监视Kubernetes节点上的pod资源使用情况

Question

用例/问题

我负责维护具有40个节点（分为2个区域）的kubernetes集群。在这个集群中，我们大约有100种微服务和平台之类的东西，例如Kafka经纪人。所有微服务都定义了资源请求和限制。但是，它们大多数都是可爆发的，并且没有保证的RAM。在我们的集群中部署其服务的开发人员定义的限制远大于请求（请参见下面的示例），最终导致在各个节点上驱逐了很多Pod。但是，我们仍然希望在服务中使用易爆资源，因为我们可以使用易爆资源节省资金。因此，我需要更好地监视每个节点上运行的所有Pod的可能性，其中包含以下信息：

• 节点名称和CPU / RAM容量
• 所有广告连播名称加上
  • pod的资源请求和限制
  • pod当前的cpu和ram使用情况

这样，我可以轻松地识别出两种有问题的服务类型：

案例A：微服务设置了巨大的资源限制，因为开发人员只是在测试东西或太懒了以至于无法安装/监控他的服务

resources:
  requests:
    cpu: 100m
    ram: 500Mi
  limits:
    cpu: 6
    ram: 20Gi

情况B：：同一节点上的太多服务设置了不准确的资源限制（例如500Mi，但该服务始终使用1.5Gi RAM）。这种情况发生在我们身上，因为Java开发人员没有注意到Java垃圾收集器仅在使用了75％的可用RAM时才开始清理。

我的问题：

我如何才能适当地对此进行监视，从而识别配置错误的微服务，以防止此类迁出问题？在较小的规模下，我可以简单地运行kubectl describe nodes和kubectl top pods来手动解决问题，但是在这种规模下，它不再起作用。

注意：我找不到针对此问题的任何现有解决方案（包括使用kube指标和类似指标的prometheus + grafana板）。我以为有可能，但是在Grafana中可视化这些东西真的很难。

Answer 1

这是一个已知问题，因为github issue仍然开放，社区要求开发人员创建一个新命令，该命令将显示pod /容器的总CPU和内存使用量。请检查此链接，因为社区提供了一些想法和解决方法，它们似乎对您的案例有用。

您是否使用了正确的指标，但看不到所需的信息？ Here是pod指标的列表，我认为其中一些指标对您的用例很有用。

尽管由于社区和其他一些资源而无法完全解决此问题，但仍有两种方法可以实现您的目标： 根据此article的建议：

kubectl get nodes --no-headers | awk '{print $1}' | xargs -I {} sh -c 'echo {}; kubectl describe node {} | grep Allocated -A 5 | grep -ve Event -ve Allocated -ve percent -ve -- ; echo'

此外，本文的作者建议CoScale尚未使用，但如果其他解决方案失败，似乎值得尝试。

我想说的另一点是，如果您的开发人员不断分配的资源远远超出了需要，您将永远无法控制。 Nicola Ben建议的解决方案将帮助您缓解此类问题。

Answer 2

我最终为此目的编写了自己的普罗米修斯出口商。尽管节点导出器提供了使用情况统计信息，并且kube状态指标公开了有关您的kubernetes资源对象的指标，但要合并和聚合这些指标并不容易，以便它们提供有价值的信息来解决所描述的用例。

使用Kube Eagle（https://github.com/google-cloud-tools/kube-eagle/），您可以轻松创建这样的仪表板（https://grafana.com/dashboards/9871）：

我还写了一篇有关如何帮助我节省大量硬件资源的中型文章：https://medium.com/@martin.schneppenheim/utilizing-and-monitoring-kubernetes-cluster-resources-more-effectively-using-this-tool-df4c68ec2053

Answer 3

如果可以，我建议您使用LimitRange和ResourceQuota资源，例如：

apiVersion: v1
kind: ResourceQuota
metadata:
  name: happy-developer-quota
spec:
  hard:
    requests.cpu: 400m
    requests.memory: 200Mi
    limits.cpu: 600m
    limits.memory: 500Mi

对于LimitRange：

 apiVersion: v1
 kind: LimitRange
 metadata:
   name: happy-developer-limit
 spec:
   limits:
   - default:
       cpu: 600m
       memory: 100Mib
     defaultRequest
       cpu: 100m
       memory: 200Mib
     max:
       cpu: 1000m
       memory: 500Mib
     type: Container

这可以防止人们在默认名称空间内创建超小或超大容器。