Kubernetes监控之Heapster介绍

什么是Heapster？

Heapster是容器集群监控和性能分析工具，天然的支持Kubernetes和CoreOS。
Kubernetes有个出名的监控agent---cAdvisor。在每个kubernetes Node上都会运行cAdvisor，它会收集本机以及容器的监控数据(cpu,memory,filesystem,network,uptime)。
在较新的版本中，K8S已经将cAdvisor功能集成到kubelet组件中。每个Node节点可以直接进行web访问。

cAdvisor web界面访问： http://< Node-IP >:4194
cAdvisor也提供Restful API: https://github.com/google/cadvisor/blob/master/docs/api.md

Heapster是一个收集者，将每个Node上的cAdvisor的数据进行汇总，然后导到第三方工具(如InfluxDB)。

框架图：

Heapster首先从K8S Master获取集群中所有Node的信息，然后通过这些Node上的kubelet获取有用数据，而kubelet本身的数据则是从cAdvisor得到。所有获取到的数据都被推到Heapster配置的后端存储中，并还支持数据的可视化。现在后端存储 + 可视化的方法，如InfluxDB + grafana。

Heapster使用

这里主要介绍Heapster的API使用，及可获取的Metrics。
参考资料：
API文档： https://github.com/kubernetes/heapster/blob/master/docs/model.md
Metrics: https://github.com/kubernetes/heapster/blob/master/docs/storage-schema.md

API文档及可用Metrics在官方文档中都介绍的比较齐全。下面用几条测试命令来解释API使用：

# 获取支持的metrics
# curl -L http://:8082/api/v1/model/metrics

# 列出所有的Nodes支持的metrics
# curl -L http://:8082/api/v1/model/nodes/metrics

# 查看对应Pod的cpu使用率
# curl -L http://:8082/api/v1/model/namespaces//pods//metrics/cpu-usage

Heapster系统部署

我们采用Heapster以InfluxDB作为数据存储后端，再配合Grafana的前端进行数据可视化的系统监控方案，进行部署。

镜像制作：

Heapster的版本：v0.19.0

没有采用最新的Heapster版本，是因为我们使用的Kubernets版本为较旧的v1.0.3，较新的Heapster版本不兼容该K8S版本。

Heapster镜像：
进入heapster-0.19.0//deploy/docker,使用build.sh进行镜像制作。该脚本会依赖go环境进行heapster源码编译，所以需要提前安装go环境(go和godep的安装)。

InfluxDB和Grafana镜像：
这两个镜像的Dockerfile分别在根目录下的对应文件中，只需查看Makefile进行对应的命令编译制作镜像即可。Dockerfile会依赖一些基础镜像，最好提前下载好。

容器的运行

Heapster容器的运行可以依赖Kubernetes进行部署，也可以单独使用docker命令进行部署。

Kubernetes部署：
直接依赖heapster-0.19.0/deploy/kube-config/influxdb/目录下的yaml文件，
使用kubectl create -f heapster-0.19.0/deploy/kube-config/influxdb/命令进行部署。

我们没有采用该方式，是考虑到如果K8S和监控系统相互依赖，会导致K8S异常之后，存在监控系统无法使用的隐患。
但是直接使用单独的容器进行部署，也需要考虑到监控容器异常退出了，谁来维护重启？
需要进行权衡？
还需要注意一点：Heapster会使用内存进行数据缓存，容易撑爆内存，导致容器OOM

Docker命令部署：
使用docker命令进行部署的话，需要传入各种参数，该参数可以参考kubernetes部署使用到的yaml文件。
具体命令如下：

InfluxDB:
docker run -p 8083:8083 -p 8086:8086 --net=host -v /data heapster_influxdb:canary
注：data是数据存储目录，需要考虑数据可持久化，并且能保证容器重启不影响数据。

Grafana:
docker run -p 3000:3000 --net=host -e INFLUXDB_SERVICE_URL=http://172.25.5.151:8086 -e GF_AUTH_BASIC_ENABLED="false" -e GF_AUTH_ANONYMOUS_ENABLED="true" -e GF_AUTH_ANONYMOUS_ORG_ROLE="Admin" -e GF_SERVER_ROOT_URL=/ -v /var heapster_grafana:canary

Heapster:
docker run -it -p 8082:8082 --net=host heapster:canary --source=kubernetes:http://172.25.5.150:8080?inClusterConfig=false\&useServiceAccount=false --sink=influxdb:http://172.25.5.151:8086

Heapster命令参考相对较为重要，可以参考官方文档，具体如下：

--source: 指定数据获取源。这里我们指定kube-apiserver即可。
后缀参数：
inClusterConfig:
kubeletPort: 指定kubelet的使用端口，默认10255
kubeletHttps: 是否使用https去连接kubelets(默认：false)
apiVersion: 指定K8S的apiversion
insecure: 是否使用安全证书(默认：false)
auth: 安全认证
useServiceAccount: 是否使用K8S的安全令牌
--sink: 指定后端数据存储。这里指定influxdb数据库。
后缀参数：
user: InfluxDB用户
pw: InfluxDB密码
db: 数据库名
secure: 安全连接到InfluxDB(默认：false)
withfields：使用InfluxDB fields(默认：false)。可以参考Here