深入解读Prometheus Adapter：云原生监控的核心组件

一、引言

Prometheus Adapter的背景与重要性


在今世的云原生架构中，微服务和容器化技术得到了广泛的应用。这些技术带来了系统灵活性和扩展性的提拔，但同时也增加了系统监控和管理的复杂度。Prometheus作为一款开源的监控系统，因其强盛的指标收集和查询本领，成为了许多企业和开发者的首选。然而，随着应用场景的多样化和规模的不断扩大，单纯依赖Prometheus内置的功能已经不能满足所有需求。Prometheus Adapter应运而生，作为Prometheus生态系统的重要组成部分，提供了强盛的自界说指标扩展和灵活的指标查询本领。

Prometheus Adapter的核心功能是将Prometheus中的监控数据转换为Kubernetes可识别的自界说指标，这对于实现基于自界说指标的主动扩展（Horizontal Pod Autoscaler，HPA）至关重要。在复杂的微服务架构和大规模集群管理中，通过Prometheus Adapter，用户可以自界说监控指标，举行精细化的资源管理和主动化运维，从而提拔系统的可靠性和性能。

适用场景与应用需求


Prometheus Adapter主要应用于以下几种场景：

• 自界说指标的主动扩展：在Kubernetes中，HPA主要依赖于CPU和内存等基础资源的使用情况举行主动扩展。但在实际应用中，用户往往需要基于业务指标（如请求响应时间、队列长度等）举行扩展。Prometheus Adapter答应用户界说和使用自界说的Prometheus查询，将这些业务指标转化为HPA可识别的指标，从而实现更精细的扩展策略。
  
• 多集群情况下的统一监控：在多集群情况中，管理和监控各个集群的资源和应用是一项复杂的使命。通过Prometheus Adapter，用户可以将不同集群的Prometheus数据统一处理和展示，实现跨集群的集中监控和管理，进步运维效率。
  
• 复杂业务场景下的灵活监控：在一些复杂业务场景中，用户需要对特定的应用或服务举行深入监控。比方，在电商网站中，用户大概需要监控每秒订单数、付出成功率等业务指标。通过Prometheus Adapter，用户可以自界说监控这些特定业务指标，结合Prometheus强盛的查询功能，举行灵活多样的监控和分析。
  

Prometheus Adapter的功能与优势


Prometheus Adapter具备以下几项关键功能和优势：

• 灵活的自界说指标界说：用户可以通过简单的配置文件，界说复杂的Prometheus查询，将结果转化为Kubernetes自界说指标。这使得用户可以根据具体的业务需求，灵活界说和使用各种自界说指标。
  
• 高效的数据查询与转换：Prometheus Adapter通过高效的查询和数据转换机制，可以大概快速处理大量监控数据，并将其转换为Kubernetes可识别的格式。这对于大规模集群和高并发场景尤为重要，可以大概确保监控系统的实时性和可靠性。
  
• 与Kubernetes的无缝集成：作为Prometheus生态系统的一部分，Prometheus Adapter与Kubernetes有着精密的集成。用户可以方便地在Kubernetes中部署和管理Prometheus Adapter，实现与现有监控系统的无缝对接，简化运维操作。
  
• 社区支持与扩展性：Prometheus Adapter作为一个开源项目，有着活跃的社区支持。用户可以通过参与社区贡献，获取最新的功能更新和技术支持。此外，Prometheus Adapter还具备良好的扩展性，用户可以根据自身需求举行二次开发和定制。
  

二、Prometheus Adapter的根本概念


什么是Prometheus Adapter


Prometheus Adapter是一个开源工具，用于将Prometheus中的监控数据转换为Kubernetes自界说指标。这一转换过程使得Kubernetes可以基于这些自界说指标举行主动扩展（Horizontal Pod Autoscaler，HPA）和其他自界说操作。通过Prometheus Adapter，用户可以将复杂的业务指标引入到Kubernetes的监控和管理体系中，从而实现更灵活、更细致的资源管理。

Prometheus Adapter的出现源于对监控灵活性和扩展性的需求。在传统的监控体系中，监控指标通常固定在CPU、内存等基础资源上。然而，实际的业务需求往往更加复杂多样。比方，在电商网站中，监控订单处理时间、用户请求数等业务指标往往比单纯的资源指标更为重要。Prometheus Adapter通过将Prometheus的强盛查询功能与Kubernetes的自界说指标相结合，提供了一个办理这一需求的有效方案。

