当前位置:

首页 > 系统应用 > 简单4步,利用PrometheusOperator实现自定义指标监控

简单4步,利用PrometheusOperator实现自定义指标监控

本文来自Rancher Labs在过去的文章中,我们花了相当大的篇幅来聊关于监控的话题。这是因为当你正在管理Kubernetes集群时,一切都会以极快的速度发生变化。因此有一个工具来监控集群的健康状态和资源指标极为重要。在Rancher 2.5中,新版监控基于Prometheus Operator引

本文目录

    本文来自Rancher Labs

    在过去的文章中,我们花了相当大的篇幅来聊关于监控的话题。这是因为当你正在管理Kubernetes集群时,一切都会以极快的速度发生变化。因此有一个工具来监控集群的健康状态和资源指标极为重要。

    在Rancher 2.5中,新版监控基于Prometheus Operator引入,能提供Prometheus及相关监控组件的原生Kubernetes部署与管理。借助Prometheus Operator,你可对集群节点、Kubernetes组件以及应用程序工作负载的状态和进程进行监控。同时,它还能依据Prometheus收集的指标来定义告警,并创建自定义仪表盘,通过Grafana可轻松实现收集指标的可视化。以下是获取新版监控组件更多细节的链接:

    https://rancher.com/docs/rancher/v2.x/en/monitoring-alerting/v2.5/

    新版本的监控也采用prometheus-adapter,开发人员可以利用其基于自定义指标和HPA扩展他们的工作负载。

    在本文中,我们将探索如何利用Prometheus Operator来抓取自定义指标并利用这些指标进行高级工作负载管理。

    安装Prometheus

    在Rancher 2.5中安装Prometheus极为简单。仅需访问Cluster Explorer -> Apps并安装rancher-monitoring即可。

    你需要了解以下默认设置:

    • prometheus-adapter将会作为chart安装的一部分启用

    • ServiceMonitorNamespaceSelector 留为空,允许 Prometheus 在所有命名空间中收集 ServiceMonitors

    安装完成后,我们可以从Cluster Explorer访问监控组件。

    部署工作负载

    现在让我们部署一个从应用层暴露自定义指标的示例工作负载。该工作负载暴露了一个简单的应用程序,该应用程序已经使用Prometheus client_golang库进行了检测,并在/metric端点上提供了一些自定义指标。

    它有两个指标:

    • http_requests_total

    • http_request_duration_seconds

    以下manifest部署了工作负载、相关服务以及访问该工作负载的ingress:

    apiVersion: apps/v1
    kind: Deployment
    metadata:
    labels:
    app.kubernetes.io/name: prometheus-example-app
    name: prometheus-example-app
    spec:
    replicas: 1
    selector:
    matchLabels:
    app.kubernetes.io/name: prometheus-example-app
    template:
    metadata:
    labels:
    app.kubernetes.io/name: prometheus-example-app
    spec:
    containers:
    - name: prometheus-example-app
    image: gmehta3/demo-app:metrics
    ports:
    - name: web
    containerPort: 8080
    ---
    apiVersion: v1
    kind: Service
    metadata:
    name: prometheus-example-app
    labels:
    app.kubernetes.io/name: prometheus-example-app
    spec:
    selector:
    app.kubernetes.io/name: prometheus-example-app
    ports:
    - protocol: TCP
    port: 8080
    targetPort: 8080
    name: web
    ---
    apiVersion: networking.k8s.io/v1beta1
    kind: Ingress
    metadata:
    name: prometheus-example-app
    spec:
    rules:
    - host: hpa.demo
    http:
    paths:
    - path: /
    backend:
    serviceName: prometheus-example-app
    servicePort: 8080

    部署ServiceMonitor

    ServiceMonitor是一个自定义资源定义(CRD),可以让我们声明性地定义如何监控一组动态服务。

    你可以访问以下链接查看完整的ServiceMonitor规范:

    https://github.com/prometheus-operator/prometheus-operator/blob/master/Documentation/api.md#servicemonitor

    现在,我们来部署ServiceMonitor,Prometheus用它来收集组成prometheus-example-app Kubernetes服务的pod。

    kind: ServiceMonitor
    metadata:
    name: prometheus-example-app
    spec:
    selector:
    matchLabels:
    app.kubernetes.io/name: prometheus-example-app
    endpoints:
    - port: web

