/options.go
中定义):
-
reporter="source"
:metric 报告来源,源服务(source)是 envoy 代理的下游客户端。在 服务网格 里,一个源服务通常是一个 工作负载 ,但是入口流量的源服务有可能包含其他客户端,例如浏览器,或者一个移动应用。 -
source_workload_namespace="default"
:选择命名空间。 -
response_code
:返回码区间。 -
[600s]
:查询的数据中的时间间隔。
关于 PQL 的详细使用方式请参考 QUERY EXAMPLES - prometheus.io 。
这里面包含了所有 workload 的流量信息,做简单的操作就可以计算出 application/service 的流量状况。
HTTP 处理逻辑
HTTP 请求的处理逻辑入口位于 kiali/handlers/graph.go
,路径为:
func graphNamespaces(o options.Options, client *prometheus.Client) graph.TrafficMap { switch o.Vendor { case "cytoscape": default: checkError(errors.New(fmt.Sprintf("Vendor [%s] not supported", o.Vendor))) } log.Debugf("Build [%s] graph for [%v] namespaces [%s]", o.GraphType, len(o.Namespaces), o.Namespaces) trafficMap := graph.NewTrafficMap() for _, namespace := range o.Namespaces { log.Debugf("Build traffic map for namespace [%s]", namespace) namespaceTrafficMap := buildNamespaceTrafficMap(namespace, o, client) for _, a := range o.Appenders { a.AppendGraph(namespaceTrafficMap, namespace) // Appender 用于添加 service graph } mergeTrafficMaps(trafficMap, namespaceTrafficMap) //将不同的 namespace 下的服务状态合并 } // appender 用于添加/删除/修改 node 信息。操作完成后可以做出如下判断: // - 将其标记外来者(即不在请求的 namespace 中的 node) // - 将其标记内部流量制造者(即位于 namespace 中只有向外的 edge) markOutsiders(trafficMap, o) markTrafficGenerators(trafficMap) if graph.GraphTypeService == o.GraphType { trafficMap = reduceToServiceGraph(trafficMap) } return trafficMap }
Appender 是一个接口,在 service graph 中注入详细的信息,它的定义如下:
// Appender 由任何代码提供实现,以附加具有补充信息的 service graph。如果出错,appender应该执行 panic 并将其作为错误响应处理。 type Appender interface { // AppendGraph 在提供的 traffic map 上执行 appender 工作。Map 最初可能是空的。允许 appender 添加或删除映射条目。 AppendGraph(trafficMap graph.TrafficMap, namespace string) }
Appender 位于 kiali/graph/appender
目录下,目前一共有如下实现:
- DeadNodeAppender :用于将不想要 node 从 service graph 中删除。
- IstioAppender :获取指定 namespace 下 Istio 的详细信息,当前版本获取指定 namespace 下的 VirtualService 和 DestinationRule 信息。
- ResponseTimeAppender :获取响应时间。
- SecurityPolicyAppender :在 service graph 中添加安全性策略信息。
- SidecarsCheckAppender :检查 Sidecar 的配置信息,例如 Pod 中是否有 App label。
- UnusedNodeAppender :未加入 Service Mesh 的 node。
我们再来看下在 kiali/graph/graph.go
中定义的 TrafficMap
结构。
// TrafficMap 是 App 与 Node 之间的映射,每个节点都可选择保存 Edge 数据。Metadata 是用于保存任何期望的 node 或 edge 信息的通用映射。每个 app 节点应具有唯一的 namespace + workload。请注意,在同一 namespace 中有两个具有相同 name + version 的节点是可行的但可能并不常见。 type TrafficMap map[string]*Node type Node struct { ID string // unique identifier for the node NodeType string // Node type Namespace string // Namespace Workload string // Workload (deployment) name App string // Workload app label value Version string // Workload version label value Service string // Service name Edges []*Edge // child nodes Metadata map[string]interface{} // app-specific data } type Edge struct { Source *Node Dest *Node Metadata map[string]interface{} // app-specific data }
以上只是对 Kiali 部分代码的解读,更详细的实现大家可以克隆 kiali 的代码自己研究。
参考
以上所述就是小编给大家介绍的《Kiali——Istio Service Mesh的可观察性工具》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!
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。
Introduction to Computer Science Using Python
Dierbach, Charles / 2012-12 / $ 133.62
Introduction to Computer Science Using Python: A Computational Problem-Solving Focus introduces students to programming and computational problem-solving via a back-to-basics, step-by-step, objects-la......一起来看看 《Introduction to Computer Science Using Python》 这本书的介绍吧!