Questa pagina spiega come Google Distributed Cloud connected registra vari tipi di informazioni sul suo funzionamento e come visualizzarle. La raccolta di alcuni tipi di log e metriche comporta costi aggiuntivi. Per saperne di più, consulta Fatturazione per log e metriche.
Configurazione di logging e monitoraggio
Prima di poter iniziare a raccogliere log e metriche, devi:
Abilita le API di logging utilizzando i seguenti comandi:
gcloud services enable opsconfigmonitoring.googleapis.com --project PROJECT_ID gcloud services enable logging.googleapis.com --project PROJECT_ID gcloud services enable monitoring.googleapis.com --project PROJECT_ID
Sostituisci
PROJECT_IDcon l'ID del progetto Google Cloud di destinazione.Concedi i ruoli necessari per scrivere log e metriche:
gcloud projects add-iam-policy-binding PROJECT_ID \ --role roles/opsconfigmonitoring.resourceMetadata.writer \ --member "serviceAccount:PROJECT_ID.svc.id.goog[kube-system/metadata-agent]" gcloud projects add-iam-policy-binding PROJECT_ID \ --role roles/logging.logWriter \ --member "serviceAccount:PROJECT_ID.svc.id.goog[kube-system/stackdriver-log-forwarder]" gcloud projects add-iam-policy-binding PROJECT_ID \ --role roles/monitoring.metricWriter \ --member "serviceAccount:PROJECT_ID.svc.id.goog[kube-system/gke-metrics-agent]"Sostituisci
PROJECT_IDcon l'ID del progetto Google Cloud di destinazione.
Log
Questa sezione elenca i tipi di risorse Cloud Logging supportati da Distributed Cloud. Per visualizzare i log di Distributed Cloud, utilizza Esplora log nella console Google Cloud . La registrazione di Distributed Cloud è sempre abilitata.
I tipi di risorse registrate connesse a Distributed Cloud sono le seguenti risorse Kubernetes standard:
k8s_containerk8s_node
Puoi anche acquisire e recuperare i log connessi di Distributed Cloud utilizzando l'API Cloud Logging. Per informazioni su come configurare questo meccanismo di logging, consulta la documentazione delle librerie client di Cloud Logging.
Metriche
Questa sezione elenca le metriche di Cloud Monitoring supportate da Distributed Cloud. Per visualizzare le metriche di Distributed Cloud, utilizza Esplora metriche nella consoleGoogle Cloud .
Metriche del cluster Distributed Cloud connected
Per i cluster Distributed Cloud connesso, Distributed Cloud connesso fornisce i seguenti tipi di metriche generate dai nodi Distributed Cloud connesso:
- Le metriche delle risorse forniscono informazioni sulle prestazioni dei nodi e dei pod connessi a Distributed Cloud, ad esempio carico della CPU e utilizzo della memoria.
- Le metriche delle applicazioni di sistema forniscono informazioni sui carichi di lavoro di sistema di Distributed Cloud connected, ad esempio
coredns.
Per un elenco di queste metriche, consulta Metriche di Google Distributed Cloud e Google Distributed Cloud.
Distributed Cloud connesso non fornisce metriche generate dai piani di controllo Kubernetes associati ai cluster Distributed Cloud connesso.
Metriche hardware di Distributed Cloud connected
Distributed Cloud connected fornisce metriche per l'hardware Distributed Cloud connected utilizzando i seguenti tipi di risorse:
edgecontainer.googleapis.com/Machineedgecontainer.googleapis.com/Rack
Machine metriche risorsa
Distributed Cloud connesso scrive le seguenti metriche dell'API Cloud Monitoring per la risorsa edgecontainer.googleapis.com/Machine:
| Metrica | Descrizione |
|---|---|
/machine/cpu/total_cores
|
Conteggio totale dei core del processore fisico presenti sulla macchina. |
/machine/cpu/usage_time
|
Tempo di utilizzo cumulativo della CPU per tutti i core della macchina. Il tipo può essere
workload (carichi di lavoro dei clienti)
o system (tutto il resto). |
/machine/cpu/utilization
|
Percentuale di utilizzo della CPU sulla macchina. L'intervallo è compreso tra 0 e 1. Il tipo può essere
workload (carichi di lavoro dei clienti)
o system (tutto il resto). |
/machine/memory/total_bytes
|
Conteggio byte della memoria totale sulla macchina. |
/machine/memory/used_bytes
|
Conteggio dei byte della memoria utilizzata sulla macchina. memory_type è
evictable (recuperabile dal kernel) o
non-evictable (non recuperabile). |
/machine/memory/utilization
|
Percentuale di utilizzo della memoria sulla macchina. L'intervallo è compreso tra 0 e 1.