Prometheus Adapter的架构与工作原理


Prometheus Adapter的架构设计旨在高效、可靠地实现监控数据的转换和传输。其核心组件包罗配置解析器、数据查询模块和指标转发模块。以下是对这些组件的具体解析：

• 配置解析器：配置解析器负责读取和解析用户界说的配置文件。这些配置文件中界说了Prometheus查询规则、自界说指标名称和转换逻辑。配置解析器将这些配置转化为内部数据布局，供后续模块使用。
  
• 数据查询模块：数据查询模块负责与Prometheus实例通信，执行配置文件中界说的查询操作。通过使用Prometheus的HTTP API，数据查询模块可以获取实时的监控数据。数据查询模块需要具备高效的数据处理本领，以应对大规模集群和高并发情况下的查询需求。
  
• 指标转发模块：指标转发模块负责将查询到的数据转换为Kubernetes可识别的自界说指标格式，并将这些指标推送到Kubernetes API服务器。通过与Kubernetes的Metric API集成，指标转发模块确保这些自界说指标可以被Kubernetes中的其他组件（如HPA）识别和使用。
  

Prometheus Adapter与Prometheus的关系与区别


Prometheus Adapter与Prometheus之间存在精密的关系，但两者的功能定位和使用场景有所不同：

• 功能定位：Prometheus是一个强盛的监控系统，负责数据的采集、存储和查询。它通过抓取各类监控目标的数据，提供丰富的查询和告警功能。Prometheus Adapter则是一个数据转换工具，负责将Prometheus中的监控数据转换为Kubernetes自界说指标。其核心功能是将Prometheus强盛的查询本领引入到Kubernetes的监控和管理体系中。
  
• 使用场景：Prometheus主要用于各类系统和应用的监控，其使用场景包罗基础设施监控、应用性能监控和业务指标监控等。Prometheus Adapter则主要用于Kubernetes情况中，特别是在需要基于自界说指标举行主动扩展和其他自界说操作的场景中。通过Prometheus Adapter，用户可以将复杂的业务指标引入到Kubernetes的主动化管理流程中。
  
• 技术实现：Prometheus通过抓取各类监控目标的HTTP端点，收集和存储时序数据。它的架构设计强调高效的数据采集和查询本领。Prometheus Adapter则通过调用Prometheus的HTTP API，执行预界说的查询操作，并将结果转换为Kubernetes自界说指标。两者在技术实现上有显着的区别，但通过API接口实现了精密的集成。
  

三、部署与安装


情况要求


在部署Prometheus Adapter之前，需要确保以下情况和软件组件已经正确安装和配置：

• Kubernetes集群：
  

• 版本要求：Kubernetes 1.14及以上
  
• 集群内应至少包含一个主节点和多少工作节点
  
• 已正确配置kubectl命令行工具，并可以大概正常访问集群
  

• Prometheus实例：
  

• 版本要求：Prometheus 2.0及以上
  
• Prometheus应已经部署并在集群中运行，确保可以大概采集和存储监控数据
  
• 确保Prometheus的HTTP API可用，而且集群内的组件可以大概访问该API
  

• Helm（可选）：
  

• 版本要求：Helm 3.0及以上
  
• Helm用于简化Prometheus Adapter的安装和管理，但也可以通过手动部署YAML文件举行安装
  

安装步骤


Prometheus Adapter的安装过程可以通过两种方式完成：使用Helm Chart举行安装或手动部署YAML文件。以下将具体先容这两种安装方式。

使用Helm Chart举行安装

• 添加Prometheus Adapter的Helm仓库：
  

1. helm repo add prometheus-community https://prometheus-community.github.io/helm-charts
2. helm repo update

复制代码

• 安装Prometheus Adapter：
  

1. helm install prometheus-adapter prometheus-community/prometheus-adapter --namespace monitoring

复制代码

• 验证安装：安装完成后，检查Prometheus Adapter的Pod是否成功启动：
  

1. kubectl get pods -n monitoring -l app=prometheus-adapter

复制代码

手动部署YAML文件

• 下载Prometheus Adapter的部署文件：
  

可以从Prometheus Adapter的GitHub仓库获取最新的部署文件：

1. git clone https://github.com/kubernetes-sigs/prometheus-adapter.git
2. cd prometheus-adapter/deploy/manifests

复制代码

• 部署Prometheus Adapter：
  

1. kubectl apply -f .

