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K8s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。

该脚本会包含在Docker镜像中：

FROM python:3.6-alpine3.8

COPY rootfs /

WORKDIR /app

RUN pip3 install --upgrade pip && pip3 install -r requirements.txt && apk add --no-cache fping

ENTRYPOINT ["python3", "/app/ping-exporter.py"]

另外，我们还创建了一个ServiceAccount和一个具有唯一权限的对应角色用于获取节点列表（这样我们就可以知道它们的IP地址）：

apiVersion: v1

kind: ServiceAccount

metadata:

name: ping-exporter

namespace: d8-system

kind: ClusterRole

apiVersion: rbac.authorization.k8s.io/v1

metadata:

name: d8-system:ping-exporter

rules:

- apiGroups: [""]

resources: ["nodes"]

verbs: ["list"]

kind: ClusterRoleBinding

apiVersion: rbac.authorization.k8s.io/v1

metadata:

name: d8-system:kube-ping-exporter

subjects:

- kind: ServiceAccount

name: ping-exporter

namespace: d8-system

roleRef:

apiGroup: rbac.authorization.k8s.io

kind: ClusterRole

name: d8-system:ping-exporter

最后，我们需要DaemonSet来运行在集群中的所有实例：

apiVersion: apps/v1

kind: DaemonSet

metadata:

name: ping-exporter

namespace: d8-system

spec:

updateStrategy:

type: RollingUpdate

selector:

matchLabels:

  name: ping-exporter

template:

metadata:

  labels:

    name: ping-exporter

spec:

  terminationGracePeriodSeconds: 0

  tolerations:

  - operator: "Exists"

  hostNetwork: true

  serviceAccountName: ping-exporter

  priorityClassName: cluster-low

  containers:

  - image: private-registry.flant.com/ping-exporter/ping-exporter:v1

    name: ping-exporter

    env:

      - name: MY_NODE_NAME

        valueFrom:

          fieldRef:

            fieldPath: spec.nodeName

      - name: PROMETHEUS_TEXTFILE_DIR

        value: /node-exporter-textfile/

      - name: PROMETHEUS_TEXTFILE_PREFIX

        value: ping-exporter_

    volumeMounts:

      - name: textfile

        mountPath: /node-exporter-textfile

      - name: config

        mountPath: /config

  volumes:

    - name: textfile

      hostPath:

        path: /var/run/node-exporter-textfile

    - name: config

      configMap:

        name: ping-exporter-config

  imagePullSecrets:

  - name: private-registry

该解决方案的最后操作细节是：

• Python脚本执行时，其结果（即存储在主机上/var/run/node-exporter-textfile目录中的文本文件）将传递到DaemonSet类型的node-exporter。
• node-exporter使用 --collector.textfile.directory /host/textfile 参数启动，这里的 /host/textfile 是hostPath目录 /var/run/node-exporter-textfile 。（你可以点击 这里 了解关于node-exporter中文本文件收集器的更多信息。）
• 最后node-exporter读取这些文件，然后Prometheus从node-exporter实例上收集所有数据。

那么结果如何？

现在该来享受期待已久的结果了。指标创建之后，我们可以使用它们，当然也可以对其进行可视化。以下可以看到它们是怎样的。

首先，有一个通用选择器可让我们在其中选择节点以检查其“源”和“目标”连接。你可以获得一个汇总表，用于在Grafana仪表板中指定的时间段内ping选定节点的结果：

以下是包含有关选定节点的组合统计信息的图形：

另外，我们有一个记录列表，其中每个记录都链接到在“源”节点中选择的每个特定节点的图：

如果将记录展开，你将看到从当前节点到目标节点中已选择的所有其他节点的详细ping统计信息：

下面是相关的图形：

节点之间的ping出现问题的图看起来如何？

如果你在现实生活中观察到类似情况，那就该进行故障排查了！

最后，这是我们对外部主机执行ping操作的可视化效果：

我们可以检查所有节点的总体视图，也可以仅检查任何特定节点的图形：

当你观察到仅影响某些特定节点的连接问题时，这可能会有所帮助。

【本文链接】 Ping monitoring between Kubernetes nodes 翻译：冯旭松