有道 Kubernetes 容器API监控系统设计和实践

Posted 2021-08-21 有道技术团队

本期文章，我们将给大家分享有道容器服务API监控方案，这个方案同时具有轻量级和灵活性的特点，很好地体现了k8s集群化管理的优势，解决了静态配置的监控不满足容器服务监控的需求。并做了易用性和误报消减、可视化面板等一系列优化，目前已经超过80%的容器服务已经接入了该监控系统。

来源/ 有道技术团队微信公众号
作者/ 郭超容 王伟静
编辑/ hjy

1.背景

Kubernetes 已经成为事实上的编排平台的领导者、下一代分布式架构的代表，其在自动化部署、监控、扩展性、以及管理容器化的应用中已经体现出独特的优势。

在k8s容器相关的监控上， 我们主要做了几块工作，分别是基于prometheus的node、pod、k8s资源对象监控，容器服务API监控以及基于grafana的业务流量等指标监控。

在物理机时代，我们做了分级的接口功能监控——域名级别接口监控和机器级别监控，以便在某个机器出现问题时，我们就能快速发现问题。

上图中，左边是物理机时代对应的功能监控，包括域名级别接口监控和3台物理机器监控。右边是对应的k8s环境，一个service的流量会由k8s负载均衡到pod1，pod2，pod3中，我们分别需要添加的是service和各个pod的监控。

由于K8s中的一切资源都是动态的，随着服务版本升级，生成的都是全新的pod，并且pod的ip和原来是不一样的。

综上所述，传统的物理机API不能满足容器服务的监控需求，并且物理机功能监控需要手动运维管理，为此我们期望设计一套适配容器的接口功能监控系统，并且能够高度自动化管理监控信息，实现pod API自动监控。

2.技术选型

为了满足以上需求，我们初期考虑了以下几个方案。

1. 手动维护各个service 和pod 监控到目前物理机使用的podmonitor开源监控系统。

2. 重新制定一个包含k8s目录树结构的系统，在这个系统里面看到的所有信息都是最新的， 在这个系统里面，可以做我们的目录树中指定服务的发布、功能监控、测试演练等。

3. 沿用podmonitor框架，支持动态获取k8s集群中最新的服务和pod信息，并更新到监控系统中。

+方案分析+

针对方案一，考虑我们服务上线的频率比较高，并且k8s设计思想便是可随时自动用新生成的pod（环境）顶替原来不好用的pod，手动维护pod监控效率太低，该方案不可行。

第二个方案应该是比较系统的解决办法，但需要的工作量会比较大，这种思路基本全自己开发，不能很好的利用已有的功能监控系统，迁移成本大。

于是我们选择了方案三，既能兼容我们物理机的接口功能监控方案，又能动态生成和维护pod监控。

3.整体设计思路

k8s监控包括以下几个部分：

其中API功能监控，是我们保证业务功能正确性的重要监控手段。

通常业务监控系统都会包含监控配置、数据存储、信息展示，告警这几个模块，我们的API功能监控系统也不例外。

我们沿用apimonitor框架功能，并结合了容器服务功能监控特点，和已有的告警体系，形成了我们容器API功能监控系统结构：

首先介绍下目前我们物理机使用的apimonitor监控：一个开源的框架
https://gitee.com/ecar_team/a...

可以模拟探测http接口、http页面，通过请求耗时和响应结果来判断系统接口的可用性和正确性。支持单个API和多个API调用链的探测。

如下图所示，第一行监控里面监控的是图片翻译服务域名的地址，后边的是各台物理机的ip：端口。

点开每条监控

我们沿用apimonitor框架的大部分功能，其中主要的适配和优化包括：

1. 监控配置和存储部分：一是制定容器服务service级别监控命名规则：集群.项目.命名空间.服务；（和k8s集群目录树保持一致，方便根据service生成pod监控），二是根据service监控和k8s集群信息动态生成pod级别监控，