复制代码

• 验证安装：
  

同样，检查Prometheus Adapter的Pod是否成功启动：

1. kubectl get pods -n custom-metrics

复制代码

配置详解


安装完成后，需要对Prometheus Adapter举行具体的配置，以确保其可以大概正确地与Prometheus和Kubernetes集成。配置主要通过一个YAML文件举行界说，其中包罗Prometheus的地点、自界说查询规则、以及Kubernetes API服务器的相关设置。

配置文件布局


Prometheus Adapter的配置文件通常包含以下几个部分：

• MetricMappings：
  

界说Prometheus查询规则和Kubernetes自界说指标的映射关系。

• Rules：
  

界说自界说的Prometheus查询规则，包罗指标名称、查询语法等。

• ResourceRules：
  

界说与Kubernetes资源相关的查询规则，如节点、Pod等。

• MetricsRelabelings：
  

界说怎样从Prometheus查询结果中提取和转换指标。

以下是一个示例配置文件：

1. apiVersion: v1
2. kind: ConfigMap
3. metadata:
4.   name: custom-metrics-config
5.   namespace: custom-metrics
6. data:
7.   config.yaml: |
8.     rules:
9.       default: false
10.       seriesQuery: 'http_requests_total{namespace!="",pod!=""}'
11.       resources:
12.         overrides:
13.           namespace: {resource: "namespace"}
14.           pod: {resource: "pod"}
15.       name:
16.         matches: "^(.*)_total"
17.         as: "${1}_per_second"
18.       metricsQuery: 'sum(rate(<<.Series>>[5m])) by (<<.GroupBy>>)'

复制代码

怎样界说自界说的指标


在配置文件中，可以通过rules部分界说自界说的Prometheus查询规则。以下是一个具体的示例：

1. rules:
2.   - seriesQuery: 'http_requests_total{namespace!="",pod!=""}'
3.     resources:
4.       overrides:
5.         namespace: {resource: "namespace"}
6.         pod: {resource: "pod"}
7.     name:
8.       matches: "^(.*)_total"
9.       as: "${1}_per_second"
10.     metricsQuery: 'sum(rate(<<.Series>>[5m])) by (<<.GroupBy>>)'

复制代码

• seriesQuery：界说需要查询的Prometheus指标。
  
• resources：界说怎样将Prometheus指标中的标签映射到Kubernetes资源。
  
• name：界说转换后的自界说指标名称。
  
• metricsQuery：界说具体的Prometheus查询语法，用于盘算自界说指标的值。
  

不同数据源的适配


除了Prometheus，Prometheus Adapter还可以适配其他数据源，如Thanos、VictoriaMetrics等。通过在配置文件中界说不同的数据源地点和查询规则，可以实现多数据源的灵活适配。比方：

1. prometheus:
2.   url: http://thanos-query:9090/
3.   path: /api/v1/query

复制代码

常见问题与办理方案


在部署和配置Prometheus Adapter的过程中，大概会遇到一些常见问题。以下是几种典型问题及其办理方案：

无法连接到Prometheus实例


办理方案：

• 检查Prometheus的服务地点和端口，确保Prometheus Adapter的配置文件中地点正确无误。
  
• 使用curl或wget命令测试Prometheus API的可访问性。
  

1. curl http://prometheus-server:9090/api/v1/query?query=up

复制代码

自界说指标无法被Kubernetes识别


办理方案：

• 确保自界说查询规则符合Prometheus Adapter的配置规范，而且Prometheus中确实存在相应的指标数据。
  
• 使用Prometheus的表达式浏览器（Expression Browser）验证查询语法，确保查询结果正确。
  

查询结果为空


办理方案：

• 检查Prometheus中的原始数据，确保数据确实存在而且符合查询条件。
  
• 调整查询窗口或查询条件，确保可以大概匹配到预期的数据。
  

查询语法错误


办理方案：

• 使用Prometheus的表达式浏览器验证查询语法，确保语法正确。
  
• 检查配置文件中的查询规则，确保没有语法错误或拼写错误。
  

1. curl http://prometheus-server:9090/api/v1/query?query=sum(rate(http_requests_total[5m])) by (namespace, pod)

复制代码

验证配置


完成配置后，可以通过以下步骤验证Prometheus Adapter的工作情况：

• 检查Prometheus Adapter的日志：
  

1. kubectl logs -n custom-metrics <prometheus-adapter-pod-name>

复制代码

• 验证自界说指标：
  

使用kubectl命令查看自界说指标是否成功导入Kubernetes API服务器：

1. kubectl get --raw "/apis/custom.metrics.k8s.io/v1beta1" | jq .

