如何使用 K8s 兩大利器擺脫運維困境

今天就跟大家聊聊有關如何使用 K8s 兩大利器擺脫運維困境，可能很多人都不太了解，為了讓大家更加了解，小編給大家總結了以下內容，希望大家根據這篇文章可以有所收獲。

概述

下面幾個問題，相信廣大 K8s 用戶在日常集群運維中都曾經遇到過:

• 集群中的某個應用被刪除了，誰干的？

• Apiserver 的負載突然變高，大量訪問失敗，集群中到底發生了什么？

• 集群節點 NotReady，是什么原因導致的？

• 集群的節點發生了自動擴容，是什么觸發的？什么時間觸發的？

以前，排查這些問題，對客戶來說并不容易。生產環境中的 Kubernetes 集群通常是一個相當復雜的系統，底層是各種異構的主機、網絡、存儲等云基礎設施，上層承載著大量的應用負載，中間運行著各種原生（例如：Scheduler、Kubelet）和第三方(例如：各種 Operator）的組件,負責對基礎設施和應用進行管理和調度； 此外不同角色的人員頻繁地在集群上進行部署應用、添加節點等各種操作。在集群運行的過程中，為了對集群中發生的狀況能夠盡可能的了如指掌，我們通常會從多個維度對集群進行觀測。

日志，作為實現軟件可觀測性的三大支柱之一，為了解系統運行狀況，排查系統故障提供了關鍵的線索，在運維管理中起著至關重要的作用。Kubernetes 提供了兩種原生的日志形式——審計（Audit）和事件（Event），它們分別記錄了對于集群資源的訪問以及集群中發生的事件信息。從騰訊云容器團隊長期運維 K8s 集群的經驗來看，審計和事件并不是可有可無的東西，善用它們可以極大的提高集群的可觀測性，為運維帶來巨大的便利。下面讓我們先來簡單認識一下它們。

什么是 Kubernetes 審計？

Kubernetes 審計日志是 Kube-apiserver 產生的可配置策略的結構化日志，記錄了對 Apiserver 的訪問事件。審計日志提供 Metrics 之外的另一種集群觀測維度，通過查看、分析審計日志，可以追溯對集群狀態的變更；了解集群的運行狀況；排查異常；發現集群潛在的安全、性能風險等等。

審計來源

在 Kubernetes 中，所有對集群狀態的查詢和修改都是通過向 Apiserver 發送請求，對 Apiserver 的請求來源可以分為4類

• 控制面組件，例如 Scheduler，各種 Controller，Apiserver 自身

• 節點上的各種 Agent，例如 Kubelet、Kube-proxy 等

• 集群的其它服務，例如 Coredns、Ingress-controller、各種第三方的 Operator 等

• 外部用戶，例如運維人員通過 Kubectl

審計中都記錄了些什么？

每一條審計日志都是一個 JSON 格式的結構化記錄，包括元數據（metadata）、請求內容（requestObject）和響應內容（responseObject）3個部分。其中元數據一定會存在，請求和響應內容是否存在取決于審計級別。元數據包含了請求的上下文信息，例如誰發起的請求，從哪里發起的，訪問的 URI 等等；

審計有什么用？

Apiserver 做為 Kubernetes 集群唯一的資源查詢、變更入口，審計日志可以說記錄了所有對于集群訪問的流水， 通過它可以從宏觀和微觀了解整個集群的運行狀況，比如：

• 資源被刪掉了，什么時候刪掉的，被“誰”刪掉的？

• 服務出現問題，什么時候做過版本變更？

• Apiserver 的響應延時變長，或者出現大量 5XX 響應 Status Code，Apiserver 負載變高，是什么導致的？

• Apiserver 返回 401/403 請求，究竟是證書過期，非法訪問，還是 RBAC 配置錯誤等。

• Apiserver 收到大量來自外網 IP 對敏感資源的訪問請求，這種請求是否合理，是否存在安全風險；

什么是Kubernetes事件？

事件（Event）是 Kubernetes 中眾多資源對象中的一員，通常用來記錄集群內發生的狀態變更，大到集群節點異常，小到 Pod 啟動、調度成功等等。我們常用的kubectl describe命令就可以查看相關資源的事件信息。

事件中記錄了什么？

• 級別（Type）： 目前僅有“Normal”和“Warning”，但是如果需要，可以使用自定義類型。

• 資源類型/對象(Involved Object)：事件所涉及的對象，例如 Pod，Deployment，Node 等。

• 事件源（Source）：報告此事件的組件；如 Scheduler、Kubelet 等。

• 內容（Reason）：當前發生事件的簡短描述，一般為枚舉值，主要在程序內部使用。

• 詳細描述（Message）：當前發生事件的詳細描述信息。

• 出現次數（Count）：事件發生的次數。

事件有什么用？

集群內已經翻江倒海，集群外卻風平浪靜，這可能是我們日常集群運維中常常遇到的情況，集群內的狀況如果無法透過事件來感知，很可能會錯過最佳的問題處理時間，待問題擴大，影響到業務時才發現往往已經為時已晚；除了早早發現問題，Event 也是排查問題的最佳幫手，由于 Event 記錄了全面的集群狀態變更信息，所以大部分的集群問題都可通過 Event 來排查。總結一下 Event 在集群中扮演兩大重要角色：