memory_type è evictable (recuperabile
dal kernel) o non-evictable (non recuperabile). |
/machine/network/up
|
Indica se l'interfaccia di rete è attiva e funzionante. Include schede principali, schede secondarie e porte. |
/machine/network/link_speed
|
Velocità di collegamento della scheda di interfaccia di rete principale. |
/machine/network/received_bytes_count
|
Conteggio byte ricevuti per la scheda di interfaccia di rete principale. |
/machine/network/sent_bytes_count
|
Conteggio dei byte inviati per la scheda di interfaccia di rete principale. |
/machine/network/connectivity
|
Indica se la scheda di interfaccia di rete principale ha connettività a internet. |
/machine/disk/total_bytes
|
Conteggio dei byte dello spazio su disco totale sulla macchina. |
/machine/disk/used_bytes
|
Conteggio dei byte dello spazio su disco utilizzato sulla macchina. |
/machine/disk/utilization
|
Percentuale di utilizzo dello spazio su disco sulla macchina. L'intervallo è compreso tra 0 e 1. |
/machine/restart_count
|
Numero di riavvii del computer. |
/machine/uptime
|
Tempo di attività della macchina dall'ultimo riavvio. |
/machine/connected
|
Indica se la macchina è connessa a Google Cloud. |
Rack metriche risorsa
Distributed Cloud connesso scrive le seguenti metriche dell'API Cloud Monitoring per la risorsa edgecontainer.googleapis.com/Rack:
| Metrica | Descrizione |
|---|---|
/router/bgp_up
|
Indica se la sessione di peering BGP sul router è attiva e
integra.
router_id identifica il router specifico (fino a 2 per rack). |
/router/connected
|
Indica se il router BGP è connesso a Google Cloud.
router_id identifica il router specifico (fino a 2 per rack). |
Metriche delle operazioni di backup delle macchine virtuali
Distributed Cloud connesso raccoglie ed esporta le seguenti metriche relative all'agente di backup della macchina virtuale:
| Metrica | Descrizione |
|---|---|
gdc_backup_backups_completed
|
Il numero di backup delle macchine virtuali completati correttamente. |
gdc_backup_backups_latency
|
La latenza dei backup delle macchine virtuali, in minuti. |
gdc_backup_volume_backups_created
|
Il numero di backup del volume creati fino a oggi. |
gdc_backup_volume_backups_completed
|
Il numero di backup del volume completati fino a oggi. |
gdc_backup_restores_completed
|
Il numero di ripristini di macchine virtuali completati finora. |
gdc_backup_restores_latency
|
La latenza dei ripristini delle macchine virtuali, in minuti. |
gdc_backup_volume_restores_created
|
Il numero di ripristini del volume creati fino ad oggi. |
gdc_backup_volume_restores_completed
|
Il numero di ripristini del volume completati fino a oggi. |
Distributed Cloud Connected raccoglie ed esporta le seguenti metriche relative al piano di controllo del backup della macchina virtuale:
| Metrica | Descrizione |
|---|---|
gdc_backup_controlplane_live
|
Indica se il control plane di backup è operativo. |
gdc_backup_backup_repositories_attached
|
Il numero di repository di backup collegati. |
gdc_backup_backups_created
|
Il numero di backup delle macchine virtuali creati finora. |
gdc_backup_backups_deleted
|
Il numero di backup delle macchine virtuali eliminati finora. |
gdc_backup_restores_created
|
Il numero di ripristini di macchine virtuali creati finora. |
gdc_gdc_backup_backups_pile_up
|
Indica se un piano di backup ha raggiunto il limite di conteggio dei backup in corso. |
Distributed Cloud connected raccoglie ed esporta le seguenti metriche relative alla fatturazione per la funzionalità di backup delle macchine virtuali:
| Metrica | Descrizione |
|---|---|
metering_protected_resources_total
|
Numero totale di macchine virtuali di cui è stato eseguito il backup fino a oggi. |
metering_deleted_resources_total
|
Numero totale di backup delle macchine virtuali eliminati finora. |
Esportare log e metriche personalizzati delle applicazioni
Distributed Cloud connected esporta automaticamente i log per le applicazioni in esecuzione sui carichi di lavoro Distributed Cloud connected. Per esportare le metriche per un'applicazione in esecuzione su carichi di lavoro connessi a Distributed Cloud, devi annotarla come descritto nella sezione successiva.
