本文属于 k8s 监控系列，其余文章为：
k8s 监控的第四篇文章，这篇文章讲的是监控宿主机的指标。官方和大部分使用者都会使用 node_exporter 完成此项工作，但是我更喜欢 telegraf。原因在于 node_exporter 有以下几大痛点：
- 指标太多，仅 cpu 而言，每个 cpu 核心都有 6 个指标，如果 72 核心，那么光 cpu 的指标就有 432 个，难以理解；
- 无法自定义要收集的指标，你要么收集这类指标，要么就不收集，而不能只收集这类指标的某些部分；
- 不支持自定义监控脚本；
- 没有 tcp 的 11 种状态的指标（或许我不知道怎么看？），也不知道搞那么多网络指标干啥，一个都看不懂。
而 telegraf 就没有这方面的困扰。有鉴于此，本篇文章会将两者都部署一遍，怎么选择就看你了。
老规矩，所有 yml 文件都已上传到 github。
node_exporter
只需要注意以下几点就行：
- 使用 daemonset，确保每个 k8s 节点都部署；
- 要将宿主机的 /proc 和 /sys 都挂载，貌似还要挂载根；
- 使用宿主机网络名称空间。
部署文件只有 5 个，都以 node-exporter- 开头，具体作用一看便知，就不多说了。先 kubectl apply，等待 pod 运行 ok 之后，可以直接访问宿主机的 9100 端口，查看都有哪些指标：
curl 127.0.0.1:9100/metrics
确保指标收集到位之后，修改 prometheus-config.yml，添加如下配置：
- job_name: node_exporter
kubernetes_sd_configs:
- role: endpoints
namespaces:
names:
- monitoring
scrape_interval: 30s
scrape_timeout: 30s
tls_config:
insecure_skip_verify: true
bearer_token_file: /var/run/secrets/kubernetes.io/serviceaccount/token
relabel_configs:
- action: keep
source_labels:
- __meta_kubernetes_service_label_k8s_app
regex: node-exporter
这里注意将 service 的标签名 k8s-app 中的 - 换为这里的 _，否则 reload prometheus 会报错。
修改完毕后执行 kubectl apply -f prometheus-config.yml，此时你最好登陆 prometheus 容器中查看配置文件是否生效，确保生效后，可以在宿主机上 reload：
curl -XPOST POD_IP:9090/-/reload
然后在 prometheus web 页面的 target 中就可以看到了。
telegraf
node_exporter 中太多不明所以的指标，会占用许多额外的资源，所以我选择定制性更高的 telegraf。telegraf 是 InfluxData 使用 go 开发的一个指标收集工具，InfluxData 的另一款产品 influxdb 非常有名，这两者和剩下的 Chronograf、Kapacitor 共同构成 InfluxData 的监控系统 tick。
tick 这里就不多提了，我们只会用到 telegraf。telegraf 有些类似于 logstash，分为 Input、Processor、Aggregator、Output 四个部分，而每个部分又由各个插件提供具体的功能。可以理解为，telegraf 的所有功能都是由插件提供，只不过插件分为四类。
本文会用到 Input、Output 和 Processor，至于 Aggregator（聚合，用来计算一段时间内的最大、最小、平均值等）有兴趣童鞋的可以研究研究。
这里我们使用 telegraf 收集宿主机的性能指标，由于指标种类很多，包括 cpu、内存、磁盘、网络等，所以会使用多个 input 插件。有些插件会提供一些选项，让我们能够更好的控制需要收集的指标，这是非常方便的，比 node_exporter 一股脑收集有用多了。
获得这些指标后，因为需要通过 prometheus 收集，所以会用到 prometheus Output，也就是将所有收集到的指标通过 metirc 页面展示出来。
首先来说说它的配置文件，它的所有配置都在这个配置文件中了。在了解配置文件之前，我们得知道 telegraf 自身也有一些概念：
- field：指标的名称；
- tag：指标中的标签。
为避免重复展示，我就直接将 configmap 的内容贴出来了，我们只需要从 [agent] 开始看起就行。
apiVersion: v1
kind: ConfigMap
metadata:
name: telegraf
namespace: monitoring
labels:
name: telegraf
data:
telegraf.conf: |+
[agent]
interval = "10s"
round_interval = true
collection_jitter = "1s"
omit_hostname = true
[[outputs.prometheus_client]]
listen = ":9273"
collectors_exclude = ["gocollector", "process"]
metric_version = 2
[[inputs.cpu]]
percpu = false
totalcpu = true
collect_cpu_time = false
report_active = false
[[inputs.disk]]
ignore_fs = ["tmpfs", "devtmpfs", "devfs", "iso9660", "overlay", "aufs", "squashfs"]
[inputs.disk.tagdrop]
path = ["/etc/telegraf", "/dev/termination-log", "/etc/hostname", "/etc/hosts", "/etc/resolv.conf"]
[[inputs.diskio]]
