搭建微服务架构：Kubernetes Prometheus ELK Stack的组合-Toy模板网

这篇具有很好参考价值的文章主要介绍了搭建微服务架构：Kubernetes Prometheus ELK Stack的组合。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

一、前言

1 微服务架构简介

微服务架构是一种软件设计模式，它将单个应用程序拆分成一组更小、更独立的服务。每个服务在自己的进程中运行，并使用轻量级通信机制进行通信。由于每个服务都是独立的，因此可以独立部署、扩展和更新，从而使开发和运维更加容易。

2 Kubernetes 简介

Kubernetes 是一个开源的容器编排和管理系统，它提供了高度可靠的基础设施，使得应用程序可以在多个节点上运行，从而提高可用性和性能。Kubernetes 还包含一组核心概念，例如 Pod、服务、部署和副本集等，它们可以帮助您更好地管理和编排容器化应用程序。

3 Kubernetes 与微服务

Kubernetes 与微服务是相互关联的。它提供了高效、可扩展的容器管理工具和服务，让微服务的部署、升级和扩容变得非常简单。

二、准备工作

1 安装 Kubernetes

1.1 搭建 Kubernetes 集群

要部署 Kubernetes 集群需要至少三个计算机实例。其中一个实例（即 Master 节点）将充当集群的控制中心，调度和管理容器的生命周期，另外两个实例将作为 Worker 节点负责运行和管理容器实例。

搭建 Kubernetes 集群有很多方式这里将使用 kubeadm 工具完成。请先确保每个计算机实例上都已安装了 Docker 引擎和 kubeadm 工具。

在 Master 节点上运行以下命令，初始化 Kubernetes 集群：

$ sudo kubeadm init --pod-network-cidr=10.244.0.0/16

注：pod-network-cidr 参数（10.244.0.0/16）用于设置 Calico 网络插件的 IP 地址范围。必须指定此参数才能成功安装 Calico 网络插件。

初始化成功后，应该能够看到类似下面的输出信息：

Your Kubernetes control-plane has initialized successfully!

根据输出信息在 Master 节点上运行以下命令，安装网络插件（这里我们将使用 Calico 网络插件）：

$ kubectl apply -f https://docs.projectcalico.org/v3.16/manifests/calico.yaml

运行以下命令查看节点状态：

$ kubectl get nodes

应该能够看到类似下面的输出信息：

NAME          STATUS    AGE     VERSION
k8s-master    Ready     3m36s   v1.19.0
k8s-worker1   Ready     12s     v1.19.0
k8s-worker2   Ready     3s      v1.19.0

至此已成功地搭建了 Kubernetes 集群！

1.2 安装 kubectl 工具

kubectl 是 Kubernetes 的命令行工具。它可用于与 Kubernetes 集群进行交互，例如通过 kubectl 创建、更新和删除 Kubernetes 对象，以及查看集群状态和日志等。

在每个节点上安装 kubectl 工具：

$ sudo apt-get update && sudo apt-get install -y apt-transport-https
$ curl -s https://packages.cloud.google.com/apt/doc/apt-key.gpg | sudo apt-key add -
$ cat <<EOF | sudo tee /etc/apt/sources.list.d/kubernetes.list
deb https://apt.kubernetes.io/ kubernetes-xenial main
EOF
$ sudo apt-get update
$ sudo apt-get install -y kubectl

2 准备 Docker 镜像

2.1 编写 Dockerfile 文件

在使用 Kubernetes 部署应用程序之前需要将应用程序打包成一个 Docker 镜像。下面是一个简单的 Node.js 应用程序的 Dockerfile 文件：

FROM node:12
WORKDIR /app
COPY package*.json ./
RUN npm install
COPY . .
EXPOSE 3000
CMD ["npm", "start"]

这个 Dockerfile 文件指定了 Node.js 的 12.x 版本作为基础镜像，并将工作目录设置为 /app。然后，它复制了 package.json 和 package-lock.json 文件到 /app 目录中，并运行 npm install 命令安装所需的 Node.js 模块。接下来它复制了所有项目文件到 Docker 镜像中，并暴露端口号 3000。最后它在容器启动时运行 npm start 命令来启动应用程序。

2.2 构建 Docker 镜像

在 Dockerfile 文件所在的目录中，使用以下命令构建 Docker 镜像：

$ docker build -t mynodeapp:1.0 .

