О Наблюдаемости Микросервисов В Kubernetes

Полное руководство по развертыванию, ведению журналов, распределенной трассировке, мониторингу производительности и показателей, включая работоспособность кластера.

Привет, Хабр.

В рамках курса «Микросервисная архитектура» Мы подготовили для вас перевод материала.

Также приглашаем вас на открытый вебинар по теме «Распределенные очереди сообщений на примере Kafka».

возможно, это именно та статья, которую вы искали.

Для начала давайте разберемся, что такое наблюдаемость.

Этот термин возник в области разработки систем управления и определялся как «мера того, насколько хорошо внутренние состояния системы могут быть определены на основе информации о ее внешних выходных данных».

Проще говоря, наблюдаемость подразумевает адекватное понимание системы для облегчения корректирующих действий.

Наблюдаемость опирается на три столпа:

• Журналы событий: запись событий, произошедших в системе.

  События дискретны и содержат метаданные о системе на момент их возникновения.

• Отслеживание: система обычно состоит из множества частей/компонентов, которые работают согласованно, выполняя определенные важные функции.

  Мониторинг потока запросов и ответов через распределенные компоненты имеет решающее значение для эффективной отладки и устранения неполадок определенных функций.

• Метрики: производительность системы, измеренная за определенный период времени.

  Они отражают качество обслуживания системы.

Микросервисы — приложение Kubernetes

Давайте рассмотрим микросервисное приложение, предоставляющее информацию о погоде для определенного города.

• Weather-front: компонент, состоящий из фронтенда с интерфейсом для ввода названия города и просмотра информации о погоде.

  Смотрите скриншот выше.

• Метеорологические службы: компонент, который принимает название города в качестве входных данных и вызывает внешний API погоды для получения информации о погоде.

• Weather-db: это компонент базы данных Maria, в котором хранятся данные о погоде, полученные для города, отслеживаемого в фоновом режиме.

   

 kubectl get deploy

   

Ниже приведены фрагменты кода, которые будут использоваться для развертывания микросервисов.

Погодный фронт:

- image: brainupgrade/weather:microservices-front imagePullPolicy: Always name: weather-front

Погодные службы:

- image: brainupgrade/weather-services:2.0.0 imagePullPolicy: Always name: weather-services

Погода-БД:

- image: mariadb:10.3 name: mariadb ports: - containerPort: 3306 name: mariadb

Наблюдаемость — первый компонент — журналы событий

Elasticsearch и Кибана:

helm repo add elastic https://helm.elastic.co helm repo update helm install --name elasticsearch elastic/elasticsearch --set replicas=1 --namespace elasticsearch helm install --name kibana elastic/kibana

свободно владеет:

containers: - name: fluentd imagePullPolicy: "Always" image: fluent/fluentd-kubernetes-daemonset:v1.12.0-debian-elasticsearch7-1.0 env: - name: FLUENT_ELASTICSEARCH_HOST value: "elasticsearch-master.elasticsearch.svc.cluster.local" - name: FLUENT_ELASTICSEARCH_PORT value: "9200"

После установки вы можете запустить панель управления Kibana, которая будет выглядеть как на скриншоте ниже:



Когда вы запустите Fluentd, вы увидите следующее (Fluentd работает как Daemonset — скриншот 4):



Вскоре логи начнут публиковаться в Elasticsearch. Их можно посмотреть в Кибане:



Первый принцип наблюдаемости реализован, поэтому давайте сосредоточимся на следующем — распределенной трассировке.

Наблюдаемость – второй компонент – (распределенная) трассировка

См.

приведенный ниже фрагмент кода, используемый для микросервиса прогноза погоды.

Аналогичный код следует использовать для компонента метеорологических служб.

