Metrics-server简介
Pod核心指标是相对于自定义指标而言的,也就是指通过采集Pod CPU、内存等核心资源指标实现Pod弹性伸缩。Metrics-server是用来替换heapster获取集群资源指标数据的服务,heapster从1.11开始逐渐被废弃了。
metrics-server,是一种API Server,提供了核心的Metrics API,就像k8s组件kube-apiserver提供了很多API群组一样,但它不是k8s组成部分,而是托管运行在k8s之上的Pod。为了让用户无缝的使用metrics-server当中的API,还需要把这类自定义的API,通过聚合器聚合到核心API组里,然后把此API当作是核心API的一部分,通过kubectl api-versions可直接查看。Metrics server是K8S集群资源使用情况的聚合器。
metrics-server收集指标数据的方式是从各节点上kubelet提供的Summary API 即10250端口收集数据,收集Node和Pod核心资源指标数据,主要是内存和cpu方面的使用情况,并将收集的信息存储在内存中,所以通过kubectl top不能查看资源数据的历史情况,其它资源指标数据则通过prometheus采集。
k8s中很多组件是依赖于资源指标API的功能 ,比如kubectl top 、hpa,如果没有一个资源指标API接口,这些组件是没法运行的。
安装metrics-server
下载该链接目录下的六个文件(说明:因为我安装的K8s版本是1.13.1,故此使用的对应分支也是1.13.1)。
https://github.com/kubernetes/kubernetes/blob/v1.13.1/cluster/addons/metrics-server/
查看下载的资源清单文件
1 2 3 4 |
auth-delegator.yaml metrics-server-deployment.yaml resource-reader.yaml auth-reader.yaml metrics-server-service.yaml metrics-apiservice.yaml |
修改配置
下载下来的文件不能直接部署,有几处需要修改。
1 2 3 4 5 6 |
# vim metrics-server-deployment.yaml image: k8s.gcr.io/metrics-server-amd64:v0 //修改为image: xiaoxu780/metrics-server-amd64:v0 image: k8s.gcr.io/addon-resizer:1.8 //修改为image: xiaoxu780/addon-resizer:1.8 |
1 2 3 4 5 6 7 8 9 |
# vim resource-reader.yaml rules: - apiGroups: - "" resources: - pods - nodes - nodes/stats #新增这一行 - namespaces |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 |
# vim metrics-server-deployment.yaml #修改containers metrics-server 启动参数,修改好的如下: containers: - name: metrics-server image: k8s.gcr.io/metrics-server-amd64:v0.3.1 command: - /metrics-server - --metric-resolution=30s - --kubelet-insecure-tls //表示不验证kubelet API服务的HTTPS证书 - --kubelet-preferred-address-types=InternalIP,Hostname,InternalDNS,ExternalDNS,ExternalIP # These are needed for GKE, which doesn't support secure communication yet. # Remove these lines for non-GKE clusters, and when GKE supports token-based auth. #- --kubelet-port=10255 #- --deprecated-kubelet-completely-insecure=true ---- # 修改containers,metrics-server-nanny 启动参数,修改好的如下: command: - /pod_nanny - --config-dir=/etc/config - --cpu=80m - --extra-cpu=0.5m - --memory=80Mi - --extra-memory=8Mi - --threshold=5 - --deployment=metrics-server-v0.3.1 - --container=metrics-server - --poll-period=300000 - --estimator=exponential # Specifies the smallest cluster (defined in number of nodes) # resources will be scaled to. #- --minClusterSize={{ metrics_server_min_cluster_size }} |
应用到集群
1 2 3 4 5 6 7 8 9 10 |
