快速上手Thanos：高可用的 Prometheus

进击云原生 GoCN

在一个成千上万的服务和应用程序部署在多个基础设施中的世界，在高可用性环境中进行监控已成为每个开发过程的重要组成部分。

本文将介绍使用 Thanos 在EKS多集群架构上存储多个集群的 Prometheus 指标的思考过程和经验教训。

介绍

随着 HiredScore 的产品和客户群越来越大，我们开始向 Kubernetes 过渡并迅速采用它。Kubernetes 是我们重要的障碍之一，也可能是最大的监控基础设施。此外，它还允许我们为 HiredScore 的高速增长做好准备。

我们在使用 Prometheus / Grafana 堆栈进行监控方面有一些经验，了解到我们希望创建一个更好、高可用性和弹性的基础架构，具有可行且具有成本效益的数据保留。

CNCF 推广了多种基础设施，可以解决这些监控痛点，并实现具有高可用性、数据保留和成本效益的监控。

要求

单点可观察性将聚合来自任何区域的所有集群的所有数据
Prometheus 的高可用性和弹性基础架构
我们所有应用程序数据的数据保留
经济高效的解决方案

我们选择了 Bitnami 的 Kube-Prometheus 解决方案和 Thanos-io 的 Kube-Thanos 解决方案。该解决方案效果很好，并成功满足了我们的所有需求。

让我们来认识一下players：

Prometheus — 用于事件监控和警报的免费软件应用程序。它在使用 HTTP 拉取模型构建的时间序列数据库中记录实时指标，具有灵活的查询和实时警报。
Thanos — 一个基于 Prometheus 组件的开源 CNCF 沙盒项目，用于创建全球规模的高可用性监控系统。它通过几个简单的步骤无缝地扩展了 Prometheus。

它是如何工作的？

正如我们在图中所看到的，每个EKS集群在同一个名称空间中拥有两个 Prometheus pods，它们通过抓取集群行为来监视它们。每个 Prometheus pods 在专用PVC中保存最后几个小时，在规定的保留时间后，数据通过 Thanos sidecar 发送到S3桶。通过这种方式，我们可以在少量本地存储上节省成本，并将其他所有存储都集中在一个地方(S3)。

为了显示来自 k8s 集群的 Grafana 数据，我们创建了一个专用集群，负责使用连接到 thanos-sidecar 容器的 GRPC 直接从每个集群收集所有实时（最近约 2 小时）数据（暴露默认情况下在端口 10901 上）并从 S3 存储桶（配置存储）中获取远程数据。

让我们深入了解实现细节：

第一阶段是在每个集群中实现 kube-prometheus 和 Thanos sidecar。
第二阶段是在“聚合”集群中实现 kube-thanos 。它将负责从集群中收集所有集群的实时数据，并从发送到 S3 存储桶（ObjectStore）的保留数据中收集数据。

听起来很棒，那么我们实际上如何做到这一点呢？

第一阶段

在这里，我们关注如何在我们要监控的每个集群中部署和配置 Prometheus 以及 Thanos sidecar。在每个集群中创建一个名为 monitoring 的命名空间：

kubectl create ns monitoring

创建一个存储类以使 Prometheus 能够持久化日期:

apiVersion: storage.k8s.io/v1kind: StorageClassmetadata:  name: prometheus-storage-classprovisioner: kubernetes.io/aws-ebsparameters:  type: gp3reclaimPolicy: RetainallowVolumeExpansion: truevolumeBindingMode: Immediate

kubectl apply -f prometheus-storage-class.yaml -n monitoring

安装 kube-prometheus：

helm repo add bitnami https://charts.bitnami.com/bitnamihelm repo update

将要配置的相关值复制到本地文件夹中。需要在值中应用的一些更改：

第1步：使 Prometheus 高可用：设置Prometheus Replica Count— 所需的Prometheus副本数（超过2个）

https://github.com/bitnami/charts/blob/master/bitnami/kube-prometheus/values.yaml
https://github.com/bitnami/charts/blob/46afe376ae87a5af32504bc230a25
d9c7e4522e2/bitnami/kube-prometheus/values.yaml#L760

## @param prometheus.replicaCount Number of Prometheus replicas desired  ##  replicaCount: 2

第2步：定义 pod 资源限制 Prometheus 资源-定义它以避免 Prometheus 消耗所有服务资源

resources:  requests:    cpu: 512m    memory: 3072Mi  limits:    cpu: 512m    memory: 4096Mi

第 3 步：启用 Thanos Sidecar 创建

thanos:  ## @param prometheus.thanos.create Create a Thanos sidecar container  ##  create: true

第4步：将 Thanos sidecar 服务类型从更改 ClusterIP 为 LoadBalancer- 它将创建一个AWS经典负载均衡器端点，该端点将在GRPC端口 ( 10901) 中公开 sidecar，然后我们可以使用此端点通过 route53 将其路由到某个 DNS 名称 thanos-prometheus-(cluster_name)。在您自己的集群中公开 Thanos 端点 prometheus.thanos.service ：https://github.com/bitnami/charts/blob/46afe376ae87a5af32504bc230a25d9c7e4522e2/bitnami/kube-prometheus/values.yaml#L1034

service:  type: LoadBalancer  port: 10901  annotations:    service.beta.kubernetes.io/aws-load-balancer-internal: "true"

