文档

kube-apiserver组件监控指标及大盘使用说明

更新时间:

kube-apiserver组件提供了Kubernetes的RESTful API接口,使得外部客户端、集群内的其他组件可以与ACK集群交互。本文介绍kube-apiserver组件的监控指标清单、大盘使用指导以及常见指标异常解析。

使用前须知

操作入口

请参见查看集群控制面组件监控大盘

指标清单

指标是组件对外透出状态和参数的方式之一。kube-apiserver组件使用的指标清单如下。

指标清单

类型

解释

apiserver_request_duration_seconds_bucket

Histogram

该指标用于统计API Server客户端对API Server不同请求的访问时延分布。

请求的维度包括:

  • Verb:请求的类型,例如GET、POST、PUT、DELETE等。

  • Group:API组,即相关API接口的集合,用于扩展Kubernetes API。

  • Version:API版本,例如v1、v1beta1等。

  • Resource:请求针对的资源类型,例如Pod、Service、Lease等。

  • Subresource:资源的子资源,例如Pod详细信息、Pod日志等。

  • Scope:请求的范围,例如命名空间维度的资源(Namespace-scoped)或集群维度的资源(Cluster-scope)。

  • Component:发起请求的组件的名称,例如kube-controller-managerkube-schedulercloud-controller-manager等。

  • Client:发起请求的客户端,可能是内部组件或外部服务。

API ServerHistogram的Bucket阈值为{0.05, 0.1, 0.15, 0.2, 0.25, 0.3, 0.35, 0.4, 0.45, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0, 1.25, 1.5, 1.75, 2.0, 2.5, 3.0, 3.5, 4.0, 4.5, 5, 6, 7, 8, 9, 10, 15, 20, 25, 30, 40, 50, 60}。单位:秒。

apiserver_request_total

Counter

API Server不同请求的计数。请求的维度包括Verb、Group、Version、Resource、Scope、Component、HTTP contentType、HTTP code(响应的HTTP状态码)和Client。

apiserver_request_no_resourceversion_list_total

Counter

API Server的请求中参数未配置resourceVersion的LIST请求的计数。评估Quorum Read类型的LIST请求可以定位是否存在过多的此类请求以及发起相应请求的客户端,以便优化客户端的请求行为,提高集群性能。请求的维度包括Group、Version、Resource、Scope和Client。

apiserver_current_inflight_requests

Gauge

API Server当前处理的请求数量。请求包括两种:

  • ReadOnly:这类请求不会改变集群的状态,通常为读取资源的操作,例如获取Pods列表、查询节点状态等。

  • Mutating:这类请求会改变集群的状态,通常为创建、更新或删除资源的操作,例如新建Pod、更新Service配置等。

apiserver_dropped_requests_total

Counter

API Server执行限流策略过程中,主动丢弃掉的请求数。HTTP返回值为429 'Try again later'

etcd_request_duration_seconds_bucket

Histogram

该指标用于统计API Server对etcd请求的访问时延分布。

请求的维度包括操作(Operation)和操作对象的类型(Type)。

Bucket阈值为{0.005, 0.025, 0.05, 0.1, 0.2, 0.4, 0.6, 0.8, 1.0, 1.25, 1.5, 2, 3, 4, 5, 6, 8, 10, 15, 20, 30, 45, 60}。单位:秒。

apiserver_admission_controller_admission_duration_seconds_bucket

Gauge

准入控制器(Admission Controller)的处理延时。标签包括Admission Controller名称、操作(CREATE、UPDATE、CONNECT等)、API资源、操作类型(validate或admit)和请求是否被拒绝(true或false)。

Bucket阈值为{0.005, 0.025, 0.1, 0.5, 2.5}。单位:秒。

apiserver_admission_webhook_admission_duration_seconds_bucket

Gauge

准入Webhook(Admission Webhook)的处理延时。标签包括Admission Controller名称、操作(CREATE、UPDATE、CONNECT等)、API资源、操作类型(validate,校验请求的合法性,或admit,在请求合法的情况下,决定是否允许该请求)和请求是否被拒绝(true或false)。

