前言

?承接上文?,我們在基于Ubuntu 2204使用kubeadm部署了k8s集群,且基于helm部署了metrics-server.

然后我們可以很歡快的使用kubectl top命令查看node、pod的實時資源使用情況：如CPU、內存。

本文將介紹其數據鏈路和實現原理，同時會闡述k8s中的監控體系。

kubectl top

kubectl top是我們經常使用的基礎命令，但是必須需要部署metrics-server組件，才能獲取到監控值。

• 在kubernetes 1.8版本之前，則需要部署heapter， 現已被廢棄。
• 在kubernetes1.8以及以上，則需要部署metrics-server。

我們所使用的版本是1.24.3的最新版本，所以一定要部署metrics-server。

查看node的資源使用情況。

$ kubectl top node
NAME         CPU(cores)   CPU%   MEMORY(bytes)   MEMORY%
k8s-unode1   158m         7%     1814Mi          47%
k8s-unode2   50m          2%     874Mi           23%
k8s-unode3   51m          2%     943Mi           24%
k8s-unode4   45m          2%     905Mi           23%
$ kubectl top node k8s-unode1
NAME         CPU(cores)   CPU%   MEMORY(bytes)   MEMORY%
k8s-unode1   160m         8%     1811Mi          47%

查看pod的資源使用情況，--containers可以顯示pod內所有的container。

$ kubectl top pod -n metrics-server
NAME                              CPU(cores)   MEMORY(bytes)
metrics-server-56c6866684-w6n9b   5m           17Mi
$ kubectl top pod --containers -n metrics-server
POD                               NAME             CPU(cores)   MEMORY(bytes)
metrics-server-56c6866684-w6n9b   metrics-server   5m           17Mi

指標的具體含義：

• 這里CPU 的m 和 memory 的 mi 與k8s中 request、limit是一致的，cpu單位的100m=0.1 內存單位 1MI=1204Ki。
• pod的內存值是其內存的實際使用量，也是做limit限制時判斷oom的依據。pod的使用量等于其所有業務容器的綜合，但是不包含pause容器。與Cadvisr中的container_memory_working_set_bytes 指標值相等。
• node的值并不等于該node上所有pod值的總和，也不等于直接在機器上執行top或free所得到的值。

kubectl top pod 內存計算

每次啟動 pod，都會有一個 pause 容器，既然是容器就一定有資源消耗（一般在 2-3M 的內存），cgroup 文件中，業務容器和 pause 容器都在同一個 pod的文件夾下。

但 cadvisor 在查詢 pod 的內存使用量時，是先獲取了 pod 下的container列表，再逐個獲取container的內存占用，不過這里的 container 列表并沒有包含 pause，因此最終 top pod 的結果也不包含 pause 容器。

pod 的內存使用量計算

kubectl top pod 得到的內存使用量，并不是cadvisor 中的container_memory_usage_bytes，而是container_memory_working_set_bytes，計算方式為：

• container_memory_usage_bytes == container_memory_rss + container_memory_cache + kernel memory。
• container_memory_working_set_bytes = container_memory_usage_bytes – total_inactive_file（未激活的匿名緩存頁）。

container_memory_working_set_bytes是容器真實使用的內存量，也是limit限制時的 oom 判斷依據。

kubectl top命令和 top 的差異和上邊 一致，無法直接對比，同時，就算你對 pod 做了limit 限制，pod 內的 top 看到的內存和 cpu總量仍然是機器總量，并不是pod 可分配量。

• 進程的RSS為進程使用的所有物理內存（file_rss＋anon_rss），即Anonymous pages＋Mapped apges（包含共享內存）。
• cgroup RSS為（anonymous and swap cache memory），不包含共享內存。兩者都不包含file cache。

實現原理

數據鏈路

k8s dashboard、kubectl top等都是通過apiserver獲取監控數據，數據鏈路如下：

• 使用 heapster 時：apiserver 會直接將metric請求通過 proxy 的方式轉發給集群內的 hepaster 服務。
• 使用 metrics-server 時：apiserver是通過/apis/metrics.k8s.io/的地址訪問metric。

監控體系

在提出 metric api 的概念時，官方頁提出了新的監控體系，監控資源被分為了2種：

• Core metrics(核心指標)：從 Kubelet、cAdvisor 等獲取度量數據，再由metrics-server提供給 Dashboard、HPA 控制器等使用。
• Custom Metrics(自定義指標)：由Prometheus Adapter提供API custom.metrics.k8s.io，由此可支持任意Prometheus采集到的指標。

• 核心指標只包含node和pod的cpu、內存等，一般來說，核心指標作HPA已經足夠，但如果想根據自定義指標:如請求qps/5xx錯誤數來實現HPA，就需要使用自定義指標了。
• 目前Kubernetes中自定義指標一般由Prometheus來提供，再利用k8s-prometheus-adpater聚合到apiserver，實現和核心指標（metric-server)同樣的效果。

kubelet

無論是廢棄的heapster還是metric-server，都只是數據的中轉和聚合；兩者都是調用的kubelet的api接口獲取的數據。kubelet代碼中實際集成了采集指標的cAdvisor模塊，可以通過kubelet暴露的10250端口獲取監控數據。

• Kubelet Summary metrics: 127.0.0.1:10250/metrics，暴露 node、pod 匯總數據。
• Cadvisor metrics: 127.0.0.1:10250/metrics/cadvisor，暴露 container 維度數據。

kubelet雖然提供了 metric 接口，但實際監控邏輯由內置的cAdvisor模塊負責。

cAdvisor

cAdvisor由谷歌開源，使用go語言開發。項目地址：https://github.com/google/cadvisor。

cadvisor不僅可以搜集一臺機器上所有運行的容器信息，包括CPU使用情況、內存使用情況、網絡吞吐量及文件系統使用情況，還提供基礎查詢界面和http接口，方便其他組件進行數據抓取。在K8S中集成在Kubelet里作為默認啟動項，k8s官方標配。

cadvisor獲取指標時實際調用的是 runc/libcontainer庫，而libcontainer是對 cgroup文件 的封裝，即 cadvsior也只是個轉發者，它的數據來自于cgroup文件。

cgroup

cgroup文件中的值是監控數據的最終來源，如：

• mem usage的值，來自于/sys/fs/cgroup/memory/docker/[containerId]/memory.usage_in_bytes。
• 如果沒限制內存，Limit = machine_mem，否則來自于 /sys/fs/cgroup/memory/docker/[id]/memory.limit_in_bytes。
• 內存使用率 = memory.usage_in_bytes/memory.limit_in_bytes。

一般情況下，cgroup文件夾下的內容包括CPU、內存、磁盤、網絡等信息。

device：設備控制權限
cpuset：分配指定的CPU和內存節點
cpu：控制CPU占用率
cpuacct：統計CPU使用情況
memory：限制內存的使用上限
freezer：凍結Cgroup中的進程
net_cls：配合（traffic controller）限制網絡帶寬
net_prio：設置進程的網絡流量優先級
huge_tlb：限制HugeTLB的使用
pref_event：允許perf工具基于cgrgoup分組做性能監測

memory下的幾個常用的指標含義：

memory.usage_in_bytes: 已使用的內存量（包含cache和buffer）字節，相當于linux的userd_mem
memory.limit_in_bytes: 限制的內存總量（字節），相當于linux的total_mem
memory.failcnt:    申請內存失敗次數計數
memory.stat: 內存相關狀態
memory.memsw.usage_in_bytes:  已使用內存和swap
memory.memsw.limit_in_bytes: 限制的內存和swap
memory.memsw.failcnt: 申請內存和swap失敗次數計數