2. 监控执行调度器部分不用改动

3. 信息展示部分，增加了趋势图和错误汇总图表

4. 告警部分，和其它告警使用统一告警组。

4.具体实践操作

4.1 添加service 级别API监控告警

需要为待监控服务，配置一个固定的容service级别监控。

service级别监控命名规则：集群.项目.命名空间.服务

以词典查词服务为例，我们配置一条service级别的多API监控（也可以是单API监控）

· 单API：一个服务只需要加一条case用

· 多API：如果一个服务需要加多条功能case

其中“所属系统” 是服务所属的告警组，支持电话、短信、popo群、邮件等告警方式（和其它监控告警通用）

任务名称：取名规则，rancher中k8s集群名字.项目名字.命名空间名字.service名字（一共四段）

告警消息的字段含义：

docker-dict:告警组，订阅后会收到告警消息

k8s-prod-th：集群

dict: 项目

dict:命名空间

data-server：workload名字

data-server-5b7d996f94-sfjwn：pod名字

{} ：接口返回内容, 即：response.content

http://dockermonitor.xxx.youdao.com/monitorLog?guid=61bbe71eadf849558344ad57d843409c&name=k8s-prod-th.dict.dict.data-server.data-server-5b7d996f94-sfjwn : 告警详细链接

4.2 自动生成pod API监控

自动生成下面三行监控任务：（第一行监控是按上面方法配置的容器service ip监控，后边三行是自动生成pod监控任务 ）

监控service级别是单API，则自动生成的是单API，service级别是多API，则自动生成的是多API监控。

自动生成的pod级别监控，除了最后两行标红处（ip: port）和service级别不一样，其他都一样。

实现pod自动生成的方法

1.给podmonitor（改框架是java语言编写的），增加一个java模块，用来同步k8s信息到podmonitor中。考虑到修改podmonitor中数据这个行为，本身是可以独立于框架的，可以不修改框架任何一行代码就能实现数据动态更新。

2.对比podmonitor数据库和k8s集群中的信息，不一致的数据，通过增删改查db，增加pod的监控。由于数据之间存在关联性，有些任务添加完没有例行运行，故采用了方法三。

3.对比podmonitor数据库和k8s集群中的信息，不一致的数据，通过调用podmonitor内部接口添加/删除一项监控，然后调接口enable /disable job等。按照可操作性难易， 我们选择了方法三

针对于k8s集群中查到的一条pod信息：总共有三种情况：

1.对于表中存在要插入pod的监控信息记录，并且enable状态为1。则认为该pod的监控不需要改变

2.对于表中存在要插入pod的监控信息记录（删除操作并不会删除源数据信息），并且enable状态为0。则认为该pod的监控已被删除或者被停止。调用删除操作， 清空QRTZ （例行任务插件）表中的响应内容， 调用delete db操作清出监控信息相关表中的内容（使得监控记录不至于一直在增长）

3.对于表中不存在pod相关信息记录， 则需要新增加的一个pod。调用post 创建监控任务接口（根据service 监控配置）， 并调用get请求设置接口为监控enabled状态。

另外对于已经在物理机podmonitor中添加了监控的服务，提供了一个小脚本，用于导出物理机podmonitor域名级别监控到docker monitor监控中。

5.难点和重点问题解决

5.1 误报消减

5.1.1上线告警抑制

由于服务重启期间，会有removing状态和未ready状态的pod，在dockermonitor系统中存在记录，会引起误报。
我们的解决方法是提供一个通用脚本，根据k8s服务的存活检查时间，计算容器服务的发布更新时间，确定再自动开启服务监控的时机。实现在服务重启时间段，停止该服务的接口功能告警；存活检查时间过了之后，自动开启监控。
如下如所示，即Health Check中的Liveness Check检查时间。

