系列文章：Kubernetes日誌採集最佳實踐

前言

---

上一期主要介紹Kubernetes日誌輸出的一些注意事項，日誌輸出最終的目的仍是作統一的採集和分析。在Kubernetes中，日誌採集和普通虛擬機的方式有很大不一樣，相對實現難度和部署代價也略大，但若使用恰當則比傳統方式自動化程度更高、運維代價更低。

Kubernetes日誌採集難點

---

在Kubernetes中，日誌採集相比傳統虛擬機、物理機方式要複雜不少，最根本的緣由是Kubernetes把底層異常屏蔽，提供更加細粒度的資源調度，向上提供穩定、動態的環境。所以日誌採集面對的是更加豐富、動態的環境，須要考慮的點也更加的多。

例如：

1. 對於運行時間很短的Job類應用，從啓動到中止只有幾秒的時間，如何保證日誌採集的實時性可以跟上並且數據不丟？
2. K8s通常推薦使用大規格節點，每一個節點能夠運行10-100+的容器，如何在資源消耗盡量低的狀況下采集100+的容器？
3. 在K8s中，應用都以yaml的方式部署，而日誌採集仍是以手工的配置文件形式爲主，如何可以讓日誌採集以K8s的方式進行部署？

Kubernetes傳統方式日誌種類文件、stdout、宿主機文件、journal文件、journal日誌源業務容器、系統組件、宿主機業務、宿主機採集方式Agent（Sidecar、DaemonSet）、直寫（DockerEngine、業務）Agent、直寫單機應用數10-1001-10應用動態性高低節點動態性高低採集部署方式手動、Yaml手動、自定義

採集方式：主動 or 被動

---

日誌的採集方式分爲被動採集和主動推送兩種，在K8s中，被動採集通常分爲Sidecar和DaemonSet兩種方式，主動推送有DockerEngine推送和業務直寫兩種方式。

• DockerEngine自己具備LogDriver功能，可經過配置不一樣的LogDriver將容器的stdout經過DockerEngine寫入到遠端存儲，以此達到日誌採集的目的。這種方式的可定製化、靈活性、資源隔離性都很低，通常不建議在生產環境中使用。
• 業務直寫是在應用中集成日誌採集的SDK，經過SDK直接將日誌發送到服務端。這種方式省去了落盤採集的邏輯，也不須要額外部署Agent，對於系統的資源消耗最低，但因爲業務和日誌SDK強綁定，總體靈活性很低，通常只有日誌量極大的場景中使用。
• DaemonSet方式在每一個node節點上只運行一個日誌agent，採集這個節點上全部的日誌。DaemonSet相對資源佔用要小不少，但擴展性、租戶隔離性受限，比較適用於功能單一或業務不是不少的集羣。
• Sidecar方式爲每一個POD單獨部署日誌agent，這個agent只負責一個業務應用的日誌採集。Sidecar相對資源佔用較多，但靈活性以及多租戶隔離性較強，建議大型的K8S集羣或做爲PAAS平臺爲多個業務方服務的集羣使用該方式。

總結下來：DockerEngine直寫通常不推薦；業務直寫推薦在日誌量極大的場景中使用；DaemonSet通常在中小型集羣中使用；Sidecar推薦在超大型的集羣中使用。詳細的各類採集方式對好比下：

DockerEngine業務直寫DaemonSet方式Sidecar方式採集日誌類型標準輸出業務日誌標準輸出+部分文件文件部署運維低，原生支持低，只需維護好配置文件便可通常，需維護DaemonSet較高，每一個須要採集日誌的POD都須要部署sidecar容器日誌分類存儲沒法實現業務獨立配置通常，可經過容器/路徑等映射每一個POD可單獨配置，靈活性高多租戶隔離弱弱，日誌直寫會和業務邏輯競爭資源通常，只能經過配置間隔離強，經過容器進行隔離，可單獨分配資源支持集羣規模本地存儲無限制，若使用syslog、fluentd會有單點限制無限制取決於配置數無限制資源佔用低，dockerengine提供總體最低，省去採集開銷較低，每一個節點運行一個容器較高，每一個POD運行一個容器查詢便捷性低，只能grep原始日誌高，可根據業務特色進行定製較高，可進行自定義的查詢、統計高，可根據業務特色進行定製可定製性低高，可自由擴展低高，每一個POD單獨配置耦合度高，與DockerEngine強綁定，修改須要重啓DockerEngine高，採集模塊修改/升級須要從新發布業務低，Agent可獨立升級通常，默認採集Agent升級對應Sidecar業務也會重啓（有一些擴展包能夠支持Sidecar熱升級）適用場景測試、POC等非生產場景對性能要求極高的場景日誌分類明確、功能較單一的集羣大型、混合型、PAAS型集羣

