kubelet组件功能（kubelet-client-current.pem）

大家好，我是讯享网，很高兴认识大家。

[TOC] # Kubernetes集群插件插件是Kubernetes集群的附件组件，丰富和完善了集群的功能，这里分别介绍的插件有coredns、Dashboard、Metrics Server，需要注意的是：kuberntes 自带插件的 manifests.yaml 文件使用 gcr.io 的 docker registry，国内被墙，需要手动替换为其它registry 地址或提前在翻墙服务器上下载，然后再同步到对应的k8s部署机器上。 1.1 Coredns 官网：<a href="https://coredns.io/" target="_blank">https://coredns.io/</a> CoreDNS是Golang编写的一个插件式DNS服务器，是Kubernetes 1.13 后所内置的默认DNS服务器；由于其灵活性，它可以在多种环境中使用。 CoreDNS 其实就是一个 DNS 服务，而 DNS 作为一种常见的服务发现手段，所以很多开源项目以及工程师都会使用 CoreDNS 为集群提供服务发现的功能，Kubernetes 就在集群中使用 CoreDNS 解决服务发现的问题。 CoreDNS 的大多数功能都是由插件来实现的，插件和服务本身都使用了 Caddy 提供的一些功能，所以项目本身也不是特别的复杂。 1、下载和配置 coredns <code>bash
cd /opt/k8s/work
git clone https://github.com/coredns/deployment.git
mv deployment coredns-deployment
</code> 2、创建 coredns <code>bash
cd /opt/k8s/work/coredns-deployment/kubernetes
source /opt/k8s/bin/environment.sh
https://gitee.com/crazywjj/K8S/blob/main/deploy.sh -i ${CLUSTER_DNS_SVC_IP} -d ${CLUSTER_DNS_DOMAIN} | kubectl apply -f -
</code> 3、检查 coredns 功能 <code>shell
$ kubectl get all -n kube-system -l k8s-app=kube-dns
NAME READY STATUS RESTARTS AGE
pod/coredns-59845f77f8-l7rjh 1/1 Running 0 37h

NAME TYPE CLUSTER-IP EXTERNAL-IP PORT(S) AGE
service/kube-dns ClusterIP 10.254.0.2 <none> 53/UDP,53/TCP,9153/TCP 37h

NAME READY UP-TO-DATE AVAILABLE AGE
deployment.apps/coredns 1/1 1 1 37h

NAME DESIRED CURRENT READY AGE
replicaset.apps/coredns-59845f77f8 1 1 1 37h
</code> 查看创建的coredns的pod状态： <code>bash
$ kubectl describe pod/coredns-59845f77f8-l7rjh -n kube-system
Name: coredns-59845f77f8-l7rjh
Namespace: kube-system
Priority: 
Priority Class Name: system-cluster-critical
Node: k8s-m01/10.0.0.61
Start Time: Fri, 10 Apr 2020 20:24:29 +0800
Labels: k8s-app=kube-dns
 pod-template-hash=59845f77f8
Annotations: <none>
Status: Running
IP: 172.30.40.3
IPs:
 IP: 172.30.40.3
Controlled By: ReplicaSet/coredns-59845f77f8
</code> 4、新建一个 Deployment <code>yml
cd /opt/k8s/work
cat > my-nginx.yaml <<EOF
apiVersion: apps/v1
kind: Deployment
metadata:
 name: my-nginx
spec:
 replicas: 3
 selector:
 matchLabels:
 run: my-nginx
 template:
 metadata:
 labels:
 run: my-nginx
 spec:
 containers:
 - name: my-nginx
 image: daocloud.io/library/nginx:latest
 ports:
 - containerPort: 80
EOF
kubectl create -f my-nginx.yaml
</code> export 该 Deployment, 生成 my-nginx 服务： <code>bash
$ kubectl expose deploy my-nginx
$ kubectl get services --all-namespaces |grep my-nginx
default my-nginx ClusterIP 10.254.97.143 <none> 80/TCP 35s
</code> 创建一个dns测试工具Pod，查看 /etc/resolv.conf 是否包含 kubelet 配置的 <code>--cluster-dns</code> 和 <code>--cluster-domain</code>： <code>yml
cd /opt/k8s/work
cat > dnsutils-ds.yml <<EOF
apiVersion: v1
kind: Service
metadata:
 name: dnsutils-ds
 labels:
 app: dnsutils-ds
spec:
 type: NodePort
 selector:
 app: dnsutils-ds
 ports:
 - name: http
 port: 80
 targetPort: 80
---
apiVersion: apps/v1
kind: DaemonSet
metadata:
 name: dnsutils-ds
 labels:
 addonmanager.kubernetes.io/mode: Reconcile
spec:
 selector:
 matchLabels:
 app: dnsutils-ds
 template:
 metadata:
 labels:
 app: dnsutils-ds
 spec:
 containers:
 - name: my-dnsutils
 image: tutum/dnsutils:latest
 command:
 - sleep
 - "3600"
 ports:
 - containerPort: 80
EOF
kubectl create -f dnsutils-ds.yml
</code> 5、查看dnsutils的pod状态 确保是<code>Running</code>；如不是请查看<code>kubectl describe pod dnsutils-ds-2rlkm</code> <code>bash
$ kubectl get pods -lapp=dnsutils-ds
NAME READY STATUS RESTARTS AGE
dnsutils-ds-2rlkm 1/1 Running 0 5m28s
dnsutils-ds-9hw5m 1/1 Running 0 5m28s
dnsutils-ds-mlxnr 1/1 Running 0 5m28s
</code> 查看pod的<code>/etc/resolv.conf</code> <code>bash
$ kubectl -it exec dnsutils-ds-26cpm cat /etc/resolv.conf
nameserver 10.254.0.2
search default.svc.cluster.local svc.cluster.local cluster.local
options ndots:5
</code> <code>bash
$ kubectl -it exec dnsutils-ds-26cpm nslookup kubernetes
Server: 10.254.0.2
Address: 10.254.0.2#53

Name: kubernetes.default.svc.cluster.local
Address: 10.254.0.1
</code> <code>bash
$ kubectl -it exec dnsutils-ds-26cpm nslookup www.baidu.com
Server: 10.254.0.2
Address: 10.254.0.2#53