[[inputs.kernel]]
[[inputs.mem]]
fielddrop = ["slab", "wired", "commit_limit", "committed_as", "dirty", "high_free", "high_total", "huge_page_size", "huge_pages_free", "low_free", "low_total", "mapped", "page_tables", "sreclaimable", "sunreclaim", "swap_cached", "swap_free", "vmalloc_chunk", "vmalloc_total", "vmalloc_used", "write_back", "write_back_tmp"]
[[inputs.processes]]
[[inputs.system]]
[[inputs.netstat]]
[[inputs.net]]
ignore_protocol_stats = true
interfaces = ["eth*", "bond*", "em*"]
fielddrop = ["packets_sent", "packets_recv"]
配置文件
telegraf 配置文件的官方文档在此，内容并不多，你可以看看。你不想看也没关系，我会将我这里的配置都一一说明。telegraf 采用的是 toml 的配置文件格式，[] 表示字典，[[]] 表示列表。转换成 yml 就长这样：
agent:
# 采集间隔
interval: 30s
# 没有这个貌似就只会采集一次
round_interval: true
# 多个 input 如果在同一时间进行采集，可能会造成 cpu 尖刺，使用这个时间错开
collection_jitter: 1s
# 不会为所有的指标添加 hostname tag（标签）
omit_hostname: true
inputs:
- disk:
# 不收集指定的文件系统
ignore_fs: []
# 只要标签中有 path 为以下值的，不收集对应的指标
tagdrop:
path: ["/etc/telegraf", "/dev/termination-log", "/etc/hostname", "/etc/hosts", "/etc/resolv.conf"]
- system: {}
- cpu:
# 不为每颗 cpu 都单独创建指标，node_exporter 就使用这种方式，你还无法关掉，但是 telegraf 可以
percpu: false
# 这是绝对要开启的，统计总的 cpu 使用
totalcpu: true
# 统计 cpu 时间，看你需要，一般不开启
collect_cpu_time: false
# 是否新增一个 active 的指标，它的值是除了 idle 之外的值相加的结果，如果不统计 cpu 时间的话，可以直接用 100 减去
# idle，得到的值就是 active 的值
report_active: false
- mem:
# 字段名中包含这些的都不收集，至于字段有哪些，那就要看 mem inputs 的文档了
# 由于老夫学艺不精，很多内存指标都看不懂，干脆都干掉了，你们自行掂量
fielddrop: []
outputs:
- prometheus_client:
listen: :9273
# 排除 go 本身（goroutine、gc 等）和 process 这两种指标
collectors_exclude: ["gocollector", "process"]
telegraf 的四大部分中，只有 Processor 没有对应的关键字，目前它只有过滤的作用，用于 Input、Output 和 Aggregator 中。上面配置文件 Input 中的 fielddrop、tagdrop 都属于 Processor，用于过滤指标。过滤的关键字有：
namepass：以指标名称作为过滤条件，pass 是白名单，名称中包含哪些关键字的才收集，它的值是一个列表，列表中的元素可以使用通配符；namedrop：黑名单。需要注意的是，name 和 field 并不相同，比如内存指标中有 total 这个 field，但是它的 name 为 mem_total；fieldpass：根据字段名进行过滤，它的值类型同样为列表；fielddrop：黑名单；tagpass：如果 tag 中包含某个 key/value，那么就不收集该指标。注意它的值类型为字典，详见上面使用；tagdrop：黑名单；taginclude：这是删除 tag 的，值类型为列表。列表中的 tag 都保留；tagexclude：列表中的 tag 都删除。
我只使用了 tagdrop 和 fielddrop，其他有需要的你们可以使用。通过 Processor 可以很轻松的删除我们不需要的指标，这是非常方便的。
结合这些，你应该很容易就很看懂我这里使用的配置。这里我只收集了一些常见的系统指标，如果你有其他的需要，可以查看官方 input 文档，各种插件任你挑选。
pod
telegraf 很显然也是使用 daemonset，它的 pod 配置有些关键点需要提一下。
- 需要将根挂载到容器中，单独挂载 /proc 和 /sys，disk 指标会有问题；
- 通过 HOST_PROC、HOST_SYS 和 HOST_MOUNT_PREFIX 环境变量让 telegraf 收集挂载进来的宿主机的目录；
- hostNetwork、hostPID 都得为 true；
- 使用 securityContext 让 pod 使用非 root 用户运行，指定的 uid 是宿主机的上用户的 uid，镜像中有没有这个用户都有不影响。pod 运行后你可以在 pod 所在的宿主机上通过
ps -ef|grep telegraf查看运行的用户。
apiVersion: apps/v1
kind: DaemonSet
metadata:
name: telegraf
namespace: monitoring
labels:
k8s-app: telegraf
spec:
selector:
matchLabels:
name: telegraf
template:
metadata:
labels:
name: telegraf
spec:
containers:
- name: telegraf
