2021 年的研究發(fā)現(xiàn)，驚人的 96% 的受訪者正在使用 Kubernetes 或計(jì)劃在不久的將來使用它——而 69% 的受訪者目前正在生產(chǎn)中使用 Kubernetes。Kubernetes 為大型組織和小型組織提供了許多好處：它提高了開發(fā)人員的生產(chǎn)力、降低了成本、提高了效率，并最終為最終用戶帶來了更好的體驗(yàn)。

但是，雖然Kubernetes 有很多優(yōu)勢，但它也帶來了一些挑戰(zhàn)。對(duì)于在 K8s 上運(yùn)行工作負(fù)載的團(tuán)隊(duì)來說，實(shí)施全面的監(jiān)控堆棧是一個(gè)重要的早期步驟。在這篇文章中，我們將探討四種開源工具和技術(shù)，你可以使用它們來減少停機(jī)時(shí)間、更有效地進(jìn)行故障排除，并全面了解集群內(nèi)發(fā)生的一切。

開源工具和技術(shù)

云原生計(jì)算基金會(huì) (CNCF) 已經(jīng)孵化和畢業(yè)了許多用于監(jiān)控和可觀察性的驚人技術(shù)和工具。其中四種工具和技術(shù)特別有用，可以被各種規(guī)模的組織利用。讓我們跳進(jìn)去。

指標(biāo)和警報(bào)

Prometheus于 2016 年 5 月 9 日被 CNCF 接受，是一個(gè)功能強(qiáng)大且 100% 開源的工具和時(shí)間序列數(shù)據(jù)庫。借助 Prometheus，工程團(tuán)隊(duì)能夠大規(guī)模收集指標(biāo)并配置警報(bào)。Prometheus 被新生的初創(chuàng)公司以及世界上一些最大的公司使用，例如 Digital Ocean、Ericsson 和 Docker。借助 Prometheus，團(tuán)隊(duì)能夠使用PromQL編寫查詢并創(chuàng)建臨時(shí)表、圖表和警報(bào)。借助 Alertmanager，團(tuán)隊(duì)能夠使用預(yù)配置和可自定義的警報(bào)來識(shí)別發(fā)生的重要問題。使用警報(bào)規(guī)則，用戶可以使用 Prometheus 表達(dá)式語言定義警報(bào)條件，然后將通知發(fā)送到外部服務(wù)。

Prometheus 有一個(gè)內(nèi)置的可視化工具集，但通常與另一個(gè)可視化工具配對(duì)，例如Grafana或ContainIQ。將 Prometheus 連接到可視化工具很容易；Grafana 中有大量可用的預(yù)構(gòu)建儀表板。由于 Prometheus 有許多集成和現(xiàn)有的導(dǎo)出器，因此使用官方導(dǎo)出器以及外部維護(hù)的選項(xiàng)將第三方指標(biāo)橋接到 Prometheus 非常容易。

Prometheus 是 CNCF 的畢業(yè)項(xiàng)目。在GitHub 上，Prometheus 擁有超過 42,000 顆星和來自 700 多名貢獻(xiàn)者的貢獻(xiàn)。

鏈路追蹤

Jaeger于 2017 年 9 月 13 日被 CNCF 接受，是一個(gè)分布式追蹤的開源平臺(tái)。使用 Jaeger，工程師可以通過分布式事務(wù)監(jiān)控或跟蹤進(jìn)行監(jiān)控和故障排除。與 Prometheus 一樣，Jaeger 被大大小小的團(tuán)隊(duì)使用，并且被設(shè)計(jì)為大規(guī)模使用。像 Uber 這樣的公司使用 Jaeger 每天處理數(shù)十億個(gè) span。

Jaeger 對(duì)于分析性能和延遲以及進(jìn)行優(yōu)化特別有用。使用 Jaeger，執(zhí)行根本原因分析和研究服務(wù)依賴關(guān)系要容易得多。例如，Jaeger 可用于識(shí)別特定微服務(wù)的延遲峰值，包括影響最終用戶體驗(yàn)的那些。Prometheus 和 Jaeger經(jīng)常一起使用：Prometheus 提供了一個(gè)工具集來檢測你的基礎(chǔ)設(shè)施中的問題，而 Jaeger 通過深入研究各個(gè)請(qǐng)求來幫助你解決這些問題。

Jaeger 有一個(gè)名為 Jaeger Web UI 的原生 UI，它是用 Javascript 實(shí)現(xiàn)的。Jaeger 和 Kubernetes入門是一個(gè)簡單的過程。Jaeger Operator 可以安裝在 Kubernetes 集群上，并且可以為特定命名空間或整個(gè)集群啟用。Jaeger 是 CNCF 的畢業(yè)項(xiàng)目。在 GitHub 上，Jaeger 擁有超過 15,000 顆星和來自 200 多名貢獻(xiàn)者的貢獻(xiàn)。

標(biāo)準(zhǔn)化指標(biāo)、日志、跟蹤

OpenTelemetry于 2019 年 5 月 17 日被 CNCF 接受，是一組工具、API 和 SDK，用于檢測、生成、收集和導(dǎo)出遙測數(shù)據(jù)。通過使用 OpenTelemetry，工程師能夠收集指標(biāo)、日志和跟蹤，因此他們可以更深入地挖掘其基礎(chǔ)設(shè)施和應(yīng)用程序的性能。