Non-authoritative answer:
www.baidu.com canonical name = www.a.shifen.com.
Name: www.a.shifen.com
Address: 61.135.169.121
Name: www.a.shifen.com
Address: 61.135.169.125
</code> 发现可以将服务 my-nginx 解析到上面它对应的 Cluster IP 10.254.97.143 : <code>bash
$ kubectl -it exec dnsutils-ds-26cpm nslookup my-nginx
Server: 10.254.0.2
Address: 10.254.0.2#53

Name: my-nginx.default.svc.cluster.local
Address: 10.254.97.143
</code> 1.2 Dashboard Dashboard 是基于网页的 Kubernetes 用户界面。您可以使用 Dashboard 将容器应用部署到 Kubernetes 集群中，也可以对容器应用排错，还能管理集群本身及其附属资源。您可以使用 Dashboard 获取运行在集群中的应用的概览信息，也可以创建或者修改 Kubernetes 资源（如 Deployment，Job，DaemonSet 等等）。例如，您可以对 Deployment 实现弹性伸缩、发起滚动升级、重启 Pod 或者使用向导创建新的应用。在kubernetes Dashboard中可以查看集群中应用的运行状态，也能够创建和修改各种kubernetes资源（比如Deployment，Job，Daemonset等等），用户可以对Deployment实现弹性伸缩，执行滚动升级，重启pod或者使用向导创建新的应用。可以说，kubernetes Dashboard提供了kubectl的绝大部分功能。 - 全面的群集管理：命名空间，节点，窗格，副本集，部署，存储，RBAC创建修改等 - 快速且始终如一的即时更新：无需刷新页面即可查看最新信息 - 快速查看集群运行状况：实时图表可帮助快速跟踪性能不佳的资源 - 易于CRUD和扩展：加上内联API文档，可以轻松了解每个字段的作用 - 简单的OpenID集成：无需特殊代理 Dashboard 同时展示了kubernetes集群中的资源状态信息和所有报错信息。官方参考文档：<a href="https://kubernetes.io/zh/docs/tasks/access-application-cluster/web-ui-dashboard/ GitHub项目下载地址：https://github.com/kubernetes/dashboard" target="_blank">https://kubernetes.io/zh/docs/tasks/access-application-cluster/web-ui-dashboard/

GitHub项目下载地址：https://github.com/kubernetes/dashboard</a> 1、部署Dashboard UI <code>bash
cd /opt/k8s/work
curl -o dashboard-recommended.yaml https://raw.githubusercontent.com/kubernetes/dashboard/v2.0.0-rc7/aio/deploy/recommended.yaml
</code> <a href="assetsdashboard-recommended.yaml" target="_blank">dashboard-recommended.yaml</a> 执行所有定义文件： <code>bash
cd /opt/k8s/work
kubectl apply -f dashboard-recommended.yaml
</code> 查看运行状态： <code>bash
$ kubectl get pods -n kubernetes-dashboard
NAME READY STATUS RESTARTS AGE
dashboard-metrics-scraper-b-vfnbf 1/1 Running 0 2m31s
kubernetes-dashboard-64999dbccd-tkvx2 1/1 Running 0 2m32s
</code> 查看<code>kubernetes-dashboard</code>信息： <code>bash
$ kubectl get pod,deployment,svc -n kubernetes-dashboard
NAME READY STATUS RESTARTS AGE
pod/dashboard-metrics-scraper-b-vfnbf 1/1 Running 0 9m44s
pod/kubernetes-dashboard-64999dbccd-tkvx2 1/1 Running 0 9m45s

NAME READY UP-TO-DATE AVAILABLE AGE
deployment.apps/dashboard-metrics-scraper 1/1 1 1 9m45s
deployment.apps/kubernetes-dashboard 1/1 1 1 9m45s

NAME TYPE CLUSTER-IP EXTERNAL-IP PORT(S) AGE
service/dashboard-metrics-scraper ClusterIP 10.254.124.164 <none> 8000/TCP 9m45s
service/kubernetes-dashboard ClusterIP 10.254.119.42 <none> 443/TCP 9m45s
</code> 2、访问 dashboard 从 1.7 开始，dashboard 只允许通过 https 访问，如果使用 kube proxy 则必须监听 localhost 或 127.0.0.1。对于 NodePort 没有这个限制，但是仅建议在开发环境中使用。对于不满足这些条件的登录访问，在登录成功后浏览器不跳转，始终停在登录界面。 访问方式： Dashboard的github <a href="https://github.com/kubernetes/dashboard/blob/master/docs/user/accessing-dashboard/1.7.x-and-above.md -" target="_blank">https://github.com/kubernetes/dashboard/blob/master/docs/user/accessing-dashboard/1.7.x-and-above.md

-</a> kubectl proxy：kubectl proxy在您的机器和Kubernetes API服务器之间创建代理服务器。默认情况下，只能在本地（从启动它的计算机上）访问它。 - kubectl port-forward：通过端口转发映射本地端口到指定的应用端口，从而访问集群中的应用程序(Pod)。 - NodePort：这种方法只推荐使用在一个node节点的方案，在大多数的环境都需要多个node节点，因此这种方法没有什么实用价值，不建议使用。 - API Server：如果Kubernetes API服务器是公开的并且可以从外部访问，则可以直接在以下位置访问仪表板： https://<master-ip>:<apiserver-port>/api/v1/namespaces/kubernetes-dashboard/services/https:kubernetes-dashboard:/proxy/ 注意：仅当您选择在浏览器中安装用户证书时，才可以使用这种方式访问Dashboard。在示例中，可以使用kubeconfig文件用于联系API服务器的证书。 - Ingress 访问： <a href="https://10.0.0.61:6443/api/v1/namespaces/kubernetes-dashboard/services/https:kubernetes-dashboard:/proxy/" target="_blank">https://10.0.0.61:6443/api/v1/namespaces/kubernetes-dashboard/services/https:kubernetes-dashboard:/proxy/</a> <img src="assets/60.png" alt="60" /> 3、创建登录 Dashboard 的 token 和 kubeconfig 配置文件 dashboard 默认只支持 token 认证（不支持 client 证书认证），所以如果使用 Kubeconfig 文件，需要将 token 写入到该文件。 方式一：创建登录 token <code>bash
kubectl create sa dashboard-admin -n kube-system
kubectl create clusterrolebinding dashboard-admin --clusterrole=cluster-admin --serviceaccount=kube-system:dashboard-admin
ADMIN_SECRET=$(kubectl get secrets -n kube-system | grep dashboard-admin | awk '{print $1}')
DASHBOARD_LOGIN_TOKEN=$(kubectl describe secret -n kube-system ${ADMIN_SECRET} | grep -E '^token' | awk '{print $2}')
echo ${DASHBOARD_LOGIN_TOKEN}
</code> 则可以使用上面输出的token 登录 Dashboard。 方法二：创建使用 token 的 KubeConfig 文件（推荐使用这种方式） <code>bash
source /opt/k8s/bin/environment.sh
# 设置集群参数
kubectl config set-cluster kubernetes 
 --certificate-authority=/etc/kubernetes/cert/ca.pem 
 --embed-certs=true 
 --server=${KUBE_APISERVER} 
 --kubeconfig=dashboard.kubeconfig