这个命令将使用当前目录下的 Dockerfile 文件，并将构建出的 Docker 镜像标记为 mynodeapp:1.0。

2.3 将 Docker 镜像上传到容器仓库

要在 Kubernetes 中部署应用程序需要将 Docker 镜像上传到容器仓库中。下面是一个例子，展示如何将 Docker 镜像上传到 Docker Hub：

先行创建一个 Docker Hub 账户。
在本地终端中登录到 Docker Hub：

$ docker login

将先前构建的 Docker 镜像标记并上传到 Docker Hub：

$ docker tag mynodeapp:1.0 myhubuser/mynodeapp:1.0
$ docker push myhubuser/mynodeapp:1.0

现在，我们已经准备好在 Kubernetes 中部署我们的应用程序了！

三、部署微服务

在 Kubernetes 中部署和管理微服务非常简单。以下是如何使用 Deployment、Service 和 Ingress 对象来部署和管理微服务的详细步骤。

1 使用 Deployment 部署微服务

1.1 创建 Deployment 对象

Deployment 对象是 Kubernetes 中一种用于自动部署和更新应用程序的对象。它会自动创建和管理 Pod 对象，并根据应用程序的副本数和更新策略，自动扩展或缩小每个 Pod 副本的数量。

要创建一个 Deployment 对象，您需要创建一个简单的 YAML 文件例如：

apiVersion: apps/v1
kind: Deployment
metadata:
  name: mynodeapp-deployment
  labels:
    app: mynodeapp
spec:
  replicas: 3
  selector:
    matchLabels:
      app: mynodeapp
  template:
    metadata:
      labels:
        app: mynodeapp
    spec:
      containers:
      - name: mynodeapp
        image: myhubusername/mynodeapp:1.0
        ports:
        - containerPort: 3000

上述 YAML 文件定义了一个名为 mynodeapp-deployment 的 Deployment 对象。这个 Deployment 会创建 3 个 Pod 副本，每个 Pod 副本包含一个名为 mynodeapp 的容器。每个容器都会使用 Docker Hub 中的 myhubusername/mynodeapp:1.0 镜像并在容器内打开 3000 端口。

要使用这个 YAML 文件创建 Deployment 对象，请在 Kubernetes 集群中运行以下命令：

$ kubectl apply -f mynodeapp-deployment.yaml

如果一切顺利应该能够看到类似下面的输出信息：

deployment.apps/mynodeapp-deployment created

1.2 查看 Deployment 状态

要查看部署的状态，请运行以下命令：

$ kubectl get deployments

您应该能够看到类似下面的输出信息：

NAME                  READY   UP-TO-DATE   AVAILABLE   AGE
mynodeapp-deployment   3/3     3            3           1m

此命令将显示您创建的 mynodeapp-deployment Deployment 中的 Pod 副本的状态。

1.3 手动扩展/缩小副本数

要手动扩展/缩小 Deployment 中的 Pod 副本数可以使用以下命令：

$ kubectl scale deployment mynodeapp-deployment --replicas=5

上述命令将把 mynodeapp-deployment Deployment 中的 Pod 副本数扩展到 5，您可以将 5 更改为您需要的任何数字。

每当您需要缩小 Pod 副本数时，您也可以使用类似的命令，如：

$ kubectl scale deployment mynodeapp-deployment --replicas=3

以上命令将把 mynodeapp-deployment Deployment 中的 Pod 副本数缩小到 3。请注意此操作可能会导致您的部署中断因此请小心使用。

2 使用 Service 暴露微服务

2.1 创建 Service 对象

Service 对象是 Kubernetes 中用于公开和暴露微服务的对象。它使用标签选择器来选择相应的 Pod，并创建一个稳定的 IP 地址和 DNS 名称，以便其他微服务可以通过它来访问您的微服务。

要创建一个 Service 对象，请创建一个新的 YAML 文件例如：

apiVersion: v1
kind: Service
metadata:
  name: mynodeapp-service
  labels:
    app: mynodeapp
spec:
  type: LoadBalancer
  selector:
    app: mynodeapp
  ports:
  - port: 80
    targetPort: 3000

上述 YAML 文件定义了一个名为 mynodeapp-service 的 Service 对象。这个 Service 对象使用标签选择器来选择名称为 mynodeapp 的 Pod，并创建了一个稳定的 80 端口。

要使用这个 YAML 文件创建 Service 对象，请在 Kubernetes 集群中运行以下命令：

$ kubectl apply -f mynodeapp-service.yaml

如果一切顺利应该能够看到类似下面的输出信息：

service/mynodeapp-service created

2.2 通过 Service 访问微服务

要访问微服务可以使用在 Service 中创建的 IP 地址和端口号。要查找 Service 的 IP 地址，请运行以下命令：

$ kubectl get services

您应该能够看到类似下面的输出信息：

NAME                 TYPE           CLUSTER-IP      EXTERNAL-IP     PORT(S)        AGE
kubernetes           ClusterIP      10.96.0.1       <none>          443/TCP        8h
mynodeapp-service    LoadBalancer   10.105.13.218   35.227.28.137   80:31524/TCP   1m