Bucket的阈值为{0.005, 0.025, 0.1, 0.5, 2.5}。单位:秒。

apiserver_admission_webhook_admission_duration_seconds_count

Counter

准入Webhook(Admission Webhook)的处理请求统计。标签包括Admission Controller名称、操作(CREATE、UPDATE、CONNECT等)、API资源、操作类型(validate或admit)和请求是否被拒绝(true或false)。

cpu_utilization_core

Gauge

CPU使用量。单位:核(Core)。

memory_utilization_byte

Gauge

内存使用量。单位:字节(Byte)。

up

Gauge

服务可用性。

  • 1:表示服务可用。

  • 0:表示服务不可用。

大盘使用指导

大盘基于组件指标和相关PromQL绘制,包括关键指标、概览、资源分析、QPS和时延、准入控制器和Webhook、客户端分析部分。

大盘功能解析如下,常见的使用顺序为:

  1. 查看关键指标,以便快速查看集群关键指标。

  2. 查看概览,以便分析API Server的响应时延、当前处理请求数和是否有限流发生。

  3. 查看资源分析,以便查看托管侧组件的资源水位。

  4. 查看QPS和时延,以便通过多维度深入分析QPS、RT。

  5. 查看注入控制器和Webhook,以便分析准入控制器和Webhook的QPS、RT。

  6. 查看客户端分析,以便通过客户端多维度分析QPS。

筛选框

在大盘上方,您可以根据筛选框配置观测API Server请求的Verb、资源(Resource)、分位数(Quantile)和面板使用的PromQL的采样时长(Interval)。

说明

调整分位数(Quantile)时,以0.9为例,表示大盘上Histogram类型指标的采样值的数量占该类型指标总体采样值的90%。分位数为0.9(简称为P90)的指标可以去除采样值占比小的长尾样本的影响,分位数为0.99(简称为P99)的指标会包含长尾样本的影响。

筛选框

以下筛选框可以选择观测的时间段和页面刷新周期。筛选框2

关键指标

可观测性展示100

功能解析

名称

PromQL

说明

API QPS

sum(irate(apiserver_request_total[$interval]))

API Server的总QPS。

读请求成功率

sum(irate(apiserver_request_total{code=~"20.*",verb=~"GET|LIST"}[$interval]))/sum(irate(apiserver_request_total{verb=~"GET|LIST"}[$interval]))

API Server处理读请求的成功率。

写请求成功率

sum(irate(apiserver_request_total{code=~"20.*",verb!~"GET|LIST|WATCH|CONNECT"}[$interval]))/sum(irate(apiserver_request_total{verb!~"GET|LIST|WATCH|CONNECT"}[$interval]))

API Server处理写请求的成功率。

在处理读请求数量

sum(apiserver_current_inflight_requests{requestKind="readOnly"})

API Server当前在处理的读请求数量。

在处理写请求数量

sum(apiserver_current_inflight_requests{requestKind="mutating"})

API Server当前在处理的写请求数量。

请求限流速率

sum(irate(apiserver_dropped_requests_total[$interval]))

Dropped Request Rate。

API Server限流策略过程中,主动丢弃掉的请求数所占总请求数的比例。

概览

可观测性展示50

功能解析

名称

PromQL

说明

GET读请求时延

histogram_quantile($quantile, sum(irate(apiserver_request_duration_seconds_bucket{verb="GET",resource!="",subresource!~"log|proxy"}[$interval])) by (pod, verb, resource, subresource, scope, le))

展示GET请求的响应时间,维度包括API Server Pod、Verb(GET)、Resources、Scope。

LIST读请求时延

histogram_quantile($quantile, sum(irate(apiserver_request_duration_seconds_bucket{verb="LIST"}[$interval])) by (pod_name, verb, resource, scope, le))

展示LIST请求的响应时间,维度包括API Server Pod、Verb(LIST)、Resources、Scope。

写请求时延

histogram_quantile($quantile, sum(irate(apiserver_request_duration_seconds_bucket{verb!~"GET|WATCH|LIST|CONNECT"}[$interval])) by (cluster, pod_name, verb, resource, scope, le))

展示Mutating请求的响应时间,维度包括API Server Pod、Verb(GET、WATCH、LIST、CONNECT)、Resources、Scope。

在处理读请求数量

apiserver_current_inflight_requests{request_kind="readOnly"}

API Server正在处理的读请求数量。

在处理写请求数量

apiserver_current_inflight_requests{request_kind="mutating"}

API Server正在处理的写请求数量。

请求限流速率

sum(irate(apiserver_dropped_requests_total{request_kind="readOnly"}[$interval])) by (name)

sum(irate(apiserver_dropped_requests_total{request_kind="mutating"}[$interval])) by (name)