# 设置客户端认证参数，使用上面创建的 Token
kubectl config set-credentials dashboard_user 
 --token=${DASHBOARD_LOGIN_TOKEN} 
 --kubeconfig=dashboard.kubeconfig

# 设置上下文参数
kubectl config set-context default 
 --cluster=kubernetes 
 --user=dashboard_user 
 --kubeconfig=dashboard.kubeconfig

# 设置默认上下文
kubectl config use-context default --kubeconfig=dashboard.kubeconfig

[root@ k8s-m01 ~]# ll
-rw------- 1 root root 3015 2020-04-19 10:44 dashboard.kubeconfig
</code> 用生成的 dashboard.kubeconfig 登录 Dashboard（其它API server节点也可以用）。登录： <img src="assets/16.png" alt="16" /> <img src="assets/18.png" alt="18" /> 这里由于缺少Heapster或metrics-server插件，当前dashboard还不能展示 Pod、Nodes 的 CPU、内存等统计数据和图表。 1.3 Kube-prometheus 很多地方提到Prometheus Operator是kubernetes集群监控的终极解决方案，但是目前Prometheus Operator已经不包含完整功能，完整的解决方案已经变为kube-prometheus。项目地址为： <a href="https://github.com/coreos/kube-prometheus kube-prometheus" target="_blank">https://github.com/coreos/kube-prometheus

kube-prometheus</a> 是一整套监控解决方案，它使用 Prometheus 采集集群指标，Grafana 做展示，包含如下组件： | 组件 | 功能描述 | | :———————————————————– | :———————————————————– | | The Prometheus Operator | 可以非常简单的在kubernetes集群中部署Prometheus服务，并且提供对kubernetes集群的监控，并且可以配置和管理prometheus | | Highly available Prometheus | 高可用监控工具 | | Highly available Alertmanager | 高可用告警工具，用于接收 Prometheus 发送的告警信息，它支持丰富的告警通知渠道，而且很容易做到告警信息进行去重，降噪，分组等，是一款前卫的告警通知系统。 | | node-exporter | 用于采集服务器层面的运行指标，包括机器的loadavg、filesystem、meminfo等基础监控，类似于传统主机监控维度的zabbix-agent | | ==Prometheus Adapter for Kubernetes Metrics APIs （k8s-prometheus-adapter）== | 轮询Kubernetes API，并将Kubernetes的结构化信息转换为metrics | | ==kube-state-metrics== | | | grafana | 用于大规模指标数据的可视化展现，是网络架构和应用分析中最流行的时序数据展示工具 | 其中 k8s-prometheus-adapter 使用 Prometheus 实现了 metrics.k8s.io 和 custom.metrics.k8s.io API，所以不需要再部署 metrics-server（ metrics-server 通过 kube-apiserver 发现所有节点，然后调用 kubelet APIs（通过 https 接口）获得各节点（Node）和 Pod 的 CPU、Memory 等资源使用情况。从 Kubernetes 1.12 开始，kubernetes 的安装脚本移除了 Heapster，从 1.13 开始完全移除了对 Heapster 的支持，Heapster 不再被维护）。 1、下载和安装 上传kube-prometheus的所有镜像到/opt/k8s/work并且导入。 <code>bash
cd /opt/k8s/work

source /opt/k8s/bin/environment.sh
for node_ip in ${MASTER_IPS[@]}
do
 echo -e "033[42;37m >>> ${node_ip} <<< 033[0m"
 scp kube-prometheus-0.5.0.tar root@${node_ip}:/opt/k8s/work
 ssh root@${node_ip} "cd /opt/k8s/work/ && tar xf kube-prometheus-0.5.0.tar"
done

#所有节点导入镜像
cd /opt/k8s/work/kube-prometheus-0.5.0/ && for i in `ls`;do docker load -i $i;done
</code> 2、下载源码 <code>
cd /opt/k8s/work
git clone https://github.com/coreos/kube-prometheus.git
</code> 3、执行安装操作 <code>bash
# 安装 prometheus-operator
kubectl apply -f manifests/setup
# 安装 promethes metric adapter
kubectl apply -f manifests/
</code> 4、查看Prometheus资源 <code>bash
$ kubectl get pod -n monitoring
NAME READY STATUS RESTARTS AGE
alertmanager-main-0 2/2 Running 0 108s
alertmanager-main-1 2/2 Running 0 108s
alertmanager-main-2 2/2 Running 0 107s
grafana-86b55cb79f-g9xbh 1/1 Running 0 101s
kube-state-metrics-dbb85dfd5-gj82l 3/3 Running 0 100s
node-exporter-b52bj 2/2 Running 0 99s
node-exporter-dxf9s 2/2 Running 0 99s
node-exporter-php5z 2/2 Running 0 99s
prometheus-adapter-5cd5798d96-nphkz 1/1 Running 0 96s
prometheus-k8s-0 3/3 Running 1 90s
prometheus-k8s-1 3/3 Running 1 90s
prometheus-operator-5cfbdc9b67-zpjzs 2/2 Running 1 2m37s


$ kubectl get svc -n monitoring
NAME TYPE CLUSTER-IP EXTERNAL-IP PORT(S) AGE
alertmanager-main NodePort 10.254.76.23 <none> 9093:39093/TCP 27s
alertmanager-operated ClusterIP None <none> 9093/TCP,9094/TCP,9094/UDP 23s
grafana NodePort 10.254.171.162 <none> 3000:33000/TCP 24s
kube-state-metrics ClusterIP None <none> 8443/TCP,9443/TCP 23s
node-exporter ClusterIP None <none> 9100/TCP 23s
prometheus-adapter ClusterIP 10.254.157.0 <none> 443/TCP 21s
prometheus-k8s NodePort 10.254.7.138 <none> 9090:39090/TCP 18s
prometheus-operated ClusterIP None <none> 9090/TCP 12s
prometheus-operator ClusterIP None <none> 8443/TCP 30s