    如你所见,现在用户可以在Rancher监控中浏览ServiceMonitor。

    不久之后,新的service monitor和服务相关联的pod应该会反映在Prometheus服务发现中。

    我们也能够在Prometheus中看到指标。

    部署Grafana仪表盘

    在Rancher 2.5中,监控可以让用户将Grafana仪表盘存储为cattle-dashboards命名空间中的ConfigMaps。

    用户或集群管理员现在可以在这一命名空间中添加更多的仪表盘以扩展Grafana的自定义仪表盘。

    Dashboard ConfigMap Example
    apiVersion: v1
    kind: ConfigMap
    metadata:
    name: prometheus-example-app-dashboard
    namespace: cattle-dashboards
    labels:
    grafana_dashboard: "1"
    data:
    prometheus-example-app.json: |
    {
    "annotations": {
    "list": [
    {
    "builtIn": 1,
    "datasource": "-- Grafana --",
    "enable": true,
    "hide": true,
    "iconColor": "rgba(0, 211, 255, 1)",
    "name": "Annotations & Alerts",
    "type": "dashboard"
    }
    ]
    },
    "editable": true,
    "gnetId": null,
    "graphTooltip": 0,
    "links": [],
    "panels": [
    {
    "aliasColors": {},
    "bars": false,
    "dashLength": 10,
    "dashes": false,
    "datasource": null,
    "fieldConfig": {
    "defaults": {
    "custom": {}
    },
    "overrides": []
    },
    "fill": 1,
    "fillGradient": 0,
    "gridPos": {
    "h": 9,
    "w": 12,
    "x": 0,
    "y": 0
    },
    "hiddenSeries": false,
    "id": 2,
    "legend": {
    "a vg": false,
    "current": false,
    "max": false,
    "min": false,
    "show": true,
    "total": false,
    "values": false
    },
    "lines": true,
    "linewidth": 1,
    "nullPointMode": "null",
    "percentage": false,
    "pluginVersion": "7.1.5",
    "pointradius": 2,
    "points": false,
    "renderer": "flot",
    "seriesOverrides": [],
    "spaceLength": 10,
    "stack": false,
    "steppedLine": false,
    "targets": [
    {
    "expr": "rate(http_requests_total{code="200",service="prometheus-example-app"}[5m])",
    "instant": false,
    "interval": "",
    "legendFormat": "",
    "refId": "A"
    }
    ],
    "thresholds": [],
    "timeFrom": null,
    "timeRegions": [],
    "timeShift": null,
    "title": "http_requests_total_200",
    "tooltip": {
    "shared": true,
    "sort": 0,
    "value_type": "individual"
    },
    "type": "graph",
    "xaxis": {
    "buckets": null,
    "mode": "time",
    "name": null,
    "show": true,
    "values": []
    },
    "yaxes": [
    {
    "format": "short",
    "label": null,
    "logBase": 1,
    "max": null,
    "min": null,
    "show": true
    },
    {
    "format": "short",
    "label": null,
    "logBase": 1,
    "max": null,
    "min": null,
    "show": true
    }
    ],
    "yaxis": {
    "align": false,
    "alignLevel": null
    }
    },
    {
    "aliasColors": {},
    "bars": false,
    "dashLength": 10,
    "dashes": false,
    "datasource": null,
    "description": "",
    "fieldConfig": {
    "defaults": {
    "custom": {}
    },
    "overrides": []
    },
    "fill": 1,
    "fillGradient": 0,
    "gridPos": {
    "h": 8,
    "w": 12,
    "x": 0,
    "y": 9
    },
    "hiddenSeries": false,
    "id": 4,
    "legend": {
    "a vg": false,
    "current": false,
    "max": false,
    "min": false,
    "show": true,
    "total": false,
    "values": false
    },
    "lines": true,
    "linewidth": 1,
    "nullPointMode": "null",
    "percentage": false,
    "pluginVersion": "7.1.5",
    "pointradius": 2,
    "points": false,
    "renderer": "flot",
    "seriesOverrides": [],
    "spaceLength": 10,
    "stack": false,
    "steppedLine": false,
    "targets": [
    {
    "expr": "rate(http_requests_total{code!="200",service="prometheus-example-app"}[5m])",
    "interval": "",
    "legendFormat": "",
    "refId": "A"
    }
    ],
    "thresholds": [],
    "timeFrom": null,
    "timeRegions": [],
    "timeShift": null,
    "title": "http_requests_total_not_200",
    "tooltip": {
    "shared": true,
    "sort": 0,
    "value_type": "individual"
    },
    "type": "graph",
    "xaxis": {
    "buckets": null,
    "mode": "time",
    "name": null,
    "show": true,
    "values": []
    },
    "yaxes": [
    {
    "format": "short",
    "label": null,
    "logBase": 1,
    "max": null,
    "min": null,
    "show": true
    },
    {
    "format": "short",
    "label": null,
    "logBase": 1,
    "max": null,
    "min": null,
    "show": true
    }
    ],
    "yaxis": {
    "align": false,
    "alignLevel": null
    }
    }
    ],
    "schemaVersion": 26,
    "style": "dark",
    "tags": [],
    "templating": {
    "list": []
    },
    "time": {
    "from": "now-15m",
    "to": "now"
    },
    "timepicker": {
    "refresh_intervals": [
    "5s",
    "10s",
    "30s",
    "1m",
    "5m",
    "15m",
    "30m",
    "1h",
    "2h",
    "1d"
    ]
    },
    "timezone": "",
    "title": "prometheus example app",
    "version": 1
    }