复制代码

• 测试HPA配置：
  

创建一个基于自界说指标的HPA资源，验证其是否可以大概正常工作：

1. apiVersion: autoscaling/v2beta2
2. kind: HorizontalPodAutoscaler
3. metadata:
4.   name: custom-metrics-hpa
5.   namespace: default
6. spec:
7.   scaleTargetRef:
8.     apiVersion: apps/v1
9.     kind: Deployment
10.     name: my-deployment
11.   minReplicas: 1
12.   maxReplicas: 10
13.   metrics:
14.   - type: Pods
15.     pods:
16.       metric:
17.         name: http_requests_per_second
18.       target:
19.         type: AverageValue
20.         averageValue: 100

复制代码

通过以上步骤，可以验证Prometheus Adapter的安装和配置是否正确，以及自界说指标是否可以大概被Kubernetes正常识别和使用。

四、Prometheus Adapter的配置


配置文件详解


Prometheus Adapter的配置文件主要用于界说怎样将Prometheus中的监控数据转换为Kubernetes可识别的自界说指标。配置文件通常使用YAML格式，包含多个部分，每一部分都负责特定的配置使命。

核心配置组件

• metricsRelabelings：
  

• 用于重新标记和筛选Prometheus中的原始指标。
  
• 例子：
  

1. metricsRelabelings:
2.   - sourceLabels: [__name__]
3.     separator: ;
4.     regex: '(.*)'
5.     targetLabel: metric_name
6.     replacement: '${1}'
7.     action: replace

复制代码

• rules：
  

• 界说怎样从Prometheus查询中天生自界说指标。
  
• 例子：
  

1. rules:
2.   - seriesQuery: 'http_requests_total{namespace!="",pod!=""}'
3.     resources:
4.       overrides:
5.         namespace: {resource: "namespace"}
6.         pod: {resource: "pod"}
7.     name:
8.       matches: "^(.*)_total"
9.       as: "${1}_per_second"
10.     metricsQuery: 'sum(rate(<<.Series>>[5m])) by (<<.GroupBy>>)'

复制代码

• resourceRules：
  

• 用于界说与Kubernetes资源相关的查询规则，比方节点和Pod的指标。
  
• 例子：
  

1. resourceRules:
2.   cpu:
3.     name:
4.       matches: "^(.*)_cpu_usage"
5.       as: "custom_cpu_usage"
6.     metricsQuery: 'sum(rate(container_cpu_usage_seconds_total{<<.LabelMatchers>>}[1m])) by (<<.GroupBy>>)'

复制代码

怎样界说自界说的指标


自界说指标的界说过程涉及编写Prometheus查询，并将其转换为Kubernetes自界说指标。以下是具体步骤：

步骤1：编写Prometheus查询


首先，在Prometheus中编写查询以获取所需的数据。比方，要获取每秒HTTP请求数，可以使用以下查询：

1. sum(rate(http_requests_total[5m])) by (namespace, pod)

复制代码

步骤2：界说配置规则


在Prometheus Adapter的配置文件中，界说对应的查询规则和指标转换逻辑。比方：

1. rules:
2.   - seriesQuery: 'http_requests_total{namespace!="",pod!=""}'
3.     resources:
4.       overrides:
5.         namespace: {resource: "namespace"}
6.         pod: {resource: "pod"}
7.     name:
8.       matches: "^(.*)_total"
9.       as: "${1}_per_second"
10.     metricsQuery: 'sum(rate(<<.Series>>[5m])) by (<<.GroupBy>>)'

复制代码

上述配置中：

• seriesQuery：指定Prometheus中的原始指标。
  
• resources：界说怎样将Prometheus指标中的标签映射到Kubernetes资源。
  
• name：指定自界说指标的命名规则。
  
• metricsQuery：界说Prometheus查询语法，盘算自界说指标的值。
  

步骤3：部署配置文件


将配置文件部署到Kubernetes中：

1. kubectl apply -f custom-metrics-config.yaml

复制代码

不同数据源的适配


Prometheus Adapter不但可以与Prometheus集成，还可以适配其他数据源，比方Thanos和VictoriaMetrics。配置方法雷同，通过界说不同的数据源地点和查询规则，实现灵活的多数据源适配。