$ kubectl get ep -n monitoring
NAME ENDPOINTS AGE
alertmanager-main 172.30.216.6:9093,172.30.240.6:9093,172.30.40.6:9093 2m12s
alertmanager-operated 172.30.216.6:9093,172.30.240.6:9093,172.30.40.6:9093 + 6 more... 2m12s
grafana 172.30.240.7:3000 2m5s
kube-state-metrics 172.30.40.7:9443,172.30.40.7:8443 2m4s
node-exporter 10.0.0.61:9100,10.0.0.62:9100,10.0.0.63:9100 2m3s
prometheus-adapter 172.30.240.8:6443 2m1s
prometheus-k8s 172.30.216.7:9090,172.30.240.9:9090 116s
prometheus-operated 172.30.216.7:9090,172.30.240.9:9090 116s
prometheus-operator 172.30.216.5:8443 3m
</code> 5、清除资源 <code>bash
kubectl delete --ignore-not-found=true -f manifests/ -f manifests/setup
# 强制删除pod
kubectl delete pod prometheus-k8s-1 -n monitoring --force --grace-period=0
</code> 以上各组件说明： - MerticServer： k8s集群资源使用情况的聚合器，收集数据给k8s集群内使用；如kubectl，hpa，scheduler - PrometheusOperator：是一个系统监测和警报工具箱，用来存储监控数据。 - NodeExPorter：用于各个node的关键度量指标状态数据。 - kubeStateMetrics：收集k8s集群内资源对象数据，指定告警规则。 - Prometheus：采用pull方式收集apiserver，scheduler，control-manager，kubelet组件数据，通过http协议传输。 - Grafana：是可视化数据统计和监控平台。 6、端口暴露–此处采用nodeport nodeport方式： ==修改grafana-service文件：== <code>yml
cd /opt/k8s/work/kube-prometheus/
cat >manifests/grafana-service.yaml<<EOF
apiVersion: v1
kind: Service
metadata:
 labels:
 app: grafana
 name: grafana
 namespace: monitoring
spec:
 type: NodePort
 ports:
 - name: http
 port: 3000
 targetPort: http
 nodePort: 33000
 selector:
 app: grafana
EOF
kubectl apply -f manifests/grafana-service.yaml
</code> ==修改Prometheus-service文件：== <code>yml
cd /opt/k8s/work/kube-prometheus/
cat >manifests/prometheus-service.yaml<<EOF
apiVersion: v1
kind: Service
metadata:
 labels:
 prometheus: k8s
 name: prometheus-k8s
 namespace: monitoring
spec:
 type: NodePort
 ports:
 - name: web
 port: 9090
 targetPort: web
 nodePort: 39090
 selector:
 app: prometheus
 prometheus: k8s
 sessionAffinity: ClientIP
EOF
kubectl apply -f manifests/prometheus-service.yaml
</code> ==修改alertmanager-service文件：== <code>bash
cd /opt/k8s/work/kube-prometheus/
cat >manifests/alertmanager-service.yaml<<EOF
apiVersion: v1
kind: Service
metadata:
 labels:
 alertmanager: main
 name: alertmanager-main
 namespace: monitoring
spec:
 type: NodePort
 ports:
 - name: web
 port: 9093
 targetPort: web
 nodePort: 39093
 selector:
 alertmanager: main
 app: alertmanager
 sessionAffinity: ClientIP
EOF
kubectl apply -f manifests/alertmanager-service.yaml
</code> ingress方式： 编辑ingress配置文件 <code>yml
cd /opt/k8s/work/kube-prometheus/
cat >manifests/ingress-monitoring.yaml<<EOF
apiVersion: extensions/v1beta1
kind: Ingress
metadata:
 name: prometheus-ing
 namespace: monitoring
spec:
 rules:
 - host: prometheus.monitoring.com
 http:
 paths:
 - backend:
 serviceName: prometheus-k8s
 servicePort: 9090
---
apiVersion: extensions/v1beta1
kind: Ingress
metadata:
 name: grafana-ing
 namespace: monitoring
spec:
 rules:
 - host: grafana.monitoring.com
 http:
 paths:
 - backend:
 serviceName: grafana
 servicePort: 3000
---
apiVersion: extensions/v1beta1
kind: Ingress
metadata:
 name: alertmanager-ing
 namespace: monitoring
spec:
 rules:
 - host: alertmanager.monitoring.com
 http:
 paths:
 - backend:
 serviceName: alertmanager-main
 servicePort: 9093
EOF
kubectl apply -f manifests/ingress-monitoring.yaml 
</code> 7、 Prometheus监控页面展示 ==访问Prometheus web页面：==<code>http://IP:39090/</code> 因为Prometheus的<code>replicas: 2</code>；所以可能会随机创建在三台机器中的任意两台。展开Status菜单，查看targets，可以看到只有图中两个监控任务没有对应的目标，这和serviceMonitor资源对象有关 <img src="assets/94.png" alt="94" />查 原因分析： 　　因为serviceMonitor选择svc时，是根据labels标签选取，而在指定的命名空间(kube-system)，并没有对应的标签。kube-apiserver之所以正常是因为kube-apiserver 服务 namespace 在default使用默认svc kubernetes。其余组件服务在kube-system 空间，需要单独创建svc。 解决办法： <code>yml
# 查看serviceMonitor选取svc规则
[root@ k8s-m01 kube-prometheus]# grep -2 selector manifests/prometheus-serviceMonitorKube*
manifests/prometheus-serviceMonitorKubeControllerManager.yaml- matchNames:
manifests/prometheus-serviceMonitorKubeControllerManager.yaml- - kube-system
manifests/prometheus-serviceMonitorKubeControllerManager.yaml: selector:
manifests/prometheus-serviceMonitorKubeControllerManager.yaml- matchLabels:
manifests/prometheus-serviceMonitorKubeControllerManager.yaml- k8s-app: kube-controller-manager
--
manifests/prometheus-serviceMonitorKubelet.yaml- matchNames:
manifests/prometheus-serviceMonitorKubelet.yaml- - kube-system
manifests/prometheus-serviceMonitorKubelet.yaml: selector:
manifests/prometheus-serviceMonitorKubelet.yaml- matchLabels:
manifests/prometheus-serviceMonitorKubelet.yaml- k8s-app: kubelet
--
manifests/prometheus-serviceMonitorKubeScheduler.yaml- matchNames:
manifests/prometheus-serviceMonitorKubeScheduler.yaml- - kube-system
manifests/prometheus-serviceMonitorKubeScheduler.yaml: selector:
manifests/prometheus-serviceMonitorKubeScheduler.yaml- matchLabels:
manifests/prometheus-serviceMonitorKubeScheduler.yaml- k8s-app: kube-scheduler