Annota il workload per abilitare l'esportazione delle metriche
Per attivare la raccolta di metriche personalizzate da un'applicazione, aggiungi le seguenti annotazioni al manifest del servizio o del deployment dell'applicazione:
prometheus.io/scrape: "true"prometheus.io/path: "ENDPOINT_PATH". SostituisciENDPOINT_PATHcon il percorso completo dell'endpoint delle metriche dell'applicazione di destinazione.prometheus.io/port: "PORT_NUMBER": la porta su cui l'endpoint delle metriche dell'applicazione è in ascolto delle connessioni.
Esegui un'applicazione di esempio
In questa sezione, creerai un'applicazione che scrive log personalizzati ed espone un endpoint di metrica personalizzata.
Salva i seguenti manifest di servizio e deployment in un file denominato
my-app.yaml. Nota che il servizio ha l'annotazioneprometheus.io/scrape: "true":kind: Service apiVersion: v1 metadata: name: "monitoring-example" namespace: "default" annotations: prometheus.io/scrape: "true" spec: selector: app: "monitoring-example" ports: - name: http port: 9090 --- apiVersion: apps/v1 kind: Deployment metadata: name: "monitoring-example" namespace: "default" labels: app: "monitoring-example" spec: replicas: 1 selector: matchLabels: app: "monitoring-example" template: metadata: labels: app: "monitoring-example" spec: containers: - image: gcr.io/google-samples/prometheus-dummy-exporter:latest name: prometheus-example-exporter imagePullPolicy: Always command: - /bin/sh - -c - ./prometheus-dummy-exporter --metric-name=example_monitoring_up --metric-value=1 --port=9090 resources: requests: cpu: 100mCrea il deployment e il servizio:
kubectl --kubeconfig apply -f my-app.yaml
Visualizza log applicazione
Console
Nella console Google Cloud , vai alla pagina Esplora log.
Fai clic su Risorsa.
Nell'elenco Tutti i tipi di risorse, seleziona
Kubernetes Container.In Nome cluster, seleziona il nome del cluster utente.
In Nome spazio dei nomi, seleziona
default.Fai clic su Aggiungi e poi su Esegui query.
Nella sezione Risultati delle query, puoi visualizzare le voci di log del deployment
monitoring-example. Ad esempio:{ "textPayload": "2020/11/14 01:24:24 Starting to listen on :9090\n", "insertId": "1oa4vhg3qfxidt", "resource": { "type": "k8s_container", "labels": { "pod_name": "monitoring-example-7685d96496-xqfsf", "cluster_name": ..., "namespace_name": "default", "project_id": ..., "location": "us-west1", "container_name": "prometheus-example-exporter" } }, "timestamp": "2020-11-14T01:24:24.358600252Z", "labels": { "k8s-pod/pod-template-hash": "7685d96496", "k8s-pod/app": "monitoring-example" }, "logName": "projects/.../logs/stdout", "receiveTimestamp": "2020-11-14T01:24:39.562864735Z" }
gcloud
Utilizza il comando
gcloud logging read:gcloud logging read 'resource.labels.project_id="PROJECT_ID" AND \ resource.type="k8s_container" AND resource.labels.namespace_name="default"'Sostituisci
PROJECT_IDcon l'ID del tuo progetto.Nell'output puoi visualizzare le voci di log del deployment
monitoring-example. Ad esempio:insertId: 1oa4vhg3qfxidt labels: k8s-pod/app: monitoring-example k8s- pod/pod-template-hash: 7685d96496 logName: projects/.../logs/stdout receiveTimestamp: '2020-11-14T01:24:39.562864735Z' resource: labels: cluster_name: ... container_name: prometheus-example-exporter location: us-west1 namespace_name: default pod_name: monitoring-example-7685d96496-xqfsf project_id: ... type: k8s_container textPayload: | 2020/11/14 01:24:24 Starting to listen on :9090 timestamp: '2020-11-14T01:24:24.358600252Z'
Visualizzare le metriche dell'applicazione
L'applicazione di esempio espone una metrica personalizzata denominata example_monitoring_up.
Puoi visualizzare i valori di questa metrica nella console Google Cloud .
Nella console Google Cloud , vai alla pagina Esplora metriche.
