k8s监控之kube-state-metrics
容器监控之kube-state-metrics
参考:https://github.com/kubernetes/kube-state-metrics/tree/master/kubernetes
https://www.kubernetes.org.cn/5435.html
理论基础
metric-server(或heapster)是从api-server中获取cpu、内存使用率这种监控指标,并把他们发送给存储后端,如influxdb或云厂商,他当前的核心作用是:为HPA等组件提供决策指标支持。
kube-state-metrics关注于获取k8s各种资源的最新状态,如deployment或者daemonset,之所以没有把kube-state-metrics纳入到metric-server的能力中,是因为他们的关注点本质上是不一样的。metric-server仅仅是获取、格式化现有数据,写入特定的存储,实质上是一个监控系统。而kube-state-metrics是将k8s的运行状况在内存中做了个快照,并且获取新的指标,但他没有能力导出这些指标。
可以监控的指标
不能精确到每一个pod状态和客户端。
kube_configmap_info
kube_daemonset_
kube_deployment
kube_endpoint
kube_ingress
kube_namespace
kube_node
kube_pod_info
….
默认注释的监控项。
kube_persistent
kube_hpa
kube_poddisruption
安装部署
[root@mer kube-state-metrics]# for file in kube-state-metrics-service.yaml kube-state-metrics-cluster-role-binding.yaml kube-state-metrics-cluster-role.yaml kube-state-metrics-deployment.yaml kube-state-metrics-service-account.yaml;do wget https://raw.githubusercontent.com/kubernetes/kube-state-metrics/master/kubernetes/$file;done
[root@master kube-state-metrics]# kubectl apply -f ./
[root@master ~]# kubectl get pods -n kube-system|grep metric
kube-state-metrics-74f9f4ddb9-kzdbj 1/1 Running 0 19m
metrics-server-v0.3.3-6448dcfb78-rrhd8 2/2 Running 2 20h
[root@master ~]# kubectl get svc -n kube-system|grep metric
kube-state-metrics ClusterIP 10.103.111.189 <none> 8080/TCP,8081/TCP 20m
metrics-server ClusterIP 10.108.249.201 <none> 443/TCP 20h
[root@master ~]#
容器内部访问正常展示。
[root@master ~]#
需要通过ingress服务将其暴露出去。
访问正常,浏览器配置hosts文件,均正常。
相关命令汇总。
[root@master ~]# kubectl get svc -n kube-system
NAME TYPE CLUSTER-IP EXTERNAL-IP PORT(S) AGE
kube-state-metrics ClusterIP 10.103.111.189 <none> 8080/TCP,8081/TCP 101m
[root@master ~]# kubectl get ing -n kube-system
NAME HOSTS ADDRESS PORTS AGE
ingress-kube-state metrics.kube.state 80 25m
[root@master ~]# kubectl describe ing/ingress-kube-state -n kube-system
Name: ingress-kube-state
Namespace: kube-system
Address:
Default backend: default-http-backend:80 (<none>)
默认是Clusterip方式部署,通过ingress暴露服务。
[root@master ~]# cat ingress_kube-state.yaml
apiVersion: extensions/v1beta1
kind: Ingress
metadata:
name: ingress-kube-state
namespace: kube-system
spec:
rules:
- host: metrics.kube.state
http:
paths:
- path: /
backend:
serviceName: kube-state-metrics
servicePort: 8080
配置granfa组件,查看。
自此完成了容器监控kube-state-metrics服务部署和暴露对外访问。
转载于:https://www.cnblogs.com/sunnyyangwang/p/10943788.html
k8s监控之kube-state-metrics相关推荐
- Redis监控利器---Redis State
强烈推荐一个大神的人工智能的教程:http://www.captainbed.net/zhanghan [前言] 在之前的博文<Redis百万级别数据迁移>中分享我们系统为降低服务器成本, ...
- 【尚硅谷云原生Java架构师的第一课 4 2021-09-28】KubeSphere三种安装,docker,k8s,nfs安装,metrics。KubeKey一键单 多节点安装。
1.KubeSphere https://www.yuque.com/leifengyang/oncloud/gz1sls 介绍 sphere 英 /sfɪə(r)/ n. (活动.兴趣.专业知识的) ...
- prometheus k8s 监控告警
在K8S集群中部署Node-exporter.Prometheus.Grafana,同时使用Prometheus对K8S整个集群进行监控 一.K8S集群部署Node exporter 1.在Maste ...
- SkyWalking峰会:v9解密+BanyanDB首发+eBPF探针+K8s监控实践+函数计算可观测
出品 | CSDN云原生 Apache SkyWalking是中国首个,也是目前唯一的个人开源的Apache顶级项目.作为一个针对分布式系统的应用性能监控 APM 和可观测性分析平台,SkyWalki ...
- k8s监控prometheus+Grafana
Kubernetes集群资源监控 概述 监控指标 一个好的系统,主要监控以下内容 集群监控 节点资源利用率 节点数 运行Pods Pod监控 容器指标 应用程序[程序占用多少CPU.内存] 监控平台 ...
- k8s监控 heapster部署
更多kubernetes文章:k8s专栏目录 使用 https://github.com/kubernetes/heapster github上的配置启动heapster 目录位置 heapster/ ...
- k8s监控 heapster部署实践
更多kubernetes文章:k8s专栏目录 使用 https://github.com/kubernetes/heapster github上的配置启动heapster 目录位置 deploy/ku ...
- Java服务器性能监控(一) Metrics
引言 对于后台服务而言,我们除了需要保证其每个功能正常工作,我们还需要了解服务的运行情况,包括机器的物理性能(线程数,文件句柄数,内存占用大小,GC时间等)以及业务性能(关键流程的通过率.QPS以及响 ...
- 从PVC使用率看k8s 监控控制平面指标稳定性规范KEP
前言 kubernetes家大业大,监控纷繁复杂,感兴趣的小伙伴可以看看我之前写的文章从容器监控kube-stats-metrics看k8s众多组件 k8s中pv使用率监控 说明 虽然k8s最擅长的是 ...
最新文章
- Windows Server 2003 系列之Exchange 2003部署
- 网络营销——网络营销专员表明网站地图助力网站收录进一步提升
- c语言程序连接后扩展名为,C语言程序经过编译、连接后生成的可执行文件的扩展名是...
- labview当前vi路径_对于LabVIEW程序为什么生成EXE后,涉及到路径的输出不正确了?...
- 《C++ Primer 第五版》(第6.1~6.3节) 函数形参和实参传递,可变参数列表和函数返回值
- 获取选中_【字节】如何实现选中复制的功能
- C/C++[codeup 2003, 2056]图形输出
- Linux之Shell编程详解
- Video Caption(跨模态视频摘要/字幕生成)
- 贪心科技机器学习训练营(八)
- win10程序员软件列表(持续更新中...)
- QQ-360大战影响恶劣
- PyTorch非线性函数拟合
- MTTR、MTTF、MTBF
- 我经历的日本东京交通
- 镜头和相机的匹配问题
- Photoshop - 高反差保留
- 【数学模拟卷总结】2022李林四套卷数学二第四套
- AI 量化机器人,人工智能如何助你从股市发家?
- android 比较符合android构架,优雅的定义全局变量