# 新建prometheus-kubeSchedulerService.yaml
cd /opt/k8s/work/kube-prometheus/
cat >manifests/prometheus-kubeSchedulerService.yaml<<EOF
apiVersion: v1
kind: Service
metadata:
 namespace: kube-system
 name: kube-scheduler
 labels:
 k8s-app: kube-scheduler
spec:
 selector:
 component: kube-scheduler
 type: ClusterIP
 clusterIP: None
 ports:
 - name: http-metrics
 port: 10251
 targetPort: 10251
 protocol: TCP
---
apiVersion: v1
kind: Endpoints
metadata:
 labels:
 k8s-app: kube-scheduler
 name: kube-scheduler
 namespace: kube-system
subsets:
- addresses:
 - ip: 10.0.0.61
 - ip: 10.0.0.62
 - ip: 10.0.0.63
 ports:
 - name: http-metrics
 port: 10251
 protocol: TCP
EOF
kubectl apply -f manifests/prometheus-kubeSchedulerService.yaml

# 同理新建prometheus-kubeControllerManagerService.yaml
cat >manifests/prometheus-kubeControllerManagerService.yaml<<EOF 
apiVersion: v1
kind: Service
metadata:
 namespace: kube-system
 name: kube-controller-manager
 labels:
 k8s-app: kube-controller-manager
spec:
 selector:
 component: kube-controller-manager
 type: ClusterIP
 clusterIP: None
 ports:
 - name: http-metrics
 port: 10252
 targetPort: 10252
 protocol: TCP
---
apiVersion: v1
kind: Endpoints
metadata:
 labels:
 k8s-app: kube-controller-manager
 name: kube-controller-manager
 namespace: kube-system
subsets:
- addresses:
 - ip: 10.0.0.61
 - ip: 10.0.0.62
 - ip: 10.0.0.63
 ports:
 - name: http-metrics
 port: 10252
 protocol: TCP
EOF
kubectl apply -f manifests/prometheus-kubeControllerManagerService.yaml
</code> ==访问alertmanager web页面：== <a href="http://10.0.0.62:39093/" target="_blank">http://10.0.0.62:39093/</a> <img src="assets/73.png" alt="73" /> <img src="assets/47.png" alt="47" /> ==访问 grafana ：== <a href="http://10.0.0.62:33000/login" target="_blank">http://10.0.0.62:33000/login</a> <img src="assets/00.png" alt="00" /> 用 admin/admin 登录： <img src="assets/58.png" alt="58" /> 本身自带很多模板： <img src="assets/56.png" alt="56" /> <img src="assets/81.png" alt="81" /> 当然，也可以去grafana官网其去找模板，或者自己写。 1.4 EFK 1、EFK 组件简介 <img src="assets/bd0c6694-06c1-44bb-992d-1d9dfcf51dc8.jpg" alt="bd0c6694-06c1-44bb-992d-1d9dfcf51dc8" /> 顾名思义，EFK 是 Elasticsearch、Fluentd、Kibana 三个开源软件组件的首字母缩写，EFK 是业界主流的容器时代日志收集处理的**解决方案。三个组件组合起来工作就是 EFK，组件之间数据流是这样：Log 源（比如 Log 文件、k8s Pod 日志、Docker 日志驱动等等）—> Fluentd 收集 —> Elasticsearch 存储 —> Kibana UI 查看。 Kubernetes中比较流行的日志收集解决方案是Elasticsearch、Fluentd 和 Kibana（EFK）技术栈，也是官方现在比较推荐的一种方案。 - Elasticsearch是一个实时的、分布式的可扩展的搜索引擎，允许进行全文、结构化搜索，它通常用于索引和搜索大量日志数据，也可用于搜索许多不同类型的文档。 - Fluentd是一个流行的开源数据收集器，是CNCF的毕业项目。我们将在Kubernetes集群节点上以DaemonSet的方式安装Fluentd，通过获取容器日志文件、过滤和转换日志数据，然后将数据传递到 Elasticsearch集群，在该集群中对其进行索引和存储。 - Kibana是Elasticsearch的一个功能强大的数据可视化 dashboard，Kibana提供了web 界面来浏览 Elasticsearch 日志数据。 2、日志层次 在Kubernetes中，有三个层次的日志： - 基础日志 - Node级别的日志 - 群集级别的日志架构 基础日志 kubernetes基础日志即将日志数据输出到标准输出流，可以使用kubectl logs命令获取容器日志信息。如果Pod中有多个容器，可以通过将容器名称附加到命令来指定要访问哪个容器的日志。例如，在Kubernetes集群中的devops命名空间下有一个名称为nexus3-f5b7fc55c-hq5v7的Pod，就可以通过如下的命令获取日志： <code>
$ kubectl logs nexus3-f5b7fc55c-hq5v7 --namespace=devops
</code> Node级别的日志 容器化应用写入到stdout和stderr的所有内容都是由容器引擎处理和重定向的。例如，docker容器引擎会将这两个流重定向到日志记录驱动，在Kubernetes中该日志驱动被配置为以json格式写入文件。docker json日志记录驱动将每一行视为单独的消息。当使用docker日志记录驱动时，并不支持多行消息，因此需要在日志代理级别或更高级别上处理多行消息。默认情况下，如果容器重新启动，kubectl将会保留一个已终止的容器及其日志。如果从Node中驱逐Pod，那么Pod中所有相应的容器也会连同它们的日志一起被驱逐。Node级别的日志中的一个重要考虑是实现日志旋转，这样日志不会消耗Node上的所有可用存储。Kubernetes目前不负责旋转日志，部署工具应该建立一个解决方案来解决这个问题。 <img src="assets/logging-node-level.png" alt="logging-node-level" /> 在Kubernetes中有两种类型的系统组件：运行在容器中的组件和不在容器中运行的组件。例如： - kubernetes调度器和kube-proxy在容器中运行。 - kubelet和容器运行时，例如docker，不在容器中运行。在带有systemd的机器上，kubelet和容器运行时写入journaId。如果systemd不存在，它们会在/var/log目录中写入.log文件。在容器中的系统组件总是绕过默认的日志记录机制，写入到/var/log目录，它们使用golg日志库。可以找到日志记录中开发文档中那些组件记录严重性的约定。类似于容器日志，在/var/log目录中的系统组件日志应该被旋转。这些日志被配置为每天由logrotate进行旋转，或者当大小超过100mb时进行旋转。 集群级别的日志架构 Kubernetes本身没有为群集级别日志记录提供原生解决方案，但有几种常见的方法可以采用： - 使用运行在每个Node上的Node级别的日志记录代理； - 在应用Pod中包含一个用于日志记录的sidecar。 - 将日志直接从应用内推到后端。经过综合考虑，本文采用通过在每个Node上包括Node级别的日志记录代理来实现群集级别日志记录。日志记录代理暴露日志或将日志推送到后端的专用工具。通常，logging-agent是一个容器，此容器能够访问该Node上的所有应用程序容器的日志文件。因为日志记录必须在每个Node上运行，所以通常将它作为DaemonSet副本、或一个清单Pod或Node上的专用本机进程。然而，后两种方法后续将会被放弃。使用Node级别日志记录代理是Kubernetes集群最常见和最受欢迎的方法，因为它只为每个节点创建一个代理，并且不需要对节点上运行的应用程序进行任何更改。但是，Node级别日志记录仅适用于应用程序的标准输出和标准错误。 Kubernetes本身并没有指定日志记录代理，但是有两个可选的日志记录代理与Kubernetes版本打包发布：和谷歌云平台一起使用的Stackdriver和Elasticsearch，两者都使用自定义配置的fluentd作为Node上的代理。在本文的方案中，Logging-agent 采用 Fluentd，而 Logging Backend 采用 Elasticsearch，前端展示采用Grafana。即通过 Fluentd 作为 Logging-agent 收集日志，并推送给后端的Elasticsearch；Grafana从Elasticsearch中获取日志，并进行统一的展示。 <img src="assets/微信截图_118.png" alt="微信截图_118" /> 3、部署 上传镜像并解压导入 <code>bash
rz efk.tar.gz
cd /opt/k8s/work
source /opt/k8s/bin/environment.sh
for node_ip in ${MASTER_IPS[@]}
do
 echo -e "033[42;37m >>> ${node_ip} <<< 033[0m"
 scp elk.tar.gz root@${node_ip}:/opt/k8s/work
 ssh root@${node_ip} "cd /opt/k8s/work/ && tar -zxf efk.tar.gz"