Код агента APM для микросервиса прогнозирования погоды:

initContainers: - name: elastic-java-agent image: docker.elastic.co/observability/apm-agent-java:1.12.0 volumeMounts: - mountPath: /elastic/apm/agent name: elastic-apm-agent command: ['cp', '-v', '/usr/agent/elastic-apm-agent.jar', '/elastic/apm/agent'] containers: - image: brainupgrade/ weather:microservices-front imagePullPolicy: Always name: weather-front volumeMounts: - mountPath: /elastic/apm/agent name: elastic-apm-agent env: - name: ELASTIC_APM_SERVER_URL value: " http://apm-server.elasticsearch.svc.cluster.local:8200 " - name: ELASTIC_APM_SERVICE_NAME value: "weather-front" - name: ELASTIC_APM_APPLICATION_PACKAGES value: "in.brainupgrade" - name: ELASTIC_APM_ENVIRONMENT value: prod - name: ELASTIC_APM_LOG_LEVEL value: DEBUG - name: JAVA_TOOL_OPTIONS value: - javaagent:/elastic/apm/agent/elastic-apm-agent.jar

После повторного развертывания компонентов микросервиса вы можете перейти в консоль Observability -> APM в Kibana, чтобы посмотреть, как появляются сервисы (см.

скриншот 6).

После того, как вы нажмете на службу Weather Front, вы сможете увидеть транзакции:



Нажмите на любую из транзакций, и вы увидите детализированное представление с более подробной информацией о транзакции, включая задержку, пропускную способность, образец трассировки и т. д.







На приведенном выше снимке экрана показана распределенная трассировка, которая наглядно иллюстрирует взаимосвязь между микросервисами прогноза погоды и метеорологических служб.

Нажав кнопку «Образец трассировки», вы увидите подробную информацию о транзакции.

Раскрывающийся список «Действия» в сведениях о транзакции предоставляет возможность просмотра журналов для этой конкретной транзакции.

Что ж, на данный момент мы рассмотрели два из трех столпов наблюдаемости.

Наблюдаемость – третий компонент – метрики

Кроме того, мы можем использовать плагин Spring Boot Prometheus Actuator для сбора данных метрик.

Для этого сначала установите Prometheus и Grafana, используя следующие простые команды: Прометей и Графана:

helm repo add prometheus-community https://prometheus-community.github.io/helm-charts helm repo add grafana https://grafana.github.io/helm-charts helm repo update helm install --name prometheus prometheus-community/prometheus helm install --name grafana grafana/grafana

После запуска Prometheus и Grafana вам необходимо добавить приведенный ниже код в свои микросервисы и повторно развернуть:

template: metadata: labels: app: weather-services annotations: prometheus.io/scrape: "true" prometheus.io/port: "8888" prometheus.io/path: /actuator/prometheus containers: - image: brainupgrade/weather-services:2.0.0 imagePullPolicy: Always name: weather-services volumeMounts: - mountPath: /elastic/apm/agent name: elastic-apm-agent env: - name: management.endpoints.web.exposure.include value: "*" - name: spring.application.name value: weather-services - name: management.server.port value: "8888" - name: management.metrics.web.server.request.autotime.enabled value: "true" - name: management.metrics.tags.application value: weather-services

После повторного развертывания микросервисов откройте Grafana, импортируйте панель приборов с идентификатором 12685 и выберите микросервис, метрики которого вы хотите просмотреть.

На скриншоте ниже показан погодный фронт:



А чтобы увидеть метрики по всему кластеру, импортируйте панель приборов Grafana с идентификатором 6417 и вы увидите что-то вроде:

Узнайте больше о курсе «Микросервисная архитектура» .

Посмотрите открытый вебинар по теме «Распределенные очереди сообщений на примере Kafka».

• Приключения Сусанина Или Прелести Русских Улиц.

  19 Oct, 24

• Пишем Обратный Прокси-Сервер Socks5 На Powershell. Часть 2

  19 Oct, 24

• Глобальное Распределение Призов Fppp!

  19 Oct, 24

• Сравнение Кодеков Hevc От Мгу. Как Улучшить Свои Результаты

  19 Oct, 24

• Программа Arm — В Бюджете Наса Не Было Места Для Валуна С Астероида...

  19 Oct, 24

• Drupal Как Игровая Платформа (Часть 1)

  19 Oct, 24

• Скайп Hd 2010

  19 Oct, 24

• Уязвимость Нулевого Дня В Roundcube

  19 Oct, 24

• Opera Одобрена В Appstore И Будет Доступна Для Скачивания В Ближайшие 24 Часа!

  19 Oct, 24

• Ожидается, Что Llvm 2.0 Будет Выпущен К Концу Месяца.

  19 Oct, 24