此命令将显示您创建的 mynodeapp-service Service 的 IP 地址和端口号。在上面的示例中，IP 地址为 10.105.13.218，端口号为 80。

现在可以使用在 Service 中创建的 IP 地址和端口号，访问您的微服务。例如，如果您的微服务是一个 Node.js Web 应用程序，您可以使用以下命令在 Web 浏览器中访问它：

$ xdg-open http://10.105.13.218

3 使用 Ingress 管理多个微服务

如果你正在运行多个微服务，您可以使用 Ingress 对象管理它们。Ingress 对象是 Kubernetes 中的一种对象，它允许您通过创建和配置 Ingress 控制器，将多个微服务公开到同一 IP 地址和端口上。

3.1 安装 Ingress 控制器

要使用 Ingress 对象管理多个微服务，请先安装 Ingress 控制器。这里我们将使用官方提供的 Nginx Ingress 控制器。

要安装 Nginx Ingress 控制器，请在 Kubernetes 集群上运行以下命令：

$ kubectl apply -f https://raw.githubusercontent.com/kubernetes/ingress-nginx/controller-v0.41.2/deploy/static/provider/cloud/deploy.yaml

3.2 创建 Ingress 对象

要创建一个 Ingress 对象，您需要创建一个新的 YAML 文件，例如：

apiVersion: networking.k8s.io/v1beta1
kind: Ingress
metadata:
  name: my-ingress
spec:
  rules:
  - http:
      paths:
      - path: /mynodeapp
        backend:
          serviceName: mynodeapp-service
          servicePort: 80
      - path: /myredisapp
        backend:
          serviceName: myredisapp-service
          servicePort: 80

上述 YAML 文件定义了一个名为 my-ingress 的 Ingress 对象。这个 Ingress 对象定义了两个微服务的路径和后端：

路径为 /mynodeapp，使用 mynodeapp-service 作为后端。
路径为 /myredisapp，使用 myredisapp-service 作为后端。

与 Service 对象类似，您可以根据需要创建一个或多个 Ingress 对象来管理多个微服务。

要使用这个 YAML 文件创建 Ingress 对象，请在 Kubernetes 集群中运行以下命令：

$ kubectl apply -f my-ingress.yaml

如果一切顺利，您应该能够看到类似下面的输出信息：

ingress.extensions/my-ingress created

现在，您可以在 Web 浏览器中使用 my-node.com/mynodeapp 和 my-node.com/myredisapp 访问两个微服务。请注意，您需要在 DNS 服务器或本地 hosts 文件中将 my-node.com 映射到 Ingress 控制器的 IP 地址。

四、微服务的监控与日志

监控和日志管理是微服务架构中必不可少的两个方面。在 Kubernetes 集群中，我们可以使用不同的工具来完成这两个任务。本文将介绍如何使用 Prometheus 和 Grafana 监控 Kubernetes 中的微服务，并使用 ELK Stack 进行微服务的日志管理。

1 Kubernetes 的监控

Kubernetes 提供了一些内置的监控和诊断工具，例如 kubectl top 命令可对 Kubernetes 中的 Pod 和节点进行监控。但是，如果您需要进行更细粒度的监控，并且需要可视化和警报功能，则可以使用第三方工具，例如 Prometheus 和 Grafana。

1.1 Prometheus 监控

Prometheus 是一种流行的开源监控工具，它可以收集多个数据源的指标，并允许我们与 Grafana 等工具一起使用，以实现更好的可视化和警报功能。

要在 Kubernetes 中使用 Prometheus，我们可以使用一个叫做 Prometheus Operator 的工具来管理 Prometheus 实例并配置规则。

以下是如何使用 Prometheus Operator 在 Kubernetes 中设置 Prometheus 监控的详细步骤：

步骤 1. 安装 Prometheus Operator CRD

首先需要通过运行以下命令来安装 Prometheus Operator CRD：

$ kubectl apply -f https://raw.githubusercontent.com/coreos/prometheus-operator/master/bundle.yaml

步骤 2. 安装 Prometheus Operator

然后需要安装 Prometheus Operator。有两种方法可以安装 Prometheus Operator：使用 Operator 部署程序或者使用 Helm Chart。

1 使用 Operator 部署程序

要使用 Operator 部署程序安装 Prometheus Operator，请按照以下步骤操作：

下载 kustomize 工具：

$ curl -Lo kustomize https://github.com/kubernetes-sigs/kustomize/releases/download/kustomize%2Fv3.5.4/kustomize_v3.5.4_darwin_amd64
$ chmod +x kustomize
$ sudo mv kustomize /usr/local/bin/