done
</code> 所有节点导入镜像 <code>
cd /opt/k8s/work/efk/ && for i in `ls`;do docker load -i $i;done
</code> 将下载的 kubernetes-server-linux-amd64.tar.gz 解压后，再解压其中的 kubernetes-src.tar.gz 文件。 <code>bash
cd /opt/k8s/work/kubernetes/
tar -xzvf kubernetes-src.tar.gz
</code> EFK 目录是 <code>kubernetes/cluster/addons/fluentd-elasticsearch</code>。执行定义文件 <code>bash
cd /opt/k8s/work/kubernetes/cluster/addons/fluentd-elasticsearch
kubectl apply -f .
</code> 检查执行结果 <code>bash
$ kubectl get all -n kube-system |grep -E 'elasticsearch|fluentd|kibana'
pod/elasticsearch-logging-0 1/1 Running 0 15m
pod/elasticsearch-logging-1 1/1 Running 0 14m
pod/fluentd-es-v2.7.0-98slb 1/1 Running 0 15m
pod/fluentd-es-v2.7.0-v25tz 1/1 Running 0 15m
pod/fluentd-es-v2.7.0-zngpm 1/1 Running 0 15m
pod/kibana-logging-d6-nw6bc 1/1 Running 0 5m40s
service/elasticsearch-logging ClusterIP 10.254.11.19 <none> 9200/TCP 15m
service/kibana-logging ClusterIP 10.254.207.146 <none> 5601/TCP 15m
daemonset.apps/fluentd-es-v2.7.0 3 3 3 3 3 <none> 15m
deployment.apps/kibana-logging 1/1 1 1 15m
replicaset.apps/kibana-logging-d6 1 1 1 15m
statefulset.apps/elasticsearch-logging 2/2 15m
</code> 注意：只有当 Kibana pod 启动完成后，浏览器才能查看 kibana dashboard，否则会被拒绝。 # 附录：使用Kube-prometheus，则无需部署以下插件 1.1 metrics-server Metrics Server是Kubernetes内置自动伸缩管道的可扩展，高效的容器资源指标来源。 Metrics Server从Kubelet收集资源指标，并通过<a href="https://github.com/kubernetes/metrics" target="_blank">Metrics API</a>在Kubernetes apiserver中公开它们，以供<a href="https://kubernetes.io/docs/tasks/run-application/horizontal-pod-autoscale/" target="_blank">Horizontal Pod Autoscaler</a>和<a href="https://github.com/kubernetes/autoscaler/tree/master/vertical-pod-autoscaler" target="_blank">Vertical Pod Autoscaler使用</a>。也可以通过访问Metrics API <code>kubectl top</code>，从而更轻松地调试自动缩放管道。 Metrics Server并非用于非自动缩放目的。例如，请勿将其用于将指标转发到监视解决方案，也不要将其用作监视解决方案指标的来源。 Metrics Server提供： - 适用于大多数集群的单个部署（请参阅<a href="https://github.com/kubernetes-sigs/metrics-server#requirements" target="_blank">需求</a>） - 可扩展支持多达5,000个节点集群 - 资源效率：Metrics Server使用0.5m核心CPU和每个节点4 MB内存 metrics-server 通过 kube-apiserver 发现所有节点，然后调用 kubelet APIs（通过 https 接口）获得各节点（Node）和 Pod 的 CPU、Memory 等资源使用情况。从 Kubernetes 1.12 开始，kubernetes 的安装脚本移除了 Heapster，从 1.13 开始完全移除了对 Heapster 的支持，Heapster 不再被维护。替代方案如下： - 用于支持自动扩缩容的 CPU/memory HPA metrics：metrics-server； - 通用的监控方案：使用第三方可以获取 Prometheus 格式监控指标的监控系统，如 Prometheus Operator； - 事件传输：使用第三方工具来传输、归档 kubernetes events；从 Kubernetes 1.8 开始，资源使用指标（如容器 CPU 和内存使用率）通过 Metrics API 在 Kubernetes 中获取, metrics-server 替代了heapster。Metrics Server 实现了Resource Metrics API，Metrics Server 是集群范围资源使用数据的聚合器。 Metrics Server 从每个节点上的 Kubelet 公开的 Summary API 中采集指标信息。有了Metrics Server组件，也采集到了该有的数据，也暴露了api，但因为api要统一，如何将请求到api-server的/apis/metrics请求转发给Metrics Server呢，解决方案就是：kube-aggregator,在k8s的1.7中已经完成，之前Metrics Server一直没有面世，就是耽误在了kube-aggregator这一步。kube-aggregator（聚合api）主要提供： - Provide an API for registering API servers; - Summarize discovery information from all the servers; - Proxy client requests to individual servers; Metric API的使用： - Metrics API 只可以查询当前的度量数据，并不保存历史数据; - Metrics API URI 为 /apis/metrics.k8s.io/，在 k8s.io/metrics 维护; - 必须部署 metrics-server 才能使用该 API，metrics-server 通过调用 Kubelet Summary API 获取数据 Metrics server定时从Kubelet的Summary API(类似/ap1/v1/nodes/nodename/stats/summary)采集指标信息，这些聚合过的数据将存储在内存中，且以metric-api的形式暴露出去。Metrics server复用了api-server的库来实现自己的功能，比如鉴权、版本等，为了实现将数据存放在内存中吗，去掉了默认的etcd存储，引入了内存存储（即实现Storage interface)。因为存放在内存中，因此监控数据是没有持久化的，可以通过第三方存储来拓展，这个和heapster是一致的。 Kubernetes Dashboard 还不支持 metrics-server，如果使用 metrics-server 替代 Heapster，将无法在 dashboard 中以图形展示 Pod 的内存和 CPU 情况，需要通过 Prometheus、Grafana 等监控方案来弥补。kuberntes 自带插件的 manifests yaml 文件使用 gcr.io 的 docker registry，国内被墙，需要手动替换为其它 registry 地址（本文档未替换）；可以从微软中国提供的 gcr.io 免费代理下载被墙的镜像。 监控架构： <img src=<a href="https://gitee.com/crazywjj/K8S/blob/main/"assets/--.png"" target="_blank">https://gitee.com/crazywjj/K8S/blob/main/"assets/--.png"</a> style="zoom: 50%;" /> Metrics server出现后，新的Kubernetes 监控架构将变成上图的样子核心流程（黑色部分）：这是 Kubernetes正常工作所需要的核心度量，从 Kubelet、cAdvisor 等获取度量数据，再由metrics-server提供给 Dashboard、HPA 控制器等使用。监控流程（蓝色部分）：基于核心度量构建的监控流程，比如 Prometheus 可以从 metrics-server 获取核心度量，从其他数据源（如 Node Exporter 等）获取非核心度量，再基于它们构建监控告警系统。官方地址：<a href="https://github.com/kubernetes-incubator/metrics-server ==metric-server使用：== 如上文提到的，metric-server是扩展的apiserver，依赖于kube-aggregator，因此需要在apiserver中开启相关参数。 ```ruby --requestheader-allowed-names="aggregator" --requestheader-client-ca-file=/etc/kubernetes/cert/ca.pem --requestheader-extra-headers-prefix="X-Remote-Extra-" --requestheader-group-headers=X-Remote-Group --requestheader-username-headers=X-Remote-User --proxy-client-cert-file=/etc/kubernetes/cert/proxy-client.pem --proxy-client-key-file=/etc/kubernetes/cert/proxy-client-key.pem ``` 1、安装" target="_blank">https://github.com/kubernetes-incubator/metrics-server

