Kubernetes节点之间的ping监控

在诊断Kubernetes集群问题的时候，我们经常注意到集群中某一节点在闪烁*，而这通常是随机的且以奇怪的方式发生。这就是为什么我们一直需要一种工具，它可以测试一个节点与另一个节点之间的可达性，并以Prometheus度量形式呈现结果。有了这个工具，我们还希望在Grafana中创建图表并快速定位发生故障的节点(并在必要时将该节点上所有Pod进行重新调度并进行必要的维护)。

“闪烁”这里我是指某个节点随机变为“NotReady”但之后又恢复正常的某种行为。例如部分流量可能无法到达相邻节点上的Pod。

为什么会发生这种情况?常见原因之一是数据中心交换机中的连接问题。例如，我们曾经在Hetzner中设置一个vswitch，其中一个节点已无法通过该vswitch端口使用，并且恰好在本地网络上完全不可访问。

我们的最后一个要求是可直接在Kubernetes中运行此服务，因此我们将能够通过Helm图表部署所有内容。(例如在使用Ansible的情况下，我们必须为各种环境中的每个角色定义角色：AWS、GCE、裸机等)。由于我们尚未找到针对此环境的现成解决方案，因此我们决定自己来实现。

脚本和配置

我们解决方案的主要组件是一个脚本，该脚本监视每个节点的.status.addresses值。如果某个节点的该值已更改(例如添加了新节点)，则我们的脚本使用Helm value方式将节点列表以ConfigMap的形式传递给Helm图表：

apiVersion: v1 
kind: ConfigMap 
metadata: 
name: ping-exporter-config 
namespace: d8-system 
data: 
nodes.json: > 
{{ .Values.pingExporter.targets | toJson }}  
 
 
.Values.pingExporter.targets类似以下： 
 
"cluster_targets":[{"ipAddress":"192.168.191.11","name":"kube-a-3"},{"ipAddress":"192.168.191.12","name":"kube-a-2"},{"ipAddress":"192.168.191.22","name":"kube-a-1"},{"ipAddress":"192.168.191.23","name":"kube-db-1"},{"ipAddress":"192.168.191.9","name":"kube-db-2"},{"ipAddress":"51.75.130.47","name":"kube-a-4"}],"external_targets":[{"host":"8.8.8.8","name":"google-dns"},{"host":"youtube.com"}]}  

下面是Python脚本：

#!/usr/bin/env python3 
 
import subprocess 
import prometheus_client 
import re 
import statistics 
import os 
import json 
import glob 
import better_exchook 
import datetime 
 
better_exchook.install() 
 
FPING_CMDLINE = "/usr/sbin/fping -p 1000 -C 30 -B 1 -q -r 1".split(" ") 
FPING_REGEX = re.compile(r"^(S*)s*: (.*)$", re.MULTILINE) 
CONFIG_PATH = "/config/targets.json" 
 
registry = prometheus_client.CollectorRegistry() 
 
prometheus_exceptions_counter =  
prometheus_client.Counter('kube_node_ping_exceptions', 'Total number of exceptions', [], registry=registry) 
 
prom_metrics_cluster = {"sent": prometheus_client.Counter('kube_node_ping_packets_sent_total', 
                                              'ICMP packets sent', 
                                              ['destination_node', 'destination_node_ip_address'], 
                                              registry=registry), 
            "received": prometheus_client.Counter('kube_node_ping_packets_received_total', 
                                                  'ICMP packets received', 
                                                 ['destination_node', 'destination_node_ip_address'], 
                                                 registry=registry), 
            "rtt": prometheus_client.Counter('kube_node_ping_rtt_milliseconds_total', 
                                             'round-trip time', 
                                            ['destination_node', 'destination_node_ip_address'], 
                                            registry=registry), 
            "min": prometheus_client.Gauge('kube_node_ping_rtt_min', 'minimum round-trip time', 
                                           ['destination_node', 'destination_node_ip_address'], 
                                           registry=registry), 
            "max": prometheus_client.Gauge('kube_node_ping_rtt_max', 'maximum round-trip time', 
                                           ['destination_node', 'destination_node_ip_address'], 
                                           registry=registry), 
            "mdev": prometheus_client.Gauge('kube_node_ping_rtt_mdev', 
                                            'mean deviation of round-trip times', 
                                            ['destination_node', 'destination_node_ip_address'], 
                                            registry=registry)} 
 