    现在,用户应该能够在Grafana中访问prometheus example app的仪表盘。

    自定义指标的HPA

    这一部分假设你已经将prometheus-adapter作为监控的一部分安装完毕了。实际上,在默认情况下,监控安装程序会安装prometheus-adapter。

    用户现在可以创建一个HPA spec,如下所示:

    apiVersion: autoscaling/v2beta2
    kind: HorizontalPodAutoscaler
    metadata:
    name: prometheus-example-app-hpa
    spec:
    scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: prometheus-example-app
    minReplicas: 1
    maxReplicas: 5
    metrics:
    - type: Object
    object:
    describedObject:
    kind: Service
    name: prometheus-example-app
    metric:
    name: http_requests
    target:
    a verageValue: "5"
    type: A verageValue

    你可以查看以下链接获取关于HPA的更多信息:

    https://kubernetes.io/docs/tasks/run-application/horizontal-pod-autoscale/

    我们将使用自定义的http_requests_total指标来执行pod自动伸缩。

    现在我们可以生成一个样本负载来查看HPA的运行情况。我可以使用hey进行同样的操作。

    hey -c 10 -n 5000 http://hpa.demo

    总 结

    在本文中,我们探讨了Rancher 2.5中新监控的灵活性。开发人员和集群管理员可以利用该堆栈来监控它们的工作负载,部署可视化,并利用Kubernetes内可用的高级工作负载管理功能。

    本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系bd@zhengruan.com
    作者最新文章
    系统应用
    相关文章 更多
    Grafana9.0发布,Prometheus和Loki查询生成器、全新导航、热图面板等新功能!
    Grafana9.0发布,Prometheus和Loki查询生成器、全新导航、热图面板等新功能!

    https://grafana.com/grafana/plugins/alexanderzobnin-zabbix-app/Grafana 9.0 的主要重点是改善 Grafana 的用户体验,使可观察性和数据可视化更易用也更容易获得。无论是通过 Prometheus 和 Loki 可视化查询生成

    Java中 Spring MVC HandlerInterceptor 在 preHandle 中怎么获取 HandlerMethod 上的注解
    Java中 Spring MVC HandlerInterceptor 在 preHandle 中怎么获取 HandlerMethod 上的注解

    在SpringMVC拦截器preHandle方法中,需首先判断handler是否为HandlerMethod类型,因为只有HandlerMethod才能获取方法或类上的注解。然后通过getMethod()获取Method对象读取方法注解,或通过getBeanType()获取控制器类读取类级注解,从而实现自定义注解的获取与业务逻辑处理,如权限校验、日志记录等。

    Java中 枚举类使用反射 newInstance 创建对象抛出 NoSuchMethodException 怎么排查
    Java中 枚举类使用反射 newInstance 创建对象抛出 NoSuchMethodException 怎么排查

    Java枚举类无法通过反射newInstance创建对象,这是JVM层级的限制。枚举构造器隐式包含String和int参数,无参构造器不存在,因此反射调用会失败。获取实例应使用valueOf()或values()方法,排查时先通过isEnum()判断是否为枚举类型,再避免反射创建。