下载 Prometheus Operator：

$ git clone https://github.com/coreos/kube-prometheus.git

部署 Prometheus Operator：

$ cd kube-prometheus
$ kustomize build manifests/prometheus-operator | kubectl apply -f -

完成后应该能够看到一个名为 prometheus-operator 的 Deployment，它正在运行 Prometheus Operator。

2 使用 Helm Chart

要使用 Helm Chart 安装 Prometheus Operator，请按照以下步骤操作：

启用 Helm 仓库：

$ helm repo add prometheus-community https://prometheus-community.github.io/helm-charts

安装 Prometheus Operator：

$ helm install prometheus-operator prometheus-community/kube-prometheus-stack

完成后应该能够看到一个名为 prometheus-operator 的 Deployment，它正在运行 Prometheus Operator。

步骤 3. 安装 Prometheus 实例

有了 Prometheus Operator 后，我们就可以使用 Prometheus CRD 并安装一个新的 Prometheus 实例，以便开始监控 Kubernetes。

以下是如何安装 Prometheus 实例的示例 YAML 文件（prometheus.yaml）：

apiVersion: monitoring.coreos.com/v1
kind: Prometheus
metadata:
  name: my-prometheus
spec:
  replicas: 1
  serviceAccountName: prometheus
  serviceMonitorSelector:
    matchLabels:
      release: prometheus-operator
  ruleSelector:
    matchLabels:
      prometheus: my-prometheus
  alerting:
    alertmanagers:
    - namespace: monitoring
      name: alertmanager-main
      port: web
  image:
    repository: prom/prometheus
    tag: v2.25.0
    sha: 70eaa1c84f09a57f7430afeb229f15c28efcd1cb09c74bb2318917bde3fcb3eb
  retention:
    size: 1Gi
    period: 10d

上述 YAML 文件创建了一个名为 my-prometheus 的 Prometheus 实例，并包括以下各项：

1 个副本。
使用 prometheus 服务账户。
使用 Kubernetes ServiceMonitors 对象进行选择。
使用 PrometheusRule 对象进行选择，并配置警报规则。
配置警报管理器，可与 Alertmanager 一起使用。
Prometheus 镜像版本为 v2.25.0，并已验证 SHA 校验和。
配置数据保留策略。

要使用以上 YAML 文件创建 Prometheus 实例，请使用以下命令：

$ kubectl apply -f prometheus.yaml

完成后应该能够看到一个名为 my-prometheus 的 StatefulSet 和 Service 对象，它们正用于运行 Prometheus 实例。

1.2 Grafana 可视化

Grafana 是一种流行的开源可视化工具，它可以与 Prometheus 及其他数据源配合使用，并提供丰富的数据可视化和警报功能。

要在 Kubernetes 中使用 Grafana，我们可以使用一个叫做 Grafana Operator 的工具来管理 Grafana 实例，并配置相应的数据源和面板。

以下是如何使用 Grafana Operator 在 Kubernetes 中设置 Grafana 可视化的详细步骤：

步骤 1. 安装 Grafana Operator

要安装 Grafana Operator 需要首先安装 Operator 部署程序，然后再使用 Operator 创建新的 Grafana 实例。

以下是如何使用 Operator 部署程序安装 Grafana Operator 的步骤：

下载 kube-prometheus-stack：

$ git clone https://github.com/prometheus-operator/kube-prometheus.git

部署 Grafana Operator：

$ kubectl apply -f kube-prometheus/manifests/grafana-operator

完成后应该能够看到一个名为 grafana-operator 的 Deployment。

步骤 2. 安装 Grafana 实例

有了 Grafana Operator 后，我们就可以使用新的 Grafana CRD 并安装一个新的 Grafana 实例，以便开始可视化 Prometheus 的数据。

以下是如何安装 Grafana 实例的示例 YAML 文件（grafana.yaml）：

apiVersion: integreatly.org/v1alpha1
kind: Grafana
metadata:
  name: my-grafana
spec:
  plugins:
    - name: grafana-clock-panel
      version: 1.0.3
    - name: grafana-piechart-panel
      version: 1.4.0
  config:
    auth.anonymous:
      enabled: true
      org_role: Admin
  dashboardLabelSelector: {}

上述 YAML 文件创建了一个名为 my-grafana 的 Grafana 实例，并包括以下各项：

配置了两个插件：grafana-clock-panel 和 grafana-piechart-panel。
可以启用匿名访问，访客可以使用 Admin 权限登录。
没有选择特定的面板。

