深圳幻海软件技术有限公司 欢迎您!

深入理解kubernetes监控原理

2023-03-20

前言​承接上文​,我们在基于Ubuntu2204使用kubeadm部署了k8s集群,且基于helm部署了metrics-server.然后我们可以很欢快的使用kubectltop命令查看node、pod的实时资源使用情况:如CPU、内存。本文将介绍其数据链路和实现原理,同时会阐述k8s中的监控体系。

前言

承接上文,我们在基于Ubuntu 2204使用kubeadm部署了k8s集群,且基于helm部署了metrics-server.

然后我们可以很欢快的使用kubectl top命令查看node、pod的实时资源使用情况:如CPU、内存。

本文将介绍其数据链路和实现原理,同时会阐述k8s中的监控体系。

kubectl top

kubectl top是我们经常使用的基础命令,但是必须需要部署metrics-server组件,才能获取到监控值。

  • 在kubernetes 1.8版本之前,则需要部署heapter, 现已被废弃。
  • 在kubernetes1.8以及以上,则需要部署metrics-server。

我们所使用的版本是1.24.3的最新版本,所以一定要部署metrics-server。

查看node的资源使用情况。

$ kubectl top node
NAME         CPU(cores)   CPU%   MEMORY(bytes)   MEMORY%
k8s-unode1   158m         7%     1814Mi          47%
k8s-unode2   50m          2%     874Mi           23%
k8s-unode3   51m          2%     943Mi           24%
k8s-unode4   45m          2%     905Mi           23%
$ kubectl top node k8s-unode1
NAME         CPU(cores)   CPU%   MEMORY(bytes)   MEMORY%
k8s-unode1   160m         8%     1811Mi          47%
  • 1.
  • 2.
  • 3.
  • 4.
  • 5.
  • 6.
  • 7.
  • 8.
  • 9.

查看pod的资源使用情况,--containers可以显示pod内所有的container。

$ kubectl top pod -n metrics-server
NAME                              CPU(cores)   MEMORY(bytes)
metrics-server-56c6866684-w6n9b   5m           17Mi
$ kubectl top pod --containers -n metrics-server
POD                               NAME             CPU(cores)   MEMORY(bytes)
metrics-server-56c6866684-w6n9b   metrics-server   5m           17Mi
  • 1.
  • 2.
  • 3.
  • 4.
  • 5.
  • 6.

指标的具体含义:

  • 这里CPU 的m 和 memory 的 mi 与k8s中 request、limit是一致的,cpu单位的100m=0.1 内存单位 1MI=1204Ki。
  • pod的内存值是其内存的实际使用量,也是做limit限制时判断oom的依据。pod的使用量等于其所有业务容器的综合,但是不包含pause容器。与Cadvisr中的container_memory_working_set_bytes 指标值相等。
  • node的值并不等于该node上所有pod值的总和,也不等于直接在机器上执行top或free所得到的值。

kubectl top pod 内存计算

每次启动 pod,都会有一个 pause 容器,既然是容器就一定有资源消耗(一般在 2-3M 的内存),cgroup 文件中,业务容器和 pause 容器都在同一个 pod的文件夹下。

但 cadvisor 在查询 pod 的内存使用量时,是先获取了 pod 下的container列表,再逐个获取container的内存占用,不过这里的 container 列表并没有包含 pause,因此最终 top pod 的结果也不包含 pause 容器。

pod 的内存使用量计算

kubectl top pod 得到的内存使用量,并不是cadvisor 中的container_memory_usage_bytes,而是container_memory_working_set_bytes,计算方式为:

  • container_memory_usage_bytes == container_memory_rss + container_memory_cache + kernel memory。
  • container_memory_working_set_bytes = container_memory_usage_bytes – total_inactive_file(未激活的匿名缓存页)。

container_memory_working_set_bytes是容器真实使用的内存量,也是limit限制时的 oom 判断依据。

kubectl top命令和 top 的差异和上边 一致,无法直接对比,同时,就算你对 pod 做了limit 限制,pod 内的 top 看到的内存和 cpu总量仍然是机器总量,并不是pod 可分配量。

  • 进程的RSS为进程使用的所有物理内存(file_rss+anon_rss),即Anonymous pages+Mapped apges(包含共享内存)。
  • cgroup RSS为(anonymous and swap cache memory),不包含共享内存。两者都不包含file cache。