• “吹哨人”：當集群發生異常情況時，用戶可通過事件第一時間感知；

• “目擊者”：集群中的大小事件都會通過 Event 記錄，如果集群中發生意外情況，如:節點狀態異常，Pod 重啟，都可以通過事件查找發生的時間點及原因；

TKE 如何發掘審計/事件的價值

傳統的通過輸入查詢語句檢索日志的方式來使用審計和事件，固然可以提供很高的靈活性，但也有著較高的使用門檻，不僅要求使用者對于日志的數據結構非常了解，還要熟悉 Lucene、SQL 語法。這往往導致使用效率偏低，也無法充分發掘數據的價值。

騰訊云容器服務 TKE 聯合騰訊云日志服務CLS，打造出針對 Kubernetes 審計/事件采集、存儲、檢索、分析的一站式產品級服務， 不僅提供了一鍵開啟/關閉功能，免去一切繁瑣的配置；而且容器團隊還從長期運維海量集群的經驗中，總結出對于 Kubernetes 審計/事件的最佳使用實踐，通過可視化的圖表，以多個維度對審計日志和集群事件進行呈現，使用者只需了解 K8s 的基本概念，就能很“直覺”地在 TKE 控制臺上進行各種檢索和分析操作，足以涵蓋絕大多數常見集群運維場景， 讓無論是發現問題還是定位問題都事半功倍，提升運維效率，真正將審計和事件數據的價值最大化 。

如何使用 TKE 審計/事件服務去排查問題？

關于 TKE 的集群審計/事件簡介與基礎操作，請參考集群審計、事件存儲的官方文檔。

場景示例：

下面我們看幾個現實中的典型場景

示例1: 排查一個工作負載消失的問題

在審計檢索頁面中，單擊【K8s 對象操作概覽】標簽，指定操作類型和資源對象

查詢結果如下圖所示：

由圖可見，是 10001****7138 這個帳號，對應用「nginx」進行了刪除。可根據帳號ID在【訪問管理】>【用戶列表】中找到關于此賬號的詳細信息。

示例2: 排查一個節點被封鎖的問題

在審計檢索頁面中，單擊【節點操作概覽】標簽，填寫被封鎖的節點名

查詢結果如下圖所示：

由圖可見，是10001****7138這個帳號在2020-1-30T06:22:18時對172.16.18.13這臺節點進行了封鎖操作。

示例3: 排查 Apiserver 響應變慢的問題

在審計檢索的【聚合檢索】標簽頁中，提供了從用戶、操作類型、返回狀態碼等多個維度對于 Apiserver 訪問聚合趨勢圖。

由圖可見，用戶tke-kube-state-metrics的訪問量遠高于其他用戶，并且在“操作類型分布趨勢”圖中可以看出大多數都是 list 操作，在“狀態碼分布趨勢”圖中可以看出，狀態

碼大多數為 403，結合業務日志可知，由于 RBAC 鑒權問題導致tke-kube-state-metrics組件不停的請求Apiserver重試，導致 Apiserver 訪問劇增。日志如下所示：

E1130 06:19:37.368981       1 reflector.go:156] pkg/mod/k8s.io/client-go@v0.0.0-20191109102209-3c0d1af94be5/tools/cache/reflector.go:108: Failed to list *v1.VolumeAttachment: volumeattachments.storage.k8s.io is forbidden: User "system:serviceaccount:kube-system:tke-kube-state-metrics" cannot list resource "volumeattachments" in API group "storage.k8s.io" at the cluster scope

示例4:排查節點異常的問題

一臺 Node 節點出現異常，在事件檢索頁面，點擊【事件總覽】，在過濾項中輸入異常節點名稱

查詢結果顯示，有一條節點磁盤空間不足的事件記錄查詢結果如下圖：

進一步查看異常事件趨勢

可以發現，2020-11-25號開始，節點172.16.18.13由于磁盤空間不足導致節點異常，此后 kubelet 開始嘗試驅逐節點上的 pod 以回收節點磁盤空間；

示例5: 查找觸發節點擴容的原因

開啟了節點池「彈性伸縮」的集群，CA（cluster-autoscler）組件會根據負載狀況自動對集群中節點數量進行增減。如果集群中的節點發生了自動擴（縮）容，用戶可通過事件檢索對整個擴（縮）容過程進行回溯。

在事件檢索頁面，點擊【全局檢索】，輸入以下檢索命令：

event.source.component : "cluster-autoscaler"

在左側隱藏字段中選擇event.reason、event.message、event.involvedObject.name、event.involvedObject.name進行顯示，將查詢結果按照日志時間倒序排列，結果如下圖所示：

通過上圖的事件流水，可以看到節點擴容操作在2020-11-25 20:35:45左右，分別由三個 nginx Pod(nginx-5dbf784b68-tq8rd、nginx-5dbf784b68-fpvbx、nginx-5dbf784b68-v9jv5) 觸發，最終擴增了3個節點，后續的擴容由于達到節點池的最大節點數沒有再次觸發。

看完上述內容，你們對如何使用 K8s 兩大利器擺脫運維困境有進一步的了解嗎？如果還想了解更多知識或者相關內容，請關注億速云行業資訊頻道，感謝大家的支持。