要使用以上 YAML 文件创建 Grafana 实例，请使用以下命令：

$ kubectl apply -f grafana.yaml

完成后，您应该能够看到一个名为 my-grafana 的 Deployment 和 Service，它们正用于运行 Grafana 实例。

步骤 3. 创建数据源和面板

有了 Grafana 实例后就可以开始创建数据源和面板，以便可视化 Prometheus 中收集的数据。

以下是如何在 Grafana 中创建 Prometheus 数据源的详细步骤：

登录 Grafana 界面。默认情况下，您可以通过浏览器访问 Grafana 在 Kubernetes 中暴露的服务（如 http://:3000）。
在 Grafana 中创建一个数据源。单击左侧菜单中的 “Configuration” 选项卡，在下拉菜单中选择 “Data Sources” 。
点击 “Add data source” 创建一个新的数据源。在弹出的数据源配置界面中，选择 Prometheus，并输入正确的 Prometheus URL （如 http://:9090）。
配置完毕后，单击 “Save & Test” 按钮验证 Prometheus 数据源是否连接正常。

现在，我们已经成功配置了 Prometheus 和 Grafana，如果您需要进一步了解如何使用 Grafana 来可视化 Prometheus 中的监控数据，可以考虑参考 Grafana 的官方文档和相关教程。

2 微服务的日志管理

日志管理是微服务架构中另一个关键方面，通过合理的日志管理，我们可以更好地理解微服务各个组件之间的通信、出现的失败或故障等。在 Kubernetes 中，我们可以使用 ELK Stack 来进行微服务的日志管理。

2.1 ELK Stack

ELK Stack 是指 Elasticsearch、Logstash 和 Kibana 三个开源软件的组合，用于实现日志管理和分析。以下是每个组件的简单介绍：

Elasticsearch：一种基于 Lucene 的全文搜索引
擎，用于存储和搜索各种类型的数据，包括日志数据。
Logstash：一个用于收集、分析、过滤和转换日志数据
的开源工具，支持多种输入和输出格式，例如：
syslog、Beats、TCP/UDP、Kafka、Elasticsearch 等。
Kibana：一个用于可视化和分析 Elasticsearch 数据的可
视化工具，提供各种仪表板和图表。

2.2 在 Kubernetes 中使用 ELK Stack

以下是如何在 Kubernetes 中使用 ELK Stack 进行微服务的日志管理的详细步骤：

步骤 1. 安装 Elasticsearch

要在 Kubernetes 中使用 Elasticsearch，我们可以使用官方提供的 Elasticsearch Operator。

以下是如何使用 Elasticsearch Operator 安装 Elasticsearch 的详细步骤：

下载 Elasticsearch Operator.yaml 文件：

$ curl https://download.elastic.co/downloads/eck/1.0.1/all-in-one.yaml -O

执行以下命令开始安装 Elasticsearch Operator：

$ kubectl apply -f all-in-one.yaml

创建一个名为 elasticsearch 的 Elasticsearch 资源对象，以便开始使用 Elasticsearch：

apiVersion: elasticsearch.k8s.elastic.co/v1
kind: Elasticsearch
metadata:
  name: elasticsearch
spec:
  version: 7.14.0
  nodeSets:
  - count: 1
    name: default
    podTemplate:
      spec:
        containers:
        - name: elasticsearch
          env:
          - name: "cluster.name"
            value: "es-cluster"
          - name: "node.name"
            valueFrom:
              fieldRef:
                fieldPath: metadata.name
          - name: "discovery.seed_hosts"
            value: "elasticsearch-discovery.elasticsearch.svc.cluster.local"
          - name: "cluster.initial_master_nodes"
            value: "elasticsearch-0"
          - name: ES_JAVA_OPTS
            value: "-Xms512m -Xmx512m"
          image: "docker.elastic.co/elasticsearch/elasticsearch:7.14.0"
          volumeMounts:
          - name: elasticsearch-data
            mountPath: /usr/share/elasticsearch/data
        volumes:
        - name: elasticsearch-data
          persistentVolumeClaim:
            claimName: elasticsearch-data

上述 YAML 文件创建了一个名为 elasticsearch 的 Elasticsearch 资源，并包括以下各项：

配置了 Elasticsearch 版本为 7.14.0。
配置每个节点的数量为 1 个。
配置节点名称、群集名称和群集的主节点。
配置每个 Elasticsearch 节点的 JVM 内存大小为 512 MB。

要使用以上 YAM 。
L 文件创建 Elasticsearch 实例，请使用以下命令：

$ kubectl apply -f elasticsearch.yaml

完成后应该能够看到一个名为 elasticsearch 的 StatefulSet 和 Service，它们正用于运行 Elasticsearch 实例。

步骤 2. 安装 Logstash

要在 Kubernetes 中使用 Logstash，我们可以使用官方提供的 Logstash Docker 映像。

以下是如何使用 Logstash Docker 映像在 Kubernetes 中安装 Logstash 的详细步骤：

下载 Logstash 配置文件（logstash.conf）：

input {
  beats {
    port => 5044
  }
}
output {
  elasticsearch {
    hosts => ["elasticsearch:9200"]
  }
}