适配Thanos


Thanos是一个用于Prometheus高可用性、长时间存储和多集群聚合的办理方案。可以通过以下配置适配Thanos：

1. prometheus:
2.   url: http://thanos-query:9090/
3.   path: /api/v1/query

复制代码

在这种配置中，url指向Thanos查询服务的地点，path指定查询API路径。

适配VictoriaMetrics


VictoriaMetrics是一个高性能的开源时间序列数据库，兼容Prometheus。适配VictoriaMetrics的配置示比方下：

1. prometheus:
2.   url: http://victoriametrics:8428/
3.   path: /api/v1/query

复制代码

高级配置本领


动态标签处理


Prometheus Adapter支持动态标签处理，通过metricsRelabelings和rules部分的配置，可以灵活处理Prometheus指标中的标签。比方：

1. metricsRelabelings:
2.   - sourceLabels: [__name__]
3.     separator: ;
4.     regex: '(.*)'
5.     targetLabel: metric_name
6.     replacement: '${1}'
7.     action: replace

复制代码

分片与聚合


在大规模集群中，可以通过分片和聚合策略，提拔查询性能和数据处理效率。比方：

1. rules:
2.   - seriesQuery: 'container_cpu_usage_seconds_total{namespace!="",pod!=""}'
3.     resources:
4.       overrides:
5.         namespace: {resource: "namespace"}
6.         pod: {resource: "pod"}
7.     name:
8.       matches: "^(.*)_cpu_usage_seconds_total"
9.       as: "${1}_cpu_usage"
10.     metricsQuery: 'sum(rate(<<.Series>>[5m])) by (<<.GroupBy>>)'

复制代码

上述配置通过sum(rate(...))实现数据的聚合处理，适用于大规模数据场景。

常见问题与办理方案


在配置和使用Prometheus Adapter时，大概会遇到一些常见问题。以下是几种典型问题及其办理方案：

自界说指标查询失败


问题描述：配置的自界说指标无法在Kubernetes中查询到。

办理方案：

• 检查Prometheus查询语法，确保其在Prometheus表达式浏览器中可以大概返回预期结果。
  
• 确认Prometheus Adapter配置文件的语法和内容正确。
  
• 查看Prometheus Adapter的日志，排查错误信息。
  

1. kubectl logs -n custom-metrics <prometheus-adapter-pod-name>

复制代码

连接Prometheus失败


问题描述：Prometheus Adapter无法连接到Prometheus实例。

办理方案：

• 确认Prometheus实例的地点和端口正确无误。
  
• 检查网络连接，确保Prometheus Adapter地点Pod可以大概访问Prometheus实例。
  

1. curl http://prometheus-server:9090/api/v1/query?query=up

复制代码

指标名称冲突


问题描述：配置的自界说指标名称与现有指标名称冲突。

办理方案：

• 在界说自界说指标时，使用独特的命名规则，避免与现有指标名称重复。
  
• 通过name配置部分，灵活调整自界说指标名称。
  

1. name:
2.   matches: "^(.*)_total"
3.   as: "${1}_custom_per_second"

复制代码

验证配置


完成配置后，可以通过以下步骤验证Prometheus Adapter的工作情况：

• 检查Prometheus Adapter的日志：
  

1. kubectl logs -n custom-metrics <prometheus-adapter-pod-name>

复制代码

• 验证自界说指标：使用kubectl命令查看自界说指标是否成功导入Kubernetes API服务器：
  

1. kubectl get --raw "/apis/custom.metrics.k8s.io/v1beta1" | jq .

复制代码

• 测试HPA配置：创建一个基于自界说指标的HPA资源，验证其是否可以大概正常工作：
  

1. apiVersion: autoscaling/v2beta2
2. kind: HorizontalPodAutoscaler
3. metadata:
4.   name: custom-metrics-hpa
5.   namespace: default
6. spec:
7.   scaleTargetRef:
8.     apiVersion: apps/v1
9.     kind: Deployment
10.     name: my-deployment
11.   minReplicas: 1
12.   maxReplicas: 10
13.   metrics:
14.   - type: Pods
15.     pods:
16.       metric:
17.         name: http_requests_per_second
18.       target:
19.         type: AverageValue
20.         averageValue: 100