在我们上线发布平台上衔接了该告警抑制功能。

5.1.2弹性扩缩容告警抑制

原来我们通过查询rancher的 API接口得到集群中全量信息，在我们服务越来越多之后， 查询一次全量信息需要的时间越来越长，基本需要5min左右。在这个过程中，存在docker-monitor和k8s集群中的信息不一致的情况。一开始试图通过按照业务分组，并行调用rancher接口得到业务k8s集群信息。时间从5min缩短到1min多钟。误报有一定的减少， 但从高峰期到低谷期时间段， 仍然会有若干pod在k8s集群中缩掉了， 但docker-monitor中仍有相应的告警。

在调研了一些方案之后，我们通过k8s增量事件（如pod增加、删除）的机制，拿到集群中最新的信息，pod的任何变更,3s钟之内就能拿到。

通过es的查询接口，使用 filebeat-system索引的日志， 把pod带有关键字Releasing address using workloadID （更及时），或kube-system索引的日志: Deleted pod: xx delete 。

通过这个方案，已经基本没有误报。

5.2策略优化

为了适配一些API允许一定的容错率，我们在apimonitor框架中增加了重试策略（单API和多API方式均增加该功能）

为了适配各类不同业务，允许设置自定义超时时间

5.3易用性

增加复制等功能，打开一个已有的告警配置，修改后点击复制， 则可创建一个新的告警项
使用场景: 在多套环境（预发、灰度和全量）监控，以及从一个相似API接口微调得到新API监控

5.4业务适配

精品课对服务的容器化部署中使用了接口映射机制，使用自定义的监听端口来映射源端口，将service的监听端口作为服务的入口port供外部访问，如下图所示。当service的监听端口收到请求时，会将请求报文分发到pod的源端口，因此对pod级别的监控，需要找到pod的源端口。

我们分析了rancher提供的服务API文件后发现，在端口的配置信息中，port.containerPort为服务的监听端口，port.sourcePort为pod的监听端口，port.name包含port.containerPo
-rt和port.sourcePort的信息，由此找到了pod的源端口与service监听端口的关键联系，从而实现了对精品课服务接入本平台的支持。

6.上线效果

1.容器服务API监控统一，形成一定的规范，帮助快速发现和定位问题。
通过该容器API监控系统，拦截的典型线上问题有：

· xx上线误操作
· 依赖服务xxxlib版本库问题
· dns server解析问题
· xxx服务OOM问题
· xxx服务堆内存分配不足问题
· xx线上压测问题
· 多个业务服务日志写满磁盘问题
· 各类功能不可用问题
·…

2.同时增加了API延时趋势图标方便评估服务性能：

错误统计表方便排查问题：

结合我们k8s资源对象监控，和grafana的业务流量等指标监控，线上故障率显著减少，几个业务的容器服务0故障。

7.总结与展望

7.1总结

本期文章中我们介绍了基于静态API监控和K8s集群化管理方案，设计了实时的自动容器API监控系统。

通过上述方案，我们能够在业务迁移容器后，很快地从物理机监控迁移到容器监控。统一的监控系统，使得我们线上服务问题暴露更及时、故障率也明显减少

7.2展望

1.自动同步k8s服务健康检查到docker-monitor系统，保证每一个服务都有监控。

2.集成到容器监控大盘中，可以利用大盘中k8s资源目录树，更快查找指定服务，以及关联服务的grafana指标等监控。

3.自动恢复服务，比如在上线指定时间内，发生API监控告警，则自动回滚到上一版本，我们希望监控不仅能发现问题，还能解决问题。

监只是手段，控才是目标。

8.结语

Docker技术将部署过程代码化和持续集成，能保持跨环境的一致性，在应用开发运维的世界中具有极大的吸引力。

而k8s做了docker的集群化管理技术，它从诞生时就自带的平台属性，以及良好的架构设计，使得基于K8s容器可以构建起一整套可以解决上述问题的“云原生”技术体系，也降低了我们做持续集成测试、发布、监控、故障演练等统一规划和平台的难度。目前有道业务服务基本都上线到容器，后续我们将陆续迁移基础服务，实现整体的容器化。

我们也会不断积极拥抱开源，借鉴业界成功案例，寻找适合我们当前业务发展需要的理想选型。

-END-