创建一个名为 logstash 的 ConfigMap，并将 logstash.conf 文件添加到其中：

$ kubectl create configmap logstash-config --from-file=logstash.conf

创建一个名为 logstash 的 Deployment，以便开始使用 Logstash：

apiVersion: apps/v1
kind: Deployment
metadata:
  name: logstash
spec:
  selector:
    matchLabels:
      app: logstash
  replicas: 1
  template:
    metadata:
      labels:
        app: logstash
    spec:
      containers:
      - name: logstash
        image: docker.elastic.co/logstash/logstash:7.14.0
        resources:
          limits:
            memory: 512Mi
        volumeMounts:
        - name: logstash-config
          mountPath: /usr/share/logstash/pipeline/
        - name: logstash-input
          mountPath: /usr/share/logstash/input/
        - name: logstash-logs
          mountPath: /usr/share/logstash/logs/
      volumes:
      - name: logstash-config
        configMap:
          name: logstash-config
      - name: logstash-input
        emptyDir: {}
      - name: logstash-logs
        emptyDir: {}

上述 YAML 文件创建了一个名为 logstash 的 Deployment，并包括以下各项：

配置了 Logstash 处理 Beats 输入和 Elasticsearch 输出。
配置了 Logstash 版本为 7.14.0。
配置了每个 Pod 的 JVM 内存大小为 512 MB。

要使用以上 YAML 文件创建 Logstash 实例，请使用以下命令：

$ kubectl apply -f logstash.yaml

完成后应该能够看到一个名为 logstash 的 Deployment，它正在运行 Logstash 实例。

步骤 3. 安装 Kibana

要在 Kubernetes 中使用 Kibana 可以使用官方提供的 Kibana Docker 映像。

以下是如何使用 Kibana Docker 映像在 Kubernetes 中安装 Kibana 的详细步骤：

创建一个名为 kibana 的 Deployment，以便开始使用 Kibana：

apiVersion: apps/v1
kind: Deployment
metadata:
  name: kibana
spec:
  selector:
    matchLabels:
      app: kibana
  replicas: 1
  template:
    metadata:
      labels:
        app: kibana
    spec:
      containers:
      - name: kibana
        image: docker.elastic.co/kibana/kibana:7.14.0
        ports:
        - containerPort: 5601
        readinessProbe:
          httpGet:
            path: /api/status
            port: 5601
          initialDelaySeconds: 30
          periodSeconds: 10
          timeoutSeconds: 5
        livenessProbe:
          httpGet:
            path: /api/status
            port: 5601
          initialDelaySeconds: 30
          periodSeconds: 10
          timeoutSeconds: 5
        env:
        - name: "ELASTICSEARCH_HOSTS"
          value: "http://elasticsearch:9200"

上述 YAML 文件创建了一个名为 kibana 的 Deployment，并包括以下各项：

配置了 Kibana 版本为 7.14.0。
配置了一个名为 kibana 的容器，该容器运行 Kibana。
配置了 Kibana 连接到 Elasticsearch 的 URL。
配置了 Kibana 容器的 readinessProbe 和 livenessProbe。

要使用以上 YAML 文件创建 Kibana 实例，请使用以下命令：

$ kubectl apply -f kibana.yaml

完成后应该能够看到一个名为 kibana 的 Deployment，它正在运行 Kibana 实例。

步骤 4. 在 Kibana 中查看日志

现在我们已经成功地在 Kubernetes 中安装了 Elasticsearch、Logstash 和 Kibana，接下来我们可以使用 Kibana 查看微服务的日志了。以下是如何在 Kibana 中查看日志的详细步骤：

登录 Kibana 界面。默认情况下，您可以通过浏览器访问 Kibana 在 Kubernetes 中暴露的服务（如 http://:5601）。
单击左侧菜单中的 “Discover” 选项卡。该选项卡可让您查看 Logstash 收集的日志。
选择 “Create index pattern” 创建一个新的索引模式。在下拉菜单中选择 Logstash 中的索引。根据您的需要设置索引模式的名称，并按需调整其他配置选项。
索引模式设置完毕后，您应该能够在 Discover 选项卡中看到 Logstash 收集的日志。

至此，我们已经成功地在 Kubernetes 中安装和使用了 ELK Stack，实现了微服务的日志管理和分析。如果您需要针对特定的业务场景进行更深入的日志分析，可以考虑使用更多的 ELK Stack 组件或扩展工具。

五、微服务的自动扩展

在面对高并发、大流量的业务场景时，我们往往需要对微服务进行自动扩展，以保证系统的稳定性、可靠性和可用性。在 Kubernetes 中，我们可以使用自动扩展组件（如 Horizontal Pod Autoscaler 和 Cluster Autoscaler）来实现微服务的自动扩展。本文将对 Kubernetes 中应用水平扩展和集群节点自动扩展做详细介绍。