复制代码

通过以上步骤，可以验证Prometheus Adapter的配置是否正确，自界说指标是否可以大概被Kubernetes正常识别和使用。

五、Prometheus Adapter实践案例


在这一部分，我们将通过实际案例展示Prometheus Adapter的应用，帮助用户理解怎样在不同场景中配置和使用Prometheus Adapter，以满足复杂的监控需求。以下是三个具体的实践案例。

案例一：Kubernetes集成Prometheus Adapter


背景


在Kubernetes集群中，水平主动扩展（HPA）主要依赖于CPU和内存的使用情况。然而，在实际应用中，许多业务场景需要基于其他指标（如请求数、响应时间等）举行扩展。通过Prometheus Adapter，可以将自界说的Prometheus指标引入到Kubernetes HPA中，实现更精细的扩展策略。

目标


通过Prometheus Adapter，将HTTP请求数这一业务指标引入到Kubernetes HPA中，实现基于请求数的主动扩展。

步骤

• 配置Prometheus Adapter
  首先，编写Prometheus Adapter的配置文件，界说从Prometheus中获取HTTP请求数的查询规则。
  

1. apiVersion: v1
2. kind: ConfigMap
3. metadata:
4.   name: custom-metrics-config
5.   namespace: custom-metrics
6. data:
7.   config.yaml: |
8.     rules:
9.       - seriesQuery: 'http_requests_total{namespace!="",pod!=""}'
10.         resources:
11.           overrides:
12.             namespace: {resource: "namespace"}
13.             pod: {resource: "pod"}
14.         name:
15.           matches: "^(.*)_total"
16.           as: "${1}_per_second"
17.         metricsQuery: 'sum(rate(<<.Series>>[5m])) by (<<.GroupBy>>)'

复制代码

部署配置文件：

1. kubectl apply -f custom-metrics-config.yaml

复制代码

• 部署Prometheus Adapter
  

使用Helm或YAML文件部署Prometheus Adapter。

1. helm install prometheus-adapter prometheus-community/prometheus-adapter --namespace custom-metrics

复制代码

• 验证自界说指标
  

确认Prometheus Adapter已经成功导入自界说指标：

1. kubectl get --raw "/apis/custom.metrics.k8s.io/v1beta1" | jq .

复制代码

• 配置HPA
  

创建一个HPA资源，基于自界说的HTTP请求数指标举行扩展：

1. apiVersion: autoscaling/v2beta2
2. kind: HorizontalPodAutoscaler
3. metadata:
4.   name: http-requests-hpa
5.   namespace: default
6. spec:
7.   scaleTargetRef:
8.     apiVersion: apps/v1
9.     kind: Deployment
10.     name: my-deployment
11.   minReplicas: 1
12.   maxReplicas: 10
13.   metrics:
14.   - type: Pods
15.     pods:
16.       metric:
17.         name: http_requests_per_second
18.       target:
19.         type: AverageValue
20.         averageValue: 100

复制代码

部署HPA配置文件：

1. kubectl apply -f http-requests-hpa.yaml

复制代码

结果


通过上述步骤，Kubernetes集群中的应用将基于HTTP请求数的变革举行主动扩展，从而确保在高负载时有充足的资源来处理请求，同时在低负载时释放资源，优化资源使用率。

案例二：结合自界说指标举行业务监控


背景


在实际业务场景中，某电商平台需要监控每秒订单数，以确保在高峰期可以大概实时扩展资源，避免系统过载。

目标


通过Prometheus Adapter，将订单数这一业务指标引入到Kubernetes HPA中，实现基于订单数的主动扩展。

步骤

• 配置Prometheus Adapter
  

编写Prometheus Adapter的配置文件，界说从Prometheus中获取订单数的查询规则。

1. apiVersion: v1
2. kind: ConfigMap
3. metadata:
4.   name: order-metrics-config
5.   namespace: custom-metrics
6. data:
7.   config.yaml: |
8.     rules:
9.       - seriesQuery: 'orders_total{namespace!="",pod!=""}'
10.         resources:
11.           overrides:
12.             namespace: {resource: "namespace"}
13.             pod: {resource: "pod"}
14.         name:
15.           matches: "^(.*)_total"
16.           as: "${1}_per_second"
17.         metricsQuery: 'sum(rate(<<.Series>>[5m])) by (<<.GroupBy>>)'

复制代码

部署配置文件：

1. kubectl apply -f order-metrics-config.yaml

复制代码

• 部署Prometheus Adapter
  

使用Helm或YAML文件部署Prometheus Adapter。

1. helm install prometheus-adapter prometheus-community/prometheus-adapter --namespace custom-metrics

复制代码

• 验证自界说指标
  

确认Prometheus Adapter已经成功导入自界说指标：

1. kubectl get --raw "/apis/custom.metrics.k8s.io/v1beta1" | jq .