 
prom_metrics_external = {"sent": prometheus_client.Counter('external_ping_packets_sent_total', 
                                              'ICMP packets sent', 
                                              ['destination_name', 'destination_host'], 
                                              registry=registry), 
            "received": prometheus_client.Counter('external_ping_packets_received_total', 
                                                  'ICMP packets received', 
                                                 ['destination_name', 'destination_host'], 
                                                 registry=registry), 
            "rtt": prometheus_client.Counter('external_ping_rtt_milliseconds_total', 
                                             'round-trip time', 
                                            ['destination_name', 'destination_host'], 
                                            registry=registry), 
            "min": prometheus_client.Gauge('external_ping_rtt_min', 'minimum round-trip time', 
                                           ['destination_name', 'destination_host'], 
                                           registry=registry), 
            "max": prometheus_client.Gauge('external_ping_rtt_max', 'maximum round-trip time', 
                                           ['destination_name', 'destination_host'], 
                                           registry=registry), 
            "mdev": prometheus_client.Gauge('external_ping_rtt_mdev', 
                                            'mean deviation of round-trip times', 
                                            ['destination_name', 'destination_host'], 
                                            registry=registry)} 
 
def validate_envs(): 
envs = {"MY_NODE_NAME": os.getenv("MY_NODE_NAME"), "PROMETHEUS_TEXTFILE_DIR": os.getenv("PROMETHEUS_TEXTFILE_DIR"), 
        "PROMETHEUS_TEXTFILE_PREFIX": os.getenv("PROMETHEUS_TEXTFILE_PREFIX")} 
 
for k, v in envs.items(): 
    if not v: 
        raise ValueError("{} environment variable is empty".format(k)) 
 
return envs 
 
 
@prometheus_exceptions_counter.count_exceptions() 
def compute_results(results): 
computed = {} 
 
matches = FPING_REGEX.finditer(results) 
for match in matches: 
    host = match.group(1) 
    ping_results = match.group(2) 
    if "duplicate" in ping_results: 
        continue 
    splitted = ping_results.split(" ") 
    if len(splitted) != 30: 
        raise ValueError("ping returned wrong number of results: "{}"".format(splitted)) 
 
    positive_results = [float(x) for x in splitted if x != "-"] 
    if len(positive_results) > 0: 
        computed[host] = {"sent": 30, "received": len(positive_results), 
                        "rtt": sum(positive_results), 
                        "max": max(positive_results), "min": min(positive_results), 
                        "mdev": statistics.pstdev(positive_results)} 
    else: 
        computed[host] = {"sent": 30, "received": len(positive_results), "rtt": 0, 
                        "max": 0, "min": 0, "mdev": 0} 
if not len(computed): 
    raise ValueError("regex match"{}" found nothing in fping output "{}"".format(FPING_REGEX, results)) 
return computed 
 
 
@prometheus_exceptions_counter.count_exceptions() 
def call_fping(ips): 
cmdline = FPING_CMDLINE + ips 
process = subprocess.run(cmdline, stdout=subprocess.PIPE, 
                         stderr=subprocess.STDOUT, universal_newlines=True) 
if process.returncode == 3: 
    raise ValueError("invalid arguments: {}".format(cmdline)) 
if process.returncode == 4: 
    raise OSError("fping reported syscall error: {}".format(process.stderr)) 
 
return process.stdout 
 
 
envs = validate_envs() 
 
files = glob.glob(envs["PROMETHEUS_TEXTFILE_DIR"] + "*") 
for f in files: 
os.remove(f) 
 