clusterrolebinding.rbac.authorization.k8s.io/metrics-server:system:auth-delegator created rolebinding.rbac.authorization.k8s.io/metrics-server-auth-reader created apiservice.apiregistration.k8s.io/v1beta1.metrics.k8s.io created serviceaccount/metrics-server created configmap/metrics-server-config created deployment.extensions/metrics-server-v0.3.1 created service/metrics-server created clusterrole.rbac.authorization.k8s.io/system:metrics-server created clusterrolebinding.rbac.authorization.k8s.io/system:metrics-server created |
验证metrics-server
查看是否成功运行
1 2 3 |
# kubectl get pod -n kube-system NAME READY STATUS RESTARTS AGE metrics-server-v0.3.1-75d77b57cd-hlwlh 2/2 Running 0 3m |
查看api
1 2 |
kubectl api-versions | grep metrics-server metrics.k8s.io/v1beta1 |
查看Metrics API数据,启动一个代理以便curl api
1 2 |
# kubectl proxy --port=8091 Starting to serve on 127.0.0.1:8091 |
直接查看接口数据,可获取的资源:nodes和pods
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 |
{ "kind": "APIResourceList", "apiVersion": "v1", "groupVersion": "metrics.k8s.io/v1beta1", "resources": [ { "name": "nodes", "singularName": "", "namespaced": false, "kind": "NodeMetrics", "verbs": [ "get", "list" ] }, { "name": "pods", "singularName": "", "namespaced": true, "kind": "PodMetrics", "verbs": [ "get", "list" ] } ] |
查看获取到的Node资源指标数据:cpu和内存
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 |
# curl localhost:8091/apis/metrics.k8s.io/v1beta1/nodes { "kind": "NodeMetricsList", "apiVersion": "metrics.k8s.io/v1beta1", "metadata": { "selfLink": "/apis/metrics.k8s.io/v1beta1/nodes" }, "items": [ { "metadata": { "name": "k8s-node02", "selfLink": "/apis/metrics.k8s.io/v1beta1/nodes/k8s-node02", "creationTimestamp": "2018-10-06T08:48:51Z" }, "timestamp": "2018-10-06T08:48:23Z", "window": "30s", "usage": { "cpu": "118493217n", "memory": "1320848Ki" } |
kubectl top查看
既然通过接口查看到了数据,就可以使用kubectl top直接查看了。
查看node
1 2 3 |
# kubectl top node NAME CPU(cores) CPU% MEMORY(bytes) MEMORY% k8s 135m 1% 2476Mi 7% |
查看pod
1 2 3 4 5 6 7 8 9 10 11 12 13 |
# kubectl top pods -n kube-system NAME CPU(cores) MEMORY(bytes) calico-kube-controllers-687b7cc79c-knj87 1m 12Mi calico-node-7rj8c 13m 33Mi coredns-5b47d4476c-8wdb7 2m 20Mi coredns-5b47d4476c-92wnq 2m 19Mi dns-autoscaler-5b547856bc-95cft 1m 10Mi kube-apiserver-k8s 19m 410Mi kube-controller-manager-k8s 34m 68Mi kube-proxy-cdlzp 2m 29Mi kube-scheduler-k8s 8m 22Mi kubernetes-dashboard-d7978b5cc-lvf6l 1m 21Mi metrics-server-v0.3.1-584d9c57d4-cbkw2 1m 28Mi |
Metrics Server从Kubernetes集群中每个Node上kubelet的API收集metrics数据。通过Metrics API可以获取Kubernetes资源的Metrics指标,Metrics API挂载/apis/metrics.k8s.io/ 下。 可以使用kubectl top命令访问Metrics API,例如:
1 2 |