1 应用水平扩展

应用水平扩展是指根据应用的负载情况，自动添加或删除 Pod 实例。当应用的负载增加时，自动添加 Pod 实例以分担流量，当负载下降时，自动删除 Pod 实例以释放资源。

1.1 应用负载指标监控

应用负载指标监控是应用水平扩展的前提。在 Kubernetes 中，我们可以使用 Prometheus 和 Grafana 等工具来监控应用的负载指标，如 CPU 使用率、内存使用率、请求吞吐量、错误率等。

以下是一个示例应用的指标监控配置：

apiVersion: monitoring.coreos.com/v1
kind: ServiceMonitor
metadata:
  name: my-app
spec:
  selector:
    app: my-app
  endpoints:
  - port: web
    interval: 10s
    path: /metrics

上述配置创建了一个名为 my-app 的 ServiceMonitor，它会针对 Label 为 app=my-app 的应用 Pod 监控 /metrics 端点（即应用的指标信息）。并且每 10 秒刷新一次监控数据。

1.2 创建 Horizontal Pod Autoscaler 对象

创建 Horizontal Pod Autoscaler 对象是应用水平扩展的关键。它可以根据应用的负载情况自动添加或删除 Pod 实例。

以下是一个示例的 Horizontal Pod Autoscaler 配置文件：

apiVersion: autoscaling/v2beta2
kind: HorizontalPodAutoscaler
metadata:
  name: my-app-hpa
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: my-app
  minReplicas: 2
  maxReplicas: 10
  metrics:
  - type: Resource
    resource:
      name: cpu
      target:
        type: Utilization
        averageUtilization: 50

上述配置创建了一个名为 my-app-hpa 的 Horizontal Pod Autoscaler，它会自动扩展应用 my-app 的 Pod 实例数以满足 CPU 利用率 50% 的条件。当 CPU 利用率高于目标值时，它就会自动添加 Pod 实例，当低于目标值时，它就会自动删除 Pod 实例。同时，它还设置了最小可用 Pod 数为 2，最大可用 Pod 数为 10。

2 集群节点的自动扩展

集群节点的自动扩展是指根据资源利用率和节点负载情况，自动添加或删除集群节点。当节点负载高或资源利用率高时，自动添加节点以满足负载和资源的需求，当负载和资源需求降低时，自动删除节点以节省资源和成本。

2.1 使用 Cluster Autoscaler 进行节点扩展

在 Kubernetes 中，我们可以使用 Cluster Autoscaler 来自动扩展集群节点。它可以根据节点上 Pod 的资源需求和其他因素，自动添加、删除集群节点。

以下是一个示例 Cluster Autoscaler 的部署文件：

apiVersion: apps/v1
kind: Deployment
metadata:
  name: cluster-autoscaler
spec:
  replicas: 1
  selector:
    matchLabels:
      app: cluster-autoscaler
  template:
    metadata:
      labels:
        app: cluster-autoscaler
    spec:
      serviceAccountName: cluster-autoscaler
      containers:
      - image: k8s.gcr.io/autoscaling/cluster-autoscaler:v1.22.2
        name: cluster-autoscaler
        command:
        - ./cluster-autoscaler
        - --cloud-provider=aws
        - --namespace=default
        - --node-group-auto-discovery=asg:tag=k8s.io/cluster-autoscaler/enabled,k8s.io/cluster-autoscaler/{{ .NodePoolName }}
        - --balance-similar-node-groups
        - --skip-nodes-with-system-pods=false
      tolerations:
      - key: "node-role.kubernetes.io/master"
        effect: "NoSchedule"

上述部署文件创建了一个名为 cluster-autoscaler 的 Deployment，它会自动扩展集群节点并确保 Pod 能够正确地调度和运行。需要针对不同云厂商或基础设施提供相应的参数，如上例中使用 --cloud-provider=aws 表明是在 AWS 云上运行。根据不同的部署环境，您需要进行相应的参数配置。

六、微服务的高可用保证

在微服务架构中，保证服务的高可用性是至关重要的。本文将介绍微服务中节点的健康检查以及节点故障自动处理方案。

1 节点的健康检查

节点的健康检查是指通过特定的检查方式，判断该节点的应用是否正常运行。如果节点的应用由于某些原因发生异常，就需要将该节点从负载均衡中剔除，避免影响到系统整体的稳定性和可靠性。常见的节点健康检查有两种方式：Liveness Probe 和 Readiness Probe。