实现原理

数据链路

k8s dashboard、kubectl top等都是通过apiserver获取监控数据,数据链路如下:

  • 使用 heapster 时:apiserver 会直接将metric请求通过 proxy 的方式转发给集群内的 hepaster 服务。
  • 使用 metrics-server 时:apiserver是通过/apis/metrics.k8s.io/的地址访问metric。

监控体系

在提出 metric api 的概念时,官方页提出了新的监控体系,监控资源被分为了2种:

  • Core metrics(核心指标):从 Kubelet、cAdvisor 等获取度量数据,再由metrics-server提供给 Dashboard、HPA 控制器等使用。
  • Custom Metrics(自定义指标):由Prometheus Adapter提供API custom.metrics.k8s.io,由此可支持任意Prometheus采集到的指标。

  • 核心指标只包含node和pod的cpu、内存等,一般来说,核心指标作HPA已经足够,但如果想根据自定义指标:如请求qps/5xx错误数来实现HPA,就需要使用自定义指标了。
  • 目前Kubernetes中自定义指标一般由Prometheus来提供,再利用k8s-prometheus-adpater聚合到apiserver,实现和核心指标(metric-server)同样的效果。

kubelet

无论是废弃的heapster还是metric-server,都只是数据的中转和聚合;两者都是调用的kubelet的api接口获取的数据。kubelet代码中实际集成了采集指标的cAdvisor模块,可以通过kubelet暴露的10250端口获取监控数据。

  • Kubelet Summary metrics: 127.0.0.1:10250/metrics,暴露 node、pod 汇总数据。
  • Cadvisor metrics: 127.0.0.1:10250/metrics/cadvisor,暴露 container 维度数据。

kubelet虽然提供了 metric 接口,但实际监控逻辑由内置的cAdvisor模块负责。

cAdvisor

cAdvisor由谷歌开源,使用go语言开发。项目地址:https://github.com/google/cadvisor。

cadvisor不仅可以搜集一台机器上所有运行的容器信息,包括CPU使用情况、内存使用情况、网络吞吐量及文件系统使用情况,还提供基础查询界面和http接口,方便其他组件进行数据抓取。在K8S中集成在Kubelet里作为默认启动项,k8s官方标配。

cadvisor获取指标时实际调用的是 runc/libcontainer库,而libcontainer是对 cgroup文件 的封装,即 cadvsior也只是个转发者,它的数据来自于cgroup文件。

cgroup

cgroup文件中的值是监控数据的最终来源,如:

  • mem usage的值,来自于/sys/fs/cgroup/memory/docker/[containerId]/memory.usage_in_bytes。
  • 如果没限制内存,Limit = machine_mem,否则来自于 /sys/fs/cgroup/memory/docker/[id]/memory.limit_in_bytes
  • 内存使用率 = memory.usage_in_bytes/memory.limit_in_bytes。

一般情况下,cgroup文件夹下的内容包括CPU、内存、磁盘、网络等信息。

device:设备控制权限
cpuset:分配指定的CPU和内存节点
cpu:控制CPU占用率
cpuacct:统计CPU使用情况
memory:限制内存的使用上限
freezer:冻结Cgroup中的进程
net_cls:配合(traffic controller)限制网络带宽
net_prio:设置进程的网络流量优先级
huge_tlb:限制HugeTLB的使用
pref_event:允许perf工具基于cgrgoup分组做性能监测
  • 1.
  • 2.
  • 3.
  • 4.
  • 5.
  • 6.
  • 7.
  • 8.
  • 9.
  • 10.

memory下的几个常用的指标含义:

memory.usage_in_bytes: 已使用的内存量(包含cache和buffer)字节,相当于linux的userd_mem
memory.limit_in_bytes: 限制的内存总量(字节),相当于linux的total_mem
memory.failcnt:    申请内存失败次数计数
memory.stat: 内存相关状态
memory.memsw.usage_in_bytes:  已使用内存和swap
memory.memsw.limit_in_bytes: 限制的内存和swap
memory.memsw.failcnt: 申请内存和swap失败次数计数
  • 1.
  • 2.
  • 3.
  • 4.
  • 5.
  • 6.
  • 7.