复制代码

• 配置HPA
  

创建一个HPA资源，基于自界说的订单数指标举行扩展：

1. apiVersion: autoscaling/v2beta2
2. kind: HorizontalPodAutoscaler
3. metadata:
4.   name: orders-hpa
5.   namespace: default
6. spec:
7.   scaleTargetRef:
8.     apiVersion: apps/v1
9.     kind: Deployment
10.     name: order-service
11.   minReplicas: 2
12.   maxReplicas: 20
13.   metrics:
14.   - type: Pods
15.     pods:
16.       metric:
17.         name: orders_per_second
18.       target:
19.         type: AverageValue
20.         averageValue: 50

复制代码

部署HPA配置文件：

1. kubectl apply -f orders-hpa.yaml

复制代码

结果


通过上述步骤，电商平台的订单处理服务将基于每秒订单数的变革举行主动扩展，确保在订单高峰期可以大概实时扩展资源，保证服务的可用性和响应速度。

案例三：多集群情况下的Prometheus Adapter应用


背景


在多集群情况中，需要统一监控和管理不同集群的资源和应用。通过Prometheus Adapter，可以实现跨集群的统一监控和管理。

目标


通过Prometheus Adapter，实现多个Kubernetes集群的统一监控和管理。

步骤

• 配置多集群情况
  

假设已有两个Kubernetes集群：Cluster A和Cluster B，分别部署了Prometheus实例。

• 在每个集群中部署Prometheus Adapter
  

在Cluster A中：

1. helm install prometheus-adapter prometheus-community/prometheus-adapter --namespace custom-metrics

复制代码

在Cluster B中：

1. helm install prometheus-adapter prometheus-community/prometheus-adapter --namespace custom-metrics

复制代码

• 配置跨集群Prometheus查询
  

在每个集群的Prometheus Adapter配置文件中，分别界说从对方集群获取数据的查询规则。比方，在Cluster A的配置文件中：

1. prometheus:
2.   url: http://prometheus-cluster-b:9090/
3.   path: /api/v1/query

复制代码

在Cluster B的配置文件中：

1. prometheus:
2.   url: http://prometheus-cluster-a:9090/
3.   path: /api/v1/query

复制代码

• 界说跨集群自界说指标
  

在Cluster A的Prometheus Adapter配置文件中，界说从Cluster B获取的指标查询规则：

1. rules:
2.   - seriesQuery: 'cluster_b_http_requests_total{namespace!="",pod!=""}'
3.     resources:
4.       overrides:
5.         namespace: {resource: "namespace"}
6.         pod: {resource: "pod"}
7.     name:
8.       matches: "^(.*)_total"
9.       as: "${1}_per_second"
10.     metricsQuery: 'sum(rate(<<.Series>>[5m])) by (<<.GroupBy>>)'

复制代码

在Cluster B的Prometheus Adapter配置文件中，界说从Cluster A获取的指标查询规则：

1. rules:
2.   - seriesQuery: 'cluster_a_http_requests_total{namespace!="",pod!=""}'
3.     resources:
4.       overrides:
5.         namespace: {resource: "namespace"}
6.         pod: {resource: "pod"}
7.     name:
8.       matches: "^(.*)_total"
9.       as: "${1}_per_second"
10.     metricsQuery: 'sum(rate(<<.Series>>[5m])) by (<<.GroupBy>>)'

复制代码

• 验证配置
  

在两个集群中，分别验证Prometheus Adapter是否成功导入跨集群自界说指标：

1. kubectl get --raw "/apis/custom.metrics.k8s.io/v1beta1" | jq .

复制代码

结果


通过上述配置，两个集群中的Prometheus Adapter可以大概互相获取对方的监控数据，实现跨集群的统一监控和管理。在多集群情况中，用户可以通过自界说指标，实现对不同集群资源的灵活管理和主动扩展，进步系统的整体监控效率和响应本领。

   文章转载自：techlead_krischang
  原文链接：https://www.cnblogs.com/xfuture/p/18231193
  体验地点：引迈 - JNPF快速开发平台_低代码开发平台_零代码开发平台_流程设计器_表单引擎_工作流引擎_软件架构

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。