OpenTelemetry 是開源的、供應(yīng)商中立的，并且在可觀察性方面受到許多大公司以及云提供商本身的支持。微服務(wù)架構(gòu)有很多好處，但是當(dāng)它們被大規(guī)模部署時(shí)，工程團(tuán)隊(duì)可能會(huì)更難以查看服務(wù)的執(zhí)行情況以及它們?nèi)绾斡绊懫渌?wù)。指標(biāo)、日志和跟蹤可以讓團(tuán)隊(duì)全面了解正在發(fā)生的事情，但收集這些數(shù)據(jù)需要運(yùn)行、操作和維護(hù)多個(gè)代理/收集器，這可能是一個(gè)挑戰(zhàn)。

OpenTelemetry 通過標(biāo)準(zhǔn)化將數(shù)據(jù)發(fā)送到可觀察性后端的格式來解決這個(gè)問題，無論它是開源工具還是付費(fèi)解決方案。它消除了供應(yīng)商鎖定的風(fēng)險(xiǎn)，因?yàn)閳F(tuán)隊(duì)現(xiàn)在能夠使用標(biāo)準(zhǔn)格式輕松地在后端之間切換。

OpenTelemetry 是一個(gè) CNCF 畢業(yè)項(xiàng)目，位于GitHub 上。

指標(biāo)的多集群和長期存儲(chǔ)

Thanos于 2019 年 7 月 20 日被 CNCF 接受，它是一個(gè)開源項(xiàng)目，使工程師能夠通過高度可用的長期存儲(chǔ)選項(xiàng)擴(kuò)展其 Prometheus 設(shè)置。Thanos 可以使用與 Prometheus 服務(wù)器在同一主機(jī)或同一 pod 上運(yùn)行的sidecar輕松與 Prometheus 集成。與 Prometheus 一樣，Thanos 并沒有特別依賴于 Kubernetes，但這是流行的用例。Thanos 旨在以多種重要方式改進(jìn) Prometheus。首先，借助 Thanos，工程師可以通過允許跨多個(gè)服務(wù)和集群進(jìn)行查詢來擴(kuò)展他們的 Prometheus 設(shè)置。對(duì)于跨多個(gè)集群運(yùn)行 Kubernetes 工作負(fù)載的公司來說，這是一種改進(jìn)的方法，可以通過集中視圖幫助節(jié)省時(shí)間。其次，借助 Thanos，團(tuán)隊(duì)能夠利用許多長期存儲(chǔ)選項(xiàng)，例如 S3。與 Prometheus 一樣，Thanos 可以與 Grafana 等可視化工具一起使用，并且它原生支持 Prometheus 查詢 API。Thanos 是一個(gè) CNCF 孵化項(xiàng)目。在GitHub 上，Thanos 擁有超過 10,000 顆星和來自 400 多名貢獻(xiàn)者的貢獻(xiàn)。

其他注意事項(xiàng)

以下是一些需要考慮的其他最佳實(shí)踐。

• 緩慢擴(kuò)展：雖然這些工具有很多好處，但團(tuán)隊(duì)在實(shí)施過程中應(yīng)該深思熟慮。在某些情況下，在整個(gè)基礎(chǔ)架構(gòu)中使用這些工具之前，在有限的集合中或在單個(gè)集群中或在暫存環(huán)境中測試這些工具中的每一個(gè)可能是有意義的。
• 考慮使用托管產(chǎn)品：今天，許多云提供商都提供托管解決方案。例如，亞馬遜和谷歌云都管理過 Prometheus 產(chǎn)品。
• 鼓勵(lì)團(tuán)隊(duì)合作：整個(gè)團(tuán)隊(duì)都可以了解如何使用這些工具。擁抱學(xué)習(xí)，并為你的工程團(tuán)隊(duì)提供他們需要的時(shí)間和資源，以便他們熟悉開源工具的世界。
• 警惕告警疲勞：告警疲勞是組織規(guī)模擴(kuò)大時(shí)的真正挑戰(zhàn)。努力設(shè)置可操作的警報(bào)，并考慮定期重新調(diào)整警報(bào)，以確保它們創(chuàng)造價(jià)值而不是浪費(fèi)時(shí)間。

總結(jié)

在本文中，我們介紹了四個(gè)工具集，它們可以增強(qiáng)和改進(jìn)對(duì)在 Kubernetes 上運(yùn)行工作負(fù)載的工程師的監(jiān)控。

Prometheus 是許多組織的首選時(shí)間序列數(shù)據(jù)庫，當(dāng)與 Thanos 一起使用時(shí)，它是一個(gè)長期的解決方案。

Jaeger 提供了修復(fù)你在基礎(chǔ)架構(gòu)中檢測到的問題所需的額外上下文。OpenTelemetry 已經(jīng)標(biāo)準(zhǔn)化了指標(biāo)、日志和跟蹤的格式和收集，讓團(tuán)隊(duì)高枕無憂并保持動(dòng)態(tài)。

這些工具共同提供了有效排除故障所需的指標(biāo)、日志和跟蹤，并確保你的最終用戶擁有出色的體驗(yàn)。