{"kind":"NodeMetricsList","apiVersion":"metrics.k8s.io/v1beta1","metadata":{"selfLink":"/apis/metrics.k8s.io/v1beta1/nodes"},"items":[{"metadata":{"name":"k8s","selfLink":"/apis/metrics.k8s.io/v1beta1/nodes/k8s","creationTimestamp":"2019-01-07T15:25:55Z"},"timestamp":"2019-01-07T15:25:52Z","window":"30s","usage":{"cpu":"135838412n","memory":"2532372Ki"}}]} |
metrics-server已经可以正常工作了,核心指标已经获取到了,其它的自定义指标获取则要借助于prometheus了。
k8s v1.10版本之前仍然要通过heapster获取指标数据,否则即使部署了metrics-server,kubectl top这个指令仍然连接heapster。
HPA介绍和使用
HPA是k8s一个非常强大的功能,根据Pod的cpu、内存及其它指标自动伸缩Pod副本数量,HPA目前有两个版本,通过kubectl api-versions查看:
1 2 3 4 |
# kubectl api-versions | grep autoscal autoscaling/v1 autoscaling/v2beta1 autoscaling/v2beta2 |
- autoscaling/v1:仅支持核心指标API,目前是由metrics-service提供的metrics.k8s.io/v1beta1,提供的指标来定义,也就是cpu和内存,而内存是不可压缩型资源,不支持弹性缩放,所以只能支持cpu指标来弹性伸缩。
- autoscaling/v2:除了核心指标之外,还支持定义自定义指标,目前是由custom-metrics-apiserver服务提供的custom.metrics.k8s.io/v1beta1,比如内存、网络方面的指标,前提是配置了自定义指标API服务。
下面创建一个Pod,然后创建一个HPA监控Pod的CPU使用率,再对Pod实施压测,查看HPA是否根据Pod的cpu使用率伸缩Pod副本。
创建一个Pod
1 2 3 4 5 6 7 8 |
# kubectl run php-apache --image=k8s.gcr.io/hpa-example --requests=cpu=200m --expose --port=80 service/php-apache created deployment.apps/php-apache created # kubectl get pod -o wide NAME READY STATUS RESTARTS AGE IP NODE NOMINATED NODE php-apache-b5f58cc5f-6csfw 1/1 Running 0 28s 192.168.85.198 k8s-node01 <none> |
定义HPA
HPA监控目标对象的cpu使用率,确保所有副本的Pod的CPU使用不超50%, 并适当的进行伸缩。
1 2 |
# kubectl autoscale deployment php-apache --cpu-percent=50 --min=1 --max=10 horizontalpodautoscaler.autoscaling/php-apache autoscaled |
当前为0%
1 2 3 |
# kubectl get hpa NAME REFERENCE TARGETS MINPODS MAXPODS REPLICAS AGE php-apache Deployment/php-apache 0%/50% 1 10 1 30s |
启动一个程序对其压测
1 2 3 |
# kubectl run -i --tty load-generator --image=busybox /bin/sh / # while true; do wget -q -O- http://php-apache.default.svc.cluster.local; done OK!OK!OK!OK!OK!OK!OK!OK!OK!OK!OK!OK!OK!OK!OK!OK!OK!OK!OK!OK!OK!OK!OK!OK!OK!OK!OK |
等一会查看hpa
1 2 3 |
# kubectl get hpa NAME REFERENCE TARGETS MINPODS MAXPODS REPLICAS AGE php-apache Deployment/php-apache 481%/50% 1 10 1 21m |
POD的cpu占用率已达481%,因此hpa控制器自动将pod副本调整到了10个。
1 2 3 |
# kubectl get deployments php-apache NAME DESIRED CURRENT UP-TO-DATE AVAILABLE AGE php-apache 10 10 10 10 25m |
停止压测,过几分钟后查看,HPA自动缩减至1个。
1 2 3 4 5 6 7 |
# kubectl get hpa NAME REFERENCE TARGETS MINPODS MAXPODS REPLICAS AGE php-apache Deployment/php-apache 0%/50% 1 10 1 39m # kubectl get deployments php-apache NAME DESIRED CURRENT UP-TO-DATE AVAILABLE AGE php-apache 1 1 1 1 39 |
问题
1.通过Metrics API我们可以获取到指定node或者pod的当前资源使用情况,但是该服务并不存储任何信息也不支持其他后端存储,所以我们不可能通过Metrics API来获取资源的历史使用情况。
2.由于Metrics Server只能获取核心资源指标,对于其他指标(如网络、HTTP等),还得使用prometheus,并实现数据持久化存储。