==metric-server使用：==

如上文提到的，metric-server是扩展的apiserver，依赖于kube-aggregator，因此需要在apiserver中开启相关参数。

“`ruby
–requestheader-allowed-names="aggregator"
–requestheader-client-ca-file=/etc/kubernetes/cert/ca.pem
–requestheader-extra-headers-prefix="X-Remote-Extra-"
–requestheader-group-headers=X-Remote-Group
–requestheader-username-headers=X-Remote-User
–proxy-client-cert-file=/etc/kubernetes/cert/proxy-client.pem
–proxy-client-key-file=/etc/kubernetes/cert/proxy-client-key.pem
”`

1、安装</a> metrics-server ==详细请看 <a href="assetsmetrics-server-deployment.yaml" target="_blank">metrics-server-deployment.yaml</a>== <code>yml
cd /opt/k8s/work/
# git clone https://github.com/kubernetes-sigs/metrics-server.git
# 此处用的是v0.3.6
tar -zxvf metrics-server-v0.3.6.tar.gz
cd metrics-server-0.3.6/deploy/1.8+/
cp metrics-server-deployment.yaml{,.bak}
vim metrics-server-deployment.yaml
......
spec:
 hostNetwork: true #新增
 serviceAccountName: metrics-server
 volumes:
 - name: tmp-dir
 emptyDir: {}
 containers:
 - name: metrics-server
 image: registry.cn-hangzhou.aliyuncs.com/google_containers/metrics-server-amd64:v0.3.6 #修改国内镜像源
 command: #新增
 - /metrics-server #新增
 - --metric-resolution=30s #新增
 - --kubelet-insecure-tls #新增
 - --kubelet-preferred-address-types=InternalIP,Hostname,InternalDNS,ExternalDNS,ExternalIP #新增
 imagePullPolicy: Always #修改
......

#创建metrics-server
kubectl create -f .
</code> 2、查看运行情况 <code>bash
[root@ k8s-m01 1.8+]# kubectl -n kube-system get pods -l k8s-app=metrics-server
NAME READY STATUS RESTARTS AGE
metrics-server-7c4c487b76-fn8jv 1/1 Running 0 51s
[root@ k8s-m01 1.8+]# kubectl get svc -n kube-system metrics-server
NAME TYPE CLUSTER-IP EXTERNAL-IP PORT(S) AGE
metrics-server ClusterIP 10.254.91.183 <none> 443/TCP 61s