labeled_prom_metrics = {"cluster_targets": [], "external_targets": []} 
 
while True: 
with open(CONFIG_PATH, "r") as f: 
    config = json.loads(f.read()) 
    config["external_targets"] = [] if config["external_targets"] is None else config["external_targets"] 
    for target in config["external_targets"]: 
        target["name"] = target["host"] if "name" not in target.keys() else target["name"] 
 
if labeled_prom_metrics["cluster_targets"]: 
    for metric in labeled_prom_metrics["cluster_targets"]: 
        if (metric["node_name"], metric["ip"]) not in [(node["name"], node["ipAddress"]) for node in config['cluster_targets']]: 
            for k, v in prom_metrics_cluster.items(): 
                v.remove(metric["node_name"], metric["ip"]) 
 
if labeled_prom_metrics["external_targets"]: 
    for metric in labeled_prom_metrics["external_targets"]: 
        if (metric["target_name"], metric["host"]) not in [(target["name"], target["host"]) for target in config['external_targets']]: 
            for k, v in prom_metrics_external.items(): 
                v.remove(metric["target_name"], metric["host"]) 
 
 
labeled_prom_metrics = {"cluster_targets": [], "external_targets": []} 
 
for node in config["cluster_targets"]: 
    metrics = {"node_name": node["name"], "ip": node["ipAddress"], "prom_metrics": {}} 
 
    for k, v in prom_metrics_cluster.items(): 
        metrics["prom_metrics"][k] = v.labels(node["name"], node["ipAddress"]) 
 
    labeled_prom_metrics["cluster_targets"].append(metrics) 
 
for target in config["external_targets"]: 
    metrics = {"target_name": target["name"], "host": target["host"], "prom_metrics": {}} 
 
    for k, v in prom_metrics_external.items(): 
        metrics["prom_metrics"][k] = v.labels(target["name"], target["host"]) 
 
    labeled_prom_metrics["external_targets"].append(metrics) 
 
out = call_fping([prom_metric["ip"]   for prom_metric in labeled_prom_metrics["cluster_targets"]] +  
                 [prom_metric["host"] for prom_metric in labeled_prom_metrics["external_targets"]]) 
computed = compute_results(out) 
 
for dimension in labeled_prom_metrics["cluster_targets"]: 
    result = computed[dimension["ip"]] 
    dimension["prom_metrics"]["sent"].inc(computed[dimension["ip"]]["sent"]) 
    dimension["prom_metrics"]["received"].inc(computed[dimension["ip"]]["received"]) 
    dimension["prom_metrics"]["rtt"].inc(computed[dimension["ip"]]["rtt"]) 
    dimension["prom_metrics"]["min"].set(computed[dimension["ip"]]["min"]) 
    dimension["prom_metrics"]["max"].set(computed[dimension["ip"]]["max"]) 
    dimension["prom_metrics"]["mdev"].set(computed[dimension["ip"]]["mdev"]) 
 
for dimension in labeled_prom_metrics["external_targets"]: 
    result = computed[dimension["host"]] 
    dimension["prom_metrics"]["sent"].inc(computed[dimension["host"]]["sent"]) 
    dimension["prom_metrics"]["received"].inc(computed[dimension["host"]]["received"]) 
    dimension["prom_metrics"]["rtt"].inc(computed[dimension["host"]]["rtt"]) 
    dimension["prom_metrics"]["min"].set(computed[dimension["host"]]["min"]) 
    dimension["prom_metrics"]["max"].set(computed[dimension["host"]]["max"]) 
    dimension["prom_metrics"]["mdev"].set(computed[dimension["host"]]["mdev"]) 
 
prometheus_client.write_to_textfile( 
    
envs["PROMETHEUS_TEXTFILE_DIR"] + envs["PROMETHEUS_TEXTFILE_PREFIX"] + envs["MY_NODE_NAME"] + ".prom", registry)  

该脚本在每个Kubernetes节点上运行，并且每秒两次发送ICMP数据包到Kubernetes集群的所有实例。收集的结果会存储在文本文件中。

（编辑：宣城站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!