现在，在创建 CLB 之后，我们需要在 kube-thanos 清单中实现它。我们稍后会在第二阶段讨论。

第 5 步：禁用压缩并定义保留——这是通过 Thanos sidecar 上传数据的一个非常重要的步骤：

https://prometheus.io/docs/prometheus/latest/storage/#operational-aspects

为了使用 Thanos 边车上传，这两个值必须相等--storage.tsdb.min-block-duration，--storage.tsdb.max-block-duration默认情况下，它们设置为2小时。Prometheus 的保留时间建议不低于 min block duration 的3倍，即6小时。可以在此处找到其他说明：

https://thanos.io/tip/components/sidecar.md/

retention: 12h
disableCompaction: true

第 6 步：启用配置密钥——通过启用对象存储配置，我们可以将数据写入 S3 或任何其他受支持的 BlockDevice ，以确保我们长期数据的持久性

## @param prometheus.thanos.objectStorageConfig Support mounting a Secret for the objectStorageConfig of the sideCar container.objectStorageConfig:  secretName: thanos-objstore-config  secretKey: thanos.yaml

虽然源文件 thanos-storage-config.yaml 必须采用这种形式：

type: s3config:  bucket: thanos-store #S3 bucket name  endpoint: s3..amazonaws.com #S3 Regional endpoint  access_key:  secret_key:

值得一提的是，目前我们只能使用单个 S3 存储桶（ObjectStore）使用以下命令创建密钥：

kubectl -n monitoring create secret generic thanos-objstore-config --from-file=thanos.yaml=thanos-storage-config.yam

第 7 步：现在我们可以使用我们的相关自定义来安装/升级 helm chart

helm install kube-prometheus -f values.yaml bitnami/kube-prometheus -n monitorin

或者

helm upgrade kube-prometheus -f values.yaml bitnami/kube-prometheus -n monitorin

如果你做到了这里，你现在应该已经运行带有 Thanos sidecar 容器的 Prometheus pod，一方面通过GRPC将抓取的数据发送到清单，另一方面，相同的 sidecar 发送（大约 2 小时后）数据到S3存储桶（配置存储）。恭喜！

第二阶段

我们专注于如何在主要的可观察性集群上部署和配置 Thanos 。如前所述，它将负责从我们在第一阶段部署的所有集群中收集所有数据。

为此，我们使用 kube-thanos manifests。就目的而言，我们发现，只需实现查询和存储部分。

第1步：安装和自定义kube-thanos。在主可观察性集群中创建一个名为thanos的命名空间：

kubectl create ns thano

可以选择克隆 kube-thanos 存储库并使用清单文件夹或自己编译 kube-thanos 清单。最后一个不需要复制整个存储库，只需要清单文件。

第2步：在通过第一阶段后，我们将负责 thanos-query-deployment.yaml 从第一阶段开始与其他集群之间的通信。为此，需要添加以下内容：

kubectl -n thanos create secret generic thanos-objectstorage --from-file=thanos.yaml=thanos-storage-config.yaml- --store=dnssrv+_grpc._tcp.thanos-prometheus-<cluster_name>.<domain_name>:1090

进入args我们在上面公开和定义的 Thanos sidecar GRPC 端点部分（步骤 4）

- args:    - query    - --grpc-address=0.0.0.0:10901    - --http-address=0.0.0.0:9090    - --log.level=info    - --log.format=logfmt    - --query.replica-label=prometheus_replica    - --query.replica-label=rule_replica    - --store=dnssrv+_grpc._tcp.thanos-store.thanos.svc.cluster.local:10901    - --store=dnssrv+_grpc._tcp.thanos-receive-ingestor-default.thanos.svc.cluster.local:10901    - --store=dnssrv+_grpc._tcp.thanos-prometheus-.&lt;domain_name&gt;:10901    - --query.auto-downsampling

第 3 步：现在，我们将处理 thanos-store 与配置要从第一阶段发送到的数据的S3存储桶（ObjectStore）之间的通信。因此，正如在第一步中所做的那样，我们需要配置一个名称，该名称在注入环境 thanos-store-statefulSet.yaml 的一部分中请求到 Thanos 存储 pod

env:  - name: OBJSTORE_CONFIG    valueFrom:      secretKeyRef:        key: thanos.yaml        name: thanos-objectstorage

然后我们可以重用第一阶段的相同源文件并为thanos-storethanos-storage-config.yaml创建一个秘密：

kubectl -n thanos create secret generic thanos-objectstorage --from-file=thanos.yaml=thanos-storage-config.yam

第4步：安装清单

kubectl apply -f manifests -n thano

现在，应该关闭循环。Thanos 通过 thanos-query 部署从其他集群接收实时数据，并通过 thanos-store-statefulSet 保留来自 S3 存储桶（ObjectStore）的数据。

结论

Thanos 让我们改变了对 Prometheus 高度可用、耐用和经济高效的看法，在许多 Kubernetes 集群上实施 Thanos 和 Prometheus 需要付出很多努力，但如果我们关心确保高可用的 Prometheus，那么这是值得的。

往期推荐

ORM 盛行下，你知道真正执行的 sql 么

Categraf - 夜莺监控发布新轮子

范型下，优雅的 Lodash 风

想要了解Go更多内容，欢迎扫描下方👇 关注公众号，回复关键词 [实战群] ,就有机会进群和我们进行交流~

分享、在看与点赞，至少我要拥有一个叭~

继续滑动看下一个