日誌輸出：Stdout or 文件

---

和虛擬機/物理機不一樣，K8s的容器提供標準輸出和文件兩種方式。在容器中，標準輸出將日誌直接輸出到stdout或stderr，而DockerEngine接管stdout和stderr文件描述符，將日誌接收後按照DockerEngine配置的LogDriver規則進行處理；日誌打印到文件的方式和虛擬機/物理機基本相似，只是日誌可使用不一樣的存儲方式，例如默認存儲、EmptyDir、HostVolume、NFS等。

雖然使用Stdout打印日誌是Docker官方推薦的方式，但你們須要注意這個推薦是基於容器只做爲簡單應用的場景，實際的業務場景中咱們仍是建議你們儘量使用文件的方式，主要的緣由有如下幾點：

1. Stdout性能問題，從應用輸出stdout到服務端，中間會通過好幾個流程（例如廣泛使用的JSON LogDriver）：應用stdout -> DockerEngine -> LogDriver -> 序列化成JSON -> 保存到文件 -> Agent採集文件 -> 解析JSON -> 上傳服務端。整個流程相比文件的額外開銷要多不少，在壓測時，每秒10萬行日誌輸出就會額外佔用DockerEngine 1個CPU核。
2. Stdout不支持分類，即全部的輸出都混在一個流中，沒法像文件同樣分類輸出，一般一個應用中有AccessLog、ErrorLog、InterfaceLog（調用外部接口的日誌）、TraceLog等，而這些日誌的格式、用途不一，若是混在同一個流中將很難採集和分析。
3. Stdout只支持容器的主程序輸出，若是是daemon/fork方式運行的程序將沒法使用stdout。
4. 文件的Dump方式支持各類策略，例如同步/異步寫入、緩存大小、文件輪轉策略、壓縮策略、清除策略等，相對更加靈活。

所以咱們建議線上應用使用文件的方式輸出日誌，Stdout只在功能單一的應用或一些K8s系統/運維組件中使用。

CICD集成：Logging Operator

---

Kubernetes提供了標準化的業務部署方式，能夠經過yaml（K8s API）來聲明路由規則、暴露服務、掛載存儲、運行業務、定義縮擴容規則等，因此Kubernetes很容易和CICD系統集成。而日誌採集也是運維監控過程當中的重要部分，業務上線後的全部日誌都要進行實時的收集。

原始的方式是在發佈以後手動去部署日誌採集的邏輯，這種方式須要手工干預，違背CICD自動化的宗旨；爲了實現自動化，有人開始基於日誌採集的API/SDK包裝一個自動部署的服務，在發佈後經過CICD的webhook觸發調用，但這種方式的開發代價很高。

在Kubernetes中，日誌最標準的集成方式是以一個新資源註冊到Kubernetes系統中，以Operator（CRD）的方式來進行管理和維護。在這種方式下，CICD系統不須要額外的開發，只需在部署到Kubernetes系統時附加上日誌相關的配置便可實現。

Kubernetes日誌採集方案

---

早在Kubernetes出現以前，咱們就開始爲容器環境開發日誌採集方案，隨着K8s的逐漸穩定，咱們開始將不少業務遷移到K8s平臺上，所以也基於以前的基礎專門開發了一套K8s上的日誌採集方案。主要具有的功能有：

1. 支持各種數據的實時採集，包括容器文件、容器Stdout、宿主機文件、Journal、Event等；
2. 支持多種採集部署方式，包括DaemonSet、Sidecar、DockerEngine LogDriver等；
3. 支持對日誌數據進行富化，包括附加Namespace、Pod、Container、Image、Node等信息；
4. 穩定、高可靠，基於阿里自研的Logtail採集Agent實現，目前全網已有幾百萬的部署實例；
5. 基於CRD進行擴展，可以使用Kubernetes部署發佈的方式來部署日誌採集規則，與CICD完美集成。

安裝日誌採集組件

---

目前這套採集方案已經對外開放，咱們提供了一個Helm安裝包，其中包括Logtail的DaemonSet、AliyunlogConfig的CRD聲明以及CRD Controller，安裝以後就能直接使用DaemonSet採集以及CRD配置了。安裝方式以下：

1. 阿里雲Kubernetes集羣在開通的時候能夠勾選安裝，這樣在集羣建立的時候會自動安裝上述組件。若是開通的時候沒有安裝，則能夠手動安裝。
2. 若是是自建的Kubernetes，不管是在阿里雲上自建仍是在其餘雲或者是線下，也可使用這樣採集方案，具體安裝方式參考[自建Kubernetes安裝]()。

安裝好上述組件以後，Logtail和對應的Controller就會運行在集羣中，但默認這些組件並不會採集任何日誌，須要配置日誌採集規則來採集指定Pod的各種日誌。

採集規則配置：環境變量 or CRD

---

除了在日誌服務控制檯上手動配置以外，對於Kubernetes還額外支持兩種配置方式：環境變量和CRD。

環境變量是自swarm時代一直使用的配置方式，只須要在想要採集的容器環境變量上聲明須要採集的數據地址便可，Logtail會自動將這些數據採集到服務端。這種方式部署簡單，學習成本低，很容易上手；但可以支持的配置規則不多，不少高級配置（例如解析方式、過濾方式、黑白名單等）都不支持，並且這種聲明的方式不支持修改/刪除，每次修改其實都是建立1個新的採集配置，歷史的採集配置須要手動清理，不然會形成資源浪費。

CRD配置方式是很是符合Kubernetes官方推薦的標準擴展方式，讓採集配置以K8s資源的方式進行管理，經過向Kubernetes部署AliyunLogConfig這個特殊的CRD資源來聲明須要採集的數據。例以下面的示例就是部署一個容器標準輸出的採集，其中定義須要Stdout和Stderr都採集，而且排除環境變量中包含COLLEXT_STDOUT_FLAG：false的容器。 基於CRD的配置方式以Kubernetes標準擴展資源的方式進行管理，支持配置的增刪改查完整語義，並且支持各類高級配置，是咱們極其推薦的採集配置方式。

採集規則推薦的配置方式

---

---

實際應用場景中，通常都是使用DaemonSet或DaemonSet與Sidecar混用方式，DaemonSet的優點是資源利用率高，但有一個問題是DaemonSet的全部Logtail都共享全局配置，而單一的Logtail有配置支撐的上限，所以沒法支撐應用數比較多的集羣。 上述是咱們給出的推薦配置方式，核心的思想是：

1. 一個配置儘量多的採集同類數據，減小配置數，下降DaemonSet壓力；
2. 核心的應用採集要給予充分的資源，可使用Sidecar方式；
3. 配置方式儘量使用CRD方式；
4. Sidecar因爲每一個Logtail是單獨的配置，因此沒有配置數的限制，這種比較適合於超大型的集羣使用。

實踐1-中小型集羣

---

絕大部分Kubernetes集羣都屬於中小型的，對於中小型沒有明確的定義，通常應用數在500之內，節點規模1000之內，沒有職能明確的Kubernetes平臺運維。這種場景應用數不會特別多，DaemonSet能夠支撐全部的採集配置：

1. 絕大部分業務應用的數據使用DaemonSet採集方式
2. 核心應用（對於採集可靠性要求比較高，例如訂單/交易系統）使用Sidecar方式單獨採集

實踐2-大型集羣

---

對於一些用做PAAS平臺的大型/超大型集羣，通常業務在1000以上，節點規模也在1000以上，有專門的Kubernetes平臺運維人員。這種場景下應用數沒有限制，DaemonSet沒法支持，所以必須使用Sidecar方式，總體規劃以下：

1. Kubernetes平臺自己的系統組件日誌、內核日誌相對種類固定，這部分日誌使用DaemonSet採集，主要爲平臺的運維人員提供服務；
2. 各個業務的日誌使用Sidecar方式採集，每一個業務能夠獨立設置Sidecar的採集目的地址，爲業務的DevOps人員提供足夠的靈活性。

上雲就看雲棲號：更多雲資訊，上雲案例，最佳實踐，產品入門，訪問：https://yqh.aliyun.com/

本文爲阿里雲原創內容，未經容許不得轉載。