API Server的限流速率 ,No data或者0表示没有限流。

资源分析

可观测性展示资源对象

功能解析

名称

PromQL

说明

内存使用量

memory_utilization_byte{container="kube-apiserver"}

API Server的内存使用量。单位:字节。

CPU使用量

cpu_utilization_core{container="kube-apiserver"}*1000

API Server的CPU使用量。单位:毫核。

资源对象数量

  • max by(resource)(apiserver_storage_objects)

  • max by(resource)(etcd_object_counts)

  • 当ACK为1.22及以上版本时, 指标名字为apiserver_storage_objects

  • 当ACK为1.22及以下版本时,指标名字为etcd_object_counts。

说明

由于兼容性问题,1.22版本中apiserver_storage_objects名称和etcd_object_counts名称均存在。

QPS和时延

可观测性展示48

功能解析

名称

PromQL

说明

按Verb维度分析QPS

sum(irate(apiserver_request_total{verb=~"$verb"}[$interval]))by(verb)

按Verb维度,统计单位时间(1s)内的请求QPS。

按Verb+Resource维度分析QPS

sum(irate(apiserver_request_total{verb=~"$verb",resource=~"$resource"}[$interval]))by(verb,resource)

按Verb+Resource维度,统计单位时间(1s)内的请求QPS。

按Verb维度分析请求时延

histogram_quantile($quantile, sum(irate(apiserver_request_duration_seconds_bucket{verb=~"$verb", verb!~"WATCH|CONNECT",resource!=""}[$interval])) by (le,verb))

按Verb维度,分析请求时延。

按Verb+Resource维度分析请求时延

histogram_quantile($quantile, sum(irate(apiserver_request_duration_seconds_bucket{verb=~"$verb", verb!~"WATCH|CONNECT", resource=~"$resource",resource!=""}[$interval])) by (le,verb,resource))

按Verb+Resource维度,分析请求时延。

非2xx返回值的读请求QPS

sum(irate(apiserver_request_total{verb=~"GET|LIST",resource=~"$resource",code!~"2.*"}[$interval])) by (verb,resource,code)

统计非2xx返回值(除成功以外的所有情况,例如4xx、5xx等)的读请求QPS。

非2xx返回值的写请求QPS

sum(irate(apiserver_request_total{verb!~"GET|LIST|WATCH",verb=~"$verb",resource=~"$resource",code!~"2.*"}[$interval])) by (verb,resource,code)

统计非2xx返回值(除成功以外的所有情况,例如4xx、5xx等)的写请求QPS。

Apiserver对etcd请求时延

histogram_quantile($quantile, sum(irate(etcd_request_duration_seconds_bucket[$interval])) by (le,operation,type,instance))

统计API Server对etcd的请求时延。

准入控制器和Webhook

可观测性展示47

功能解析

名称

PromQL

说明

准入控制器时延[admit]

histogram_quantile($quantile, sum by(operation, name, le, type, rejected) (irate(apiserver_admission_controller_admission_duration_seconds_bucket{type="admit"}[$interval])) )

使用到的admit类型的Admission Controller名称、操作、是否拒绝以及相应的执行时间。

指标Bucket的阈值为{0.005、0.025、0.1、0.5、2.5}。单位:秒。

准入控制器时延[validate]

histogram_quantile($quantile, sum by(operation, name, le, type, rejected) (irate(apiserver_admission_controller_admission_duration_seconds_bucket{type="validate"}[$interval])) )

使用到的validate类型的Admission Controller名称、操作、是否拒绝以及相应的执行时间。

指标Bucket的阈值为{0.005、0.025、0.1、0.5、2.5}。单位:秒。

准入Webhook时延[admit]

histogram_quantile($quantile, sum by(operation, name, le, type, rejected) (irate(apiserver_admission_webhook_admission_duration_seconds_bucket{type="admit"}[$interval])) )

使用到的admit类型的Webhook名称、操作、是否拒绝以及相应的执行时间。

指标Bucket的阈值为{0.005、0.025、0.1、0.5、2.5},单位:秒。

准入Webhook时延[validating]

histogram_quantile($quantile, sum by(operation, name, le, type, rejected) (irate(apiserver_admission_webhook_admission_duration_seconds_bucket{type="validating"}[$interval])) )

