云原生下的指标与日志采集

---

引言：

众所周知，对于一个云原生 PaaS 平台而言，在页面上查看日志与指标是最为基础的功能。无论是日志、指标还是链路追踪，基本都分为采集、存储和展示 3 个模块。

这里笔者将介绍云原生下的常见的指标 & 日志的采集方案，以及 Erda 作为一个云原生 PaaS 平台是如何实将其现的。

---

指标采集方案介绍

常见架构模式

1. Daemonset

采集端 agent 通过 Daemonset 的方式部署在每个节点上。该模式下，通常是由 agent 主动采集的方式来获取指标，常见的 agent 有 telegraf、metricbeat、cadvisor 等。

应用场景：

• 通常用来采集节点级别的指标，例如：节点资源指标、节点上的容器资源指标、节点的性能指标等。

2. 推 & 拉

当我们需要采集程序的内部指标时，通常采用 agent 主动拉取指标或客户端主动推送指标的方式。

应用场景：

• 对于 Web 服务、中间件等长时间运行的服务来说，我们一般采用定时拉取的方式采集；
• 对于 CI/CD、大数据等短时任务，则一般是以客户端主动推送的方式采集，例如：推送任务的运行耗时、错误数等指标。

那么，到底是采用推还是拉的方式呢？

我认为这取决于实际应用场景。例如：短时任务，由于 agent 可能还没开始采集它就已经结束了，因此我们采用推的方式；而对于 Web 服务则不存在这个问题，采用拉的方式还能减少用户侧的负担。

开源方案介绍

Prometheus 作为 CNCF 的 2 号毕业选手，一出生就基本成为云原生尤其是 Kubernetes 的官配监控方案了。

它实际是一套完整的解决方案，这里我们主要介绍它的采集功能。

• 拉场景下，Prometheus server 中的 Retrieval 模块，负责定时抓取监控目标暴露的指标。
• 推场景下，客户端推送指标到 Pushgateway，再由 Retrieval 模块定时抓取 Pushgateway。

其与推&拉方案基本相同，不过由于其即为丰富的 exporter 体系，基本可以采集包括节点级别的各种指标。

Erda 采用的架构方案

在 Erda 中，当前的方案是通过二开了 telegraf, 利用其丰富的采集插件，合并了 Daemonset 和推拉方案。

• telegraf[DS]：作为Daemonset采集节点级别的指标；
• telegraf-app[DS]：不采集指标，仅用于转发上报 trace 数据；
• telegraf-platform: 采集服务级别的指标；
• collector：收集 telegraf 上报的指标，以及客户端程序主动推送的指标。

日志采集方案介绍

常见架构模式

1. Daemonset

容器内应用的日志若输出到 stdout 中，容器运行时会通过 logging-driver 模块输出到其他媒介上，通常是本机的磁盘上，例如 Docker 通常会通过 json-driver 输出日志到 /var/log/docker/containers//*.log 文件中。

对于这种场景，我们一般采用 Daemonset 的方案，即在每个节点上部署一个采集器，通过读取机器上的日志文件来采集日志。

2. Sidecar

Daemonset 方案也有一些局限性，例如，当应用日志是输出到日志文件时，或者想对日志配置一些处理规则（例如，多行规则、日志提取规则）时。

此时可采用 Sidecar 的方案，通过 logging-agent 与应用容器通过共享日志目录、主动上报等方式来采集。

3. 主动上报

当然，还可以主动（一般通过供应商提供的 SDK）上报日志。

常见应用场景有：

• 当你想转发日志到外部系统时可以使用主动上报的模式，例如，转发阿里云的日志到 Erda；
• 当你不想或者不具备部署任何 logging-agent 时，例如：当你只想试用下 Erda 的日志分析时。

开源方案介绍

业界中，比较有名的就是使用 ELK 来作为日志方案，当然也是整套解决方案。采集模块主要是 beats 作为采集端，logstash 作为日志收集总入口，elasticsearch 作为存储，kibana 作为展示层。

Erda的架构方案

在 Erda 中，我们使用了 fluent-bit 作为日志采集器：

• 针对容器日志：我们采用 Daemonset 的方案进行采集；
• 针对 ECI 等无法部署 Daemonset 的场景：我们采用 Sidecar 的方案采集；
• 针对第三方的日志：我们在 collector 端支持用户的自定义主动上报。

小结

不难看出，无论是指标还是日志，其数据采集方案还是比较简单清晰的，我们可以根据实际场景随意搭配。
然而随着集群规模的增长以及用户自定义需求的增加，往往会出现如下难点：

• 数据洪流问题：如何保障监控数据的时效性以及降低数据传输与存储成本；
• 配置管理问题：如何管理大量的自定义配置，例如自定义指标采集规则、日志多行规则、日志分析规则等等

对于这些问题，我们也在不断探索实践中，并会在后续的文章中进行分享。

参考链接 & 延伸阅读

• https://kubernetes.io/docs/concepts/cluster-administration/logging/
• https://www.elastic.co/cn/what-is/elk-stack
• https://prometheus.io/docs/introduction/overview/#architecture

更多技术干货请关注【尔达 Erda】公众号，与众多开源爱好者共同成长～

文中部分图片源自网络，侵删