image: telegraf:1.13.2-alpine
resources:
limits:
memory: 500Mi
requests:
cpu: 500m
memory: 500Mi
env:
- name: "HOST_PROC"
value: "/host/proc"
- name: "HOST_SYS"
value: "/host/sys"
- name: "HOST_MOUNT_PREFIX"
value: "/host"
volumeMounts:
- name: config
mountPath: /etc/telegraf
readOnly: true
- mountPath: /host
name: root
readOnly: true
hostNetwork: true
hostPID: true
nodeSelector:
kubernetes.io/os: linux
securityContext:
runAsNonRoot: true
runAsUser: 65534
tolerations:
- operator: Exists
terminationGracePeriodSeconds: 30
volumes:
- name: config
configMap:
name: telegraf
- hostPath:
path: /
name: root
对于 service 我就不多提了，service 用来让 prometheus 对其进行发现。将这三个文件都 apply 之后，修改 prometheus 配置。
修改 prometheus 配置
根据用法的不同，prometheus 配置可能会有不同，先上配置：
- job_name: telegraf
kubernetes_sd_configs:
- role: endpoints
namespaces:
names:
- monitoring
scrape_interval: 30s
scrape_timeout: 30s
tls_config:
insecure_skip_verify: true
bearer_token_file: /var/run/secrets/kubernetes.io/serviceaccount/token
relabel_configs:
- action: keep
source_labels:
- __meta_kubernetes_service_label_k8s_app
regex: telegraf
- source_labels:
- __meta_kubernetes_endpoint_node_name
target_label: instance
这里只增加了一个配置，就是将 instance 标签换成了 node name，而非默认的 __address__。如果要保留默认的 instance，你可以将 instance 换成你想要的名称。我是嫌指标太多，所以才将默认的 instance 换成了 node name。
之所以要用 node name，是因为配合使用 kubectl top node 命令（这涉及到本系列的上一篇文章）。因此，instance 标签的值要和你使用 kubectl get node 出现的值是一一对应的（基本上都是一致的）。当然，你如果可以直接使用 kubectl top node 命令，那么就没必要增加这个标签了。
修改之后 apply，然后同样是 exec 进入 prometheus 容器中，查看 /etc/prometheus/config/prometheus.yml 是否已经更改。等待更改之后，回到宿主机上执行；
curl -XPOST PROMETHEUS_CONTAINER_IP:9090/-/reload
reload 之后你就可以直接通过宿主机 ip 来访问指标页面了。
curl IP:9273/metrics
可以看到指标清晰易懂，且数量很少，比 node_exporter 强出一大截。
修改 prometheus adapter 配置
在上一篇文章中，我们部署了 prometheus adapter，并使用它提供 resource metric api，也就是可以通过它使用 kubectl top 命令。但是由于我删除了存在 id="/" 标签的指标，所以默认的 node 指标的查询语句就失效了。
想要使用的话，可以恢复之前删除的指标，默认查询语句是这样的：
# cpu
sum(rate(container_cpu_usage_seconds_total{<<.LabelMatchers>>, id='/'}[1m])) by (<<.GroupBy>>)
# memory
sum(container_memory_working_set_bytes{<<.LabelMatchers>>,id='/'}) by (<<.GroupBy>>)
但是如果将其恢复都恢复，指标数量会增加很多，有些得不偿失。既然我们收集了宿主机的指标了，完全可以让其查询宿主机的指标，根本没有必要查询容器的。因此我们只需要将这两个查询语句换成下面这两个：
# cpu
100-cpu_usage_idle{cpu="cpu-total", <<.LabelMatchers>>}
# mem
mem_used{<<.LabelMatchers>>}
但是你得确保下面配置必须存在：
resources:
overrides:
instance:
resource: nodes
这个配置的作用是将 node 的资源映射为 instance 标签的值。当你执行 kubectl top node 时，它会先获得所有的 node，然后将每个 node 带入到查询表达式中，比如查询 node 名称为 k8s-node1 的 cpu：
100-cpu_usage_idle{cpu="cpu-total", instance="k8s-node1"}
完整的配置可以在 github 上看到，其实就是修改了两个查询语句而已。
apply 之后，需要删除 prometheus adapter pod 让其重启，之后就可以执行 kubectl top node 命令了，只不过 cpu 的显示并不准确，可能是缺少了 cpu_usage_total？不是很懂 adapter 的实现逻辑，有兴趣的童鞋可以研究研究？不过内存是准的，大家看看内存就好。