Vai a Esplora metriche
In Tipo di risorsa, seleziona
Kubernetes Pod.In Metrica, seleziona
external/prometheus/example_monitoring_up.Nel grafico puoi vedere che
example_monitoring_upha un valore ripetuto di 1.
Raccogliere metriche con Prometheus
Distributed Cloud connected supporta la soluzione di metriche Prometheus per la raccolta di metriche sui carichi di lavoro Distributed Cloud connected.
A questo scopo, Distributed Cloud connesso crea uno spazio dei nomi non gestito con
il nome prom-monitoring quando crei un cluster Distributed Cloud connesso.
Ti consigliamo di utilizzare questo spazio dei nomi per eseguire il deployment di Prometheus. Puoi anche copiare le risorse richieste dallo spazio dei nomi prom-monitoring in uno spazio dei nomi di tua scelta ed eseguire il deployment di Prometheus.
Configura lo scraping delle metriche Prometheus
Per raccogliere le metriche connesse di Distributed Cloud con Prometheus, devi
configurare lo scraping delle metriche Prometheus. A questo scopo, monta l'oggetto ConfigMap prometheus-scrape-config nel pod Prometheus e aggiungi la configurazione di scraping da ConfigMap alla configurazione di Prometheus. Ad esempio:
apiVersion: rbac.authorization.k8s.io/v1
kind: ClusterRoleBinding
metadata:
name: prometheus-local-rolebinding
namespace: prom-monitoring
subjects:
- kind: ServiceAccount
name: prometheus-scrape
namespace: prom-monitoring
roleRef:
kind: ClusterRole
name: gke-metrics-agent
apiGroup: rbac.authorization.k8s.io
---
apiVersion: v1
kind: ConfigMap
metadata:
name: prometheus-config
namespace: prom-monitoring
data:
prometheus.yml: |
global:
scrape_interval: 5s
evaluation_interval: 5s
rule_files:
scrape_config_files:
- /etc/prometheus/scrape/*.yml
---
apiVersion: v1
kind: Service
metadata:
name: prometheus
namespace: prom-monitoring
spec:
selector:
app: prom-monitoring
ports:
- port: 9090
targetPort: 9090
type: LoadBalancer
---
apiVersion: apps/v1
kind: Deployment
metadata:
name: prometheus-deployment
namespace: prom-monitoring
labels:
app: prom-monitoring
spec:
replicas: 1
selector:
matchLabels:
app: prom-monitoring
template:
metadata:
labels:
app: prom-monitoring
spec:
serviceAccountName: prometheus-scrape
containers:
- name: prometheus
image: prom/prometheus:main
args:
- "--config.file=/etc/prometheus/prometheus.yml"
- "--storage.tsdb.path=/prometheus/"
ports:
- containerPort: 9090
volumeMounts:
- name: prometheus-config-volume
mountPath: /etc/prometheus/
- name: prometheus-scrape-config-volume
mountPath: /etc/prometheus/scrape/
- name: prometheus-storage-volume
mountPath: /prometheus/
- name: prometheus-scrape-token
mountPath: /var/run/secrets/kubernetes.io/stackdriver-prometheus-scrape
- name: stackdriver-prometheus-scrape-cert
mountPath: /certs/stackdriver-prometheus-scrape
- name: stackdriver-prometheus-etcd-scrape
mountPath: /stackdriver-prometheus-etcd-scrape
volumes:
- name: prometheus-storage-volume
emptyDir: {}
- name: prometheus-config-volume
configMap:
defaultMode: 420
name: prometheus-config
- name: prometheus-scrape-config-volume
configMap:
defaultMode: 420
name: prometheus-scrape-config
- name: prometheus-scrape-token
secret:
defaultMode: 420
secretName: prometheus-scrape
- name: stackdriver-prometheus-scrape-cert
secret:
defaultMode: 420
optional: true
secretName: stackdriver-prometheus-scrape-cert
- name: stackdriver-prometheus-etcd-scrape
secret:
defaultMode: 420
optional: true
secretName: stackdriver-prometheus-etcd-scrape
Per raccogliere le metriche del workload con Prometheus, devi aggiungere annotazioni ai servizi e ai pod che eseguono i workload di destinazione nel seguente modo:
Per inviare le metriche sia a Cloud Monitoring sia a Prometheus, utilizza le annotazioni descritte in Esportare log e metriche personalizzati.
Per inviare le metriche solo a