1.1 使用 Liveness Probe 进行节点健康检查

Liveness Probe 是指 Kubernetes 通过定期向容器进程发送 HTTP 请求、TCP 检查等方式，检查容器进程是否存活。如果检查失败，则 Kubernetes 将自动重启该容器。

以下是一个示例的 Deployment 文件，该文件配置了一个 Liveness Probe：

apiVersion: apps/v1
kind: Deployment
metadata:
  name: my-app
spec:
  replicas: 3
  selector:
    matchLabels:
      app: my-app
  template:
    metadata:
      labels:
        app: my-app
    spec:
      containers:
        - name: my-app
          image: my-image:v1
          ports:
            - containerPort: 80
          livenessProbe:
            httpGet:
              path: /healthz
              port: 80
            initialDelaySeconds: 5
            periodSeconds: 5

上述部署文件中，Liveness Probe 处理的路径为 /healthz，端口为 80。并且设置了容器启动 5 秒后进行第一次检查，之后每 5 秒检查一次。

1.2 使用 Readiness Probe 进行节点就绪状态检查

Readiness Probe 是指 Kubernetes 在容器启动后，通过向容器进程发送 HTTP 请求、TCP 检查等方式，检查容器是否已经可用。如果检查失败，则 Kubernetes 将不会将该容器加入负载均衡器的后端。

以下是一个示例的 Deployment 文件，该文件配置了一个 Readiness Probe：

apiVersion: apps/v1
kind: Deployment
metadata:
  name: my-app
spec:
  replicas: 3
  selector:
    matchLabels:
      app: my-app
  template:
    metadata:
      labels:
        app: my-app
    spec:
      containers:
        - name: my-app
          image: my-image:v1
          ports:
            - containerPort: 80
          readinessProbe:
            httpGet:
              path: /healthz
              port: 80
            initialDelaySeconds: 10
            periodSeconds: 5

上述部署文件中，Readiness Probe 处理的路径为 /healthz，端口为 80。并且设置了容器启动 10 秒后进行第一次检查，之后每 5 秒检查一次。

2 节点故障自动处理

节点故障自动处理是指 Kubernetes 在检测到某个节点或 Pod 出现故障时，自动将该节点或 Pod 从负载均衡中剔除，并尝试使用其他节点或 Pod 来提供服务。常见的节点故障自动处理方式有两种方式：使用 Kubernetes 自带的故障转移机制和使用 Helm 的 Chart 进行微服务的快速恢复。

2.1 使用 Kubernetes 自带的故障转移机制

在 Kubernetes 中，使用 ReplicationController 或 Deployment 来管理 Pod 时，会自动进行故障转移，使得系统可以自动补偿故障节点的宕机，确保服务的高可用性。

例如，假设我们部署了一个名为 my-app 的 Deployment，并设置了副本数为 3：

apiVersion: apps/v1
kind: Deployment
metadata:
  name: my-app
spec:
  replicas: 3
  selector:
    matchLabels:
      app: my-app
  template:
    metadata:
      labels:
        app: my-app
    spec:
      containers:
        - name: my-app
          image: my-image:v1
          ports:
            - containerPort: 80
          livenessProbe:
            httpGet:
              path: /healthz
              port: 80
            initialDelaySeconds: 5
            periodSeconds: 5
          readinessProbe:
            httpGet:
              path: /healthz
              port: 80
            initialDelaySeconds: 10
            periodSeconds: 5

如果其中的一个 Pod 因为某些原因无法正常工作，Kubernetes 会自动将该 Pod 删除，并自动创建一个新的 Pod 以确保副本数符合期望。

2.2 使用 Helm 的 Chart 进行微服务的快速恢复

当微服务出现故障时，我们需要快速恢复该服务，使得业务能够正常运行。在 Kubernetes 中，我们可以使用 Helm 的 Chart 来实现快速的微服务恢复。

例如，我们可以使用以下命令创建一个基于 Nginx 的 Helm Chart：

$ helm create my-nginx

然后，在 Chart.yaml 文件中添加依赖信息：

apiVersion: v2
name: my-nginx
description: A Helm chart for Kubernetes
version: 0.1.0
dependencies:
  - name: nginx
    version: 1.0.0
    repository: https://example.com/charts

最后，使用以下命令安装该 Chart：

$ helm install my-nginx ./my-nginx

当微服务出现故障时可以使用以下命令将其删除：

$ helm delete my-nginx

然后再重新部署该服务：

$ helm install my-nginx ./my-nginx

以上就是微服务高可用保证方面的内容，希望能对您理解 Kubernetes 中的高可用性能力有所帮助。文章来源地址https://www.toymoban.com/news/detail-476039.html

到了这里，关于搭建微服务架构：Kubernetes Prometheus ELK Stack的组合的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！

搭建微服务架构：Kubernetes Prometheus ELK Stack的组合