[root@ k8s-m01 ~]# kubectl cluster-info
Kubernetes master is running at https://10.0.0.88:8443
CoreDNS is running at https://10.0.0.88:8443/api/v1/namespaces/kube-system/services/kube-dns:dns/proxy
Metrics-server is running at https://10.0.0.88:8443/api/v1/namespaces/kube-system/services/https:metrics-server:/proxy
</code> 3、查看 metrics-server 输出的 metrics 通过 kube-apiserver 或 kubectl proxy 访问： <code>bash
https://10.0.0.61:8443/apis/metrics.k8s.io/v1beta1/nodes
https://10.0.0.61:8443/apis/metrics.k8s.io/v1beta1/pods
</code> 直接使用 kubectl 命令访问： <code>bash
kubectl get --raw https://10.0.0.61:6443/apis/metrics.k8s.io/v1beta1/nodes | jq .
kubectl get --raw https://10.0.0.61:6443/apis/metrics.k8s.io/v1beta1/pods | jq .
kubectl get --raw https://10.0.0.61:6443/apis/metrics.k8s.io/v1beta1/nodes/<node-name> | jq .
kubectl get --raw https://10.0.0.61:6443/apis/metrics.k8s.io/v1beta1/namespace/<namespace-name>/pods/<pod-name> | jq .
</code> 4、使用 kubectl top 命令查看集群节点资源使用情况 <code>bash
[root@ k8s-m01 1.8+]# kubectl top pods -n kube-system
NAME CPU(cores) MEMORY(bytes)
coredns-59845f77f8-l7rjh 4m 16Mi
metrics-server-7c4c487b76-fn8jv 3m 14Mi
[root@ k8s-m01 1.8+]# kubectl top nodes
NAME CPU(cores) CPU% MEMORY(bytes) MEMORY%
k8s-m01 160m 8% 2485Mi 64%
k8s-m02 181m 9% 1984Mi 51%
k8s-m03 161m 8% 1931Mi 50%
</code> 此时，k8s的Dashboard也可以看到pod使用资源情况。 <img src="assets/52.png" alt="52" /> 1.2 kube-state-metrics 1、概述： 已经有了cadvisor、heapster、metric-server，几乎容器运行的所有指标都能拿到，但是下面这种情况却无能为力： - 我调度了多少个replicas？现在可用的有几个？ - 多少个Pod是running/stopped/terminated状态？ - Pod重启了多少次？ - 我有多少job在运行中而这些则是kube-state-metrics提供的内容，它基于client-go开发，轮询Kubernetes API，并将Kubernetes的结构化信息转换为metrics。 2、功能： kube-state-metrics提供的指标，按照阶段分为三种类别： 1.实验性质的：k8s api中alpha阶段的或者spec的字段。 2.稳定版本的：k8s中不向后兼容的主要版本的更新 3.被废弃的：已经不在维护的。 指标类别包括： <code>bash
CronJob Metrics
DaemonSet Metrics
Deployment Metrics
Job Metrics
LimitRange Metrics
Node Metrics
PersistentVolume Metrics
PersistentVolumeClaim Metrics
Pod Metrics
Pod Disruption Budget Metrics
ReplicaSet Metrics
ReplicationController Metrics
ResourceQuota Metrics
Service Metrics
StatefulSet Metrics
Namespace Metrics
Horizontal Pod Autoscaler Metrics
Endpoint Metrics
Secret Metrics
ConfigMap Metrics
</code> 以pod为例： <code>
kube_pod_info
kube_pod_owner
kube_pod_status_phase
kube_pod_status_ready
kube_pod_status_scheduled
kube_pod_container_status_waiting
kube_pod_container_status_terminated_reason
...
</code> ==kube-state-metrics与metric-server (或heapster)的对比：== 1. metric-server是从api-server中获取cpu,内存使用率这种监控指标，并把它们发送给存储后端，如influxdb或云厂商，它当前的核心作用是：为HPA等组件提供决策指标支持； 2. 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，是因为它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，但它没有能力导出这些指标； 3. 换个角度讲，kube-state-metrics本身是metric-server的一种数据来源，虽然现在没有这么做； 4. 另外，像Prometheus这种监控系统，并不会去用metric-server中的数据，它都是自己做指标收集、集成的（Prometheus包含了metric-server的能力），但Prometheus可以监控metric-server本身组件的监控状态并适时报警，这里的监控就可以通过kube-state-metrics来实现，如metric-serverpod的运行状态； ==kube-state-metrics本质上是不断轮询api-server，其性能优化：== kube-state-metrics在之前的版本中暴露出两个问题： 1. /metrics接口响应慢(10-20s) 2. 内存消耗太大，导致超出limit被杀掉问题一的方案：就是基于client-go的cache tool实现本地缓存，具体结构为：<code>var cache = map[uuid][]byte{}</code> 问题二的的方案是：对于时间序列的字符串，是存在很多重复字符的（如namespace等前缀筛选），可以用指针或者结构化这些重复字符。 ==kube-state-metrics优化点和问题：== 1. 因为kube-state-metrics是监听资源的add、delete、update事件，那么在kube-state-metrics部署之前已经运行的资源的数据是不是就拿不到了？其实kube-state-metric利用client-go可以初始化所有已经存在的资源对象，确保没有任何遗漏； 2. kube-state-metrics当前不会输出metadata信息(如help和description）； 3. 缓存实现是基于golang的map，解决并发读问题当期是用了一个简单的互斥锁，应该可以解决问题，后续会考虑golang的sync.Map安全map； 4. kube-state-metrics通过比较resource version来保证event的顺序； 5. kube-state-metrics并不保证包含所有资源； 3、使用 <code>bash
cd /opt/k8s/work/
git clone https://github.com/kubernetes/kube-state-metrics.git
cd kube-state-metrics/examples/standard/

vim service.yaml
apiVersion: v1
kind: Service
metadata:
 labels:
 app.kubernetes.io/name: kube-state-metrics
 app.kubernetes.io/version: 1.9.5
 name: kube-state-metrics
 namespace: kube-system
 annotations:
 prometheus.io/scrape: "true" #添加此参数，允许prometheus自动发现
spec:
 clusterIP: None
 ports:
 - name: http-metrics
 port: 8080
 targetPort: http-metrics
 - name: telemetry
 port: 8081
 targetPort: telemetry
 selector:
 app.kubernetes.io/name: kube-state-metrics
 
#创建kube-state-metrics
kubectl delete -f .
</code> 查看状态： <code>bash
$ kubectl get pod,svc -n kube-system|grep kube-state-metrics
pod/kube-state-metrics-6dd-xwlm8 1/1 Running 0 5m20s
service/kube-state-metrics ClusterIP None <none> 8080/TCP,8081/TCP 5m21s
</code>

讯享网

kubelet组件功能（kubelet-client-current.pem）

相关推荐