如何結合Kvass與Thanos實現大規模容器集群的監控

本篇內容主要講解“如何結合Kvass與Thanos實現大規模容器集群的監控”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實用性強。下面就讓小編來帶大家學習“如何結合Kvass與Thanos實現大規模容器集群的監控”吧!

有 Thanos 不夠嗎 ?

有同學可能會問，Thanos 不就是為了解決 Prometheus 的分布式問題么，有了 Thanos 不就可以實現大規模的 Prometheus 監控了嗎？為什么還需要個 Kvass？ Thanos 解決了 Prometheus 的分布式存儲與查詢的問題，但沒有解決 Prometheus 分布式采集的問題，如果采集的任務和數據過多，還是會使 Prometheus 達到的瓶頸，不過對于這個問題，我們在系列的第一篇 大規模場景下 Prometheus 的優化手段 中就講了一些優化方法:

1. 從服務維度拆分采集任務到不同 Prometheus 實例。

2. 使用 Prometheus 自帶的 hashmod 對采集任務做分片。

但是，這些優化方法還是存在一些缺點:

1. 配置繁瑣，每個 Prometheus 實例的采集配置都需要單獨配。

2. 需要提前對數據規模做預估才好配置。

3. 不同 Prometheus 實例采集任務不同，負載很可能不太均衡，控制不好的話仍然可能存在部分實例負載過高的可能。

4. 如需對 Prometheus 進行擴縮容，需要手動調整，無法做到自動擴縮容。

Kvass 就是為了解決這些問題而生，也是本文的重點。

什么是 Kvass ?

Kvass 項目是騰訊云開源的輕量級 Prometheus 橫向擴縮容方案，其巧妙的將服務發現與采集過程分離，并用 Sidecar 動態給 Prometheus 生成配置文件，從而達到無需手工配置就能實現不同 Prometheus 采集不同任務的效果，并且能夠將采集任務進行負載均衡，以避免部分 Prometheus 實例負載過高，即使負載高了也可以自動擴容，再配合 Thanos 的全局視圖，就可以輕松構建只使用一份配置文件的超大規模集群監控系統。下面是 Kvass+Thanos 的架構圖:

更多關于 Kvass 的詳細介紹，請參考 如何用 Prometheus 監控十萬 container 的 Kubernetes 集群 ，文章中詳細介紹了原理和使用效果。

部署實踐

部署準備

首先下載 Kvass 的 repo 并進入 examples 目錄:

git clone https://github.com/tkestack/kvass.git
cd kvass/examples

在部署 Kvass 之前我們需要有服務暴露指標以便采集，我們提供了一個 metrics 數據生成器，可以指定生成一定數量的 series，在本例子中，我們將部署 6 個 metrics 生成器副本，每個會生成 10045 series，將其一鍵部署到集群:

kubectl create -f  metrics.yaml

部署 Kvass

接著我們來部署 Kvass:

kubectl create -f kvass-rbac.yaml # Kvass 所需的 RBAC 配置
kubectl create -f config.yaml # Prometheus 配置文件
kubectl create -f coordinator.yaml # Kvass coordinator 部署配置

其中，config.yaml 的 Prometheus 配置文件，配了對剛才部署的 metrics 生成器的采集:

global:
  scrape_interval: 15s
  evaluation_interval: 15s
  external_labels:
    cluster: custom
scrape_configs:
- job_name: 'metrics-test'
  kubernetes_sd_configs:
    - role: pod
  relabel_configs:
  - source_labels: [__meta_kubernetes_pod_label_app_kubernetes_io_name]
    regex: metrics
    action: keep
  - source_labels: [__meta_kubernetes_pod_ip]
    action: replace
    regex: (.*)
    replacement: ${1}:9091
    target_label: __address__
  - source_labels:
    - __meta_kubernetes_pod_name
    target_label: pod

coordinator.yaml 我們給 Coordinator 的啟動參數中設置每個分片的最大 head series 數目不超過 30000:

--shard.max-series=30000

然后部署 Prometheus 實例(包含 Thanos Sidecar 與 Kvass Sidecar)，一開始可以只需要單個副本:

kubectl create -f prometheus-rep-0.yaml

如果需要將數據存儲到對象存儲，請參考上一篇 Thanos 部署與實踐 對 Thanos Sidecar 的配置進行修改。

部署 thanos-query

為了得到全局數據，我們需要部署一個 thanos-query:

kubectl create -f thanos-query.yaml

根據上述計算，監控目標總計 6 個 target, 60270 series，根據我們設置每個分片不能超過 30000 series，則預期需要 3 個分片。我們發現，Coordinator 成功將 StatefulSet 的副本數改成了 3。

$ kubectl get pods
NAME                                READY   STATUS    RESTARTS   AGE
kvass-coordinator-c68f445f6-g9q5z   2/2     Running   0          64s
metrics-5876dccf65-5cncw            1/1     Running   0          75s
metrics-5876dccf65-6tw4b            1/1     Running   0          75s
metrics-5876dccf65-dzj2c            1/1     Running   0          75s
metrics-5876dccf65-gz9qd            1/1     Running   0          75s
metrics-5876dccf65-r25db            1/1     Running   0          75s
metrics-5876dccf65-tdqd7            1/1     Running   0          75s
prometheus-rep-0-0                  3/3     Running   0          54s
prometheus-rep-0-1                  3/3     Running   0          45s
prometheus-rep-0-2                  3/3     Running   0          45s
thanos-query-69b9cb857-d2b45        1/1     Running   0          49s

我們再通過 thanos-query 來查看全局數據，發現數據是完整的(其中 metrics0 為指標生成器生成的指標名):

如果需要用 Grafana 面板查看監控數據，可以添加 thanos-query 地址作為 Prometheus 數據源: http://thanos-query.default.svc.cluster.local:9090。

到此，相信大家對“如何結合Kvass與Thanos實現大規模容器集群的監控”有了更深的了解，不妨來實際操作一番吧！這里是億速云網站，更多相關內容可以進入相關頻道進行查詢，關注我們，繼續學習！