    银河麒麟下怎么安装和配置Prometheus
    银河麒麟下怎么安装和配置Prometheus

    在银河麒麟系统上部署Prometheus,其实是个细致活。先跟大家说几个关键点:必须拿准你的CPU架构是ARM64还是AMD64;安装路径要规范,不能随意解压;必须用非root用户启动,最后还要注册成systemd服务。这几步要是跳过了,后面启动不了、端口不监听、配置不生效,都是常有的事。 在银河麒

    基于Prometheus监控Composer镜像源的TCP连接重传率
    基于Prometheus监控Composer镜像源的TCP连接重传率

    计算TCP重传率应使用`node_netstat_Tcp_RetransSegs`与`node_netstat_Tcp_OutSegs`,避免误用网卡计数器。需确保NodeExporter开启netstat采集并正确挂载宿主机`/proc`。PromQL推荐`rate(重传[5m])/rate(发出[5m])`,时间窗口不小于5分钟。监控Composer镜像

    怎么通过分析 JVM 方法句柄(MethodHandle)实现比反射性能更优的动态元编程调用
    怎么通过分析 JVM 方法句柄(MethodHandle)实现比反射性能更优的动态元编程调用

    MethodHandle通过绕过反射的运行时安全检查、避免参数装箱拆箱与类型转换、支持JIT内联优化实现高性能动态调用。其权限校验仅在创建时执行一次,但创建成本较高,需通过缓存复用句柄。调用时应优先使用invokeExact()以保证类型精确与性能最优,并注意兼容性限制与正确API选择。

    RethinkDB 中使用 match() 基于同表字段动态正则匹配的完整教程
    RethinkDB 中使用 match() 基于同表字段动态正则匹配的完整教程

    RethinkDB中可通过`r.expr()`、`match()`和`filter()`实现动态正则匹配。将目标字符串包装为ReQL表达式,与数组字段存储的正则字符串拼接,利用`match()`进行不区分大小写的全文匹配。该方法无法使用索引,需注意性能。进阶方案可用`merge()`重构数据,仅返回匹配成功的数组子项。

    MethodHandle与反射混合:如何将Method转换为MethodHandle
    MethodHandle与反射混合:如何将Method转换为MethodHandle

    MethodHandle与反射Method可混合使用,通过MethodHandles.Lookup的revealDirect()方法可将Method转换为MethodHandle。转换需确保访问权限,并预先调用setAccessible(true)。MethodHandle为final类,不能直接实例化。转换后签名须精确匹配,且会丢失泛型等反射元数据。

    Micrometer 中如何正确暴露高基数订单数据到 Prometheus
    Micrometer 中如何正确暴露高基数订单数据到 Prometheus

    Micrometer 中如何正确暴露高基数订单数据到 Prometheus 在微服务观测领域,一个常见的误区是试图将业务对象列表直接注册为监控指标。比如,想把一批List直接扔给Micrometer,期望每个订单的ID、状态、国家都成为一个漂亮的标签。想法很直观,但后果可能很严重。 Micromet

    怎么通过分析 JVM 的方法句柄(MethodHandle)实现比反射性能更优的动态调用
    怎么通过分析 JVM 的方法句柄(MethodHandle)实现比反射性能更优的动态调用

    怎么通过分析 JVM 的方法句柄(MethodHandle)实现比反射性能更优的动态调用 在追求高性能动态调用的路上,很多开发者都听说过MethodHandle比反射快。但知其然更要知其所以然,否则很容易陷入“换了个写法,性能却没提升”的困境。关键在于理解其底层机制,并遵循正确的使用模式。 Meth

    查看更多
    精品专题 更多
    装机必备
    装机必备

    正软商城装机必备专区,精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件,帮助用户快速完成新电脑软件配置。

    Windows
    Windows

    正软商城Windows软件专区,汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件,提供软件介绍、系统要求、正版授权及购买下载服务。

    PDF教程
    PDF教程

    正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法,同时介绍常用PDF软件和工具的使用技巧。

    Mac软件 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    Aperty macOS版
    Aperty macOS版
    macOS

    Aperty 是 Skylum 推出的 AI 人像修图软件,支持自然肤质修饰、瑕疵处理、面部与身体调整、预设及批量同步。

    WINDOWS 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    PixTV 网页版
    PixTV 网页版
    Windows

    PixTV 是一款在浏览器中使用的 AI 视觉内容创作平台,提供图片、视频、音频、文字生成、AI 分镜、局部重绘、提示词反推和无限画布等工具,适合短剧、漫剧、广告及社交媒体内容制作。