使用到的admit类型的Webhook名称、操作、是否拒绝以及相应的执行时间。

指标Bucket的阈值为{0.005、0.025、0.1、0.5、2.5}。单位:秒。

准入Webhook请求QPS

sum(irate(apiserver_admission_webhook_admission_duration_seconds_count[$interval]))by(name,operation,type,rejected)

准入Webhook的请求QPS。

客户端分析

可观测性展示45

功能解析

名称

PromQL

说明

按Client维度分析QPS

sum(irate(apiserver_request_total{client!=""}[$interval])) by (client)

按Client维度分析QPS。用于分析访问API Server的客户端以及QPS。

按Verb+Resource+Client维度分析QPS

sum(irate(apiserver_request_total{client!="",verb=~"$verb", resource=~"$resource"}[$interval]))by(verb,resource,client)

按Verb+Resource+Client维度分析QPS。

按Verb+Resource+Client维度分析LIST请求QPS(无resourceVersion字段)

sum(irate(apiserver_request_no_resourceversion_list_total[$interval]))by(resource,client)

  • 按Verb+Resource+Client维度分析LIST请求的QPS(无resourceVersion字段)。

  • 可以分析对API Server的全部LIST请求中、到etcd的部分LIST请求,帮助识别以及优化API Server客户端的LIST行为。

常见指标异常

如果组件的常见指标异常,请对照下文的情况说明排查是否为预期内情况。如果发生非预期异常,请提交工单处理。

读/写请求成功率

情况说明

正常情况

异常情况

说明

读请求成功率写请求成功率接近100%。

读请求成功率写请求成功率维持在较低百分比,例如小于90%。

存在较多非200返回值请求。

推荐解决方案

查看面板,定位非2xx返回值的读请求QPS非2xx返回值的写请求 QPS中导致非200返回值请求类型和资源。请评估该类请求是否符合预期,并随之采取措施进行优化。例如,如果有GET/deployment 404,表示存在GET Deployment返回404的请求,会导致读请求成功率降低,请判断是否为预期行为。

GET/LIST读请求时延和写请求时延

情况说明

正常情况

异常情况

说明

GET读请求时延LIST读请求时延写请求时延与访问的集群资源数量和集群规模项关联,没有固定的正常与异常的时间分界,只要不影响业务即在接受范围内。例如,如果访问的某种资源量越大,那么LIST请求时间就会越长。一般情况下,GET读请求时延写请求时延小于1s,LIST读请求时延小于5s,为正常现象。

  • GET读请求时延写请求时延大于1s。

  • LIST读请求时延大于5s。

请求的响应时延过长时,需要排除集群资源数量多、Webhook调用慢等因素的影响。

推荐解决方案

  • 查看面板,定位GET读请求时延LIST读请求时延写请求时延中导致非200返回值的请求类型和资源,并才去解决措施。

    请求延时指标apiserver_request_duration_seconds_bucket的最大阈值是60s,超过60s的请求都会统计为60s。而登录Pod的请求POST pod/exec、读取日志的请求会建立长链接,该类请求时间通常会超过60s。问题定位时,您可忽略该类请求。

  • 参见准入Webhook时延,分析是否由于Webhook执行较慢,导致API Server请求延时长。

在处理读/写请求数量和请求限流速率

情况说明

正常情况

异常情况

说明

通常情况下,在处理读请求数量在处理写请求数量小于100, 请求限流速率为0,为正常现象。

  • 在处理读请求数量在处理写请求数量大于100。

  • 请求限流速率大于0。

当前在处理请求的队列积压时,需要排除短时请求量涌入导致处理延时、Webhook调用慢等因素的影响。超过队列长度时,API Server会限流,导致请求限流速率大于0,影响集群稳定性。

推荐解决方案

  • 查看QPS和时延客户端分析,分析请求中占比位于头部的请求,评估是否符合预期。如果请求为实际业务发起,您可以判断是否需降低请求量。

  • 参见准入Webhook时延,分析是否因为Webhook执行慢导致API Server请求处理慢。

  • 如果持续出现请求限流速率大于0,请提交工单获取技术支持。

准入Webhook时延

情况说明

正常情况

异常情况

说明

准入Webhook时延小于0.5s。

持续出现准入Webhook时延大于0.5s。

Webhook响应慢会影响API Server的响应时延。

推荐解决方案

排查Webhook日志等信息,判断是否符合预期。如果不需要某个Webhook,请卸载。

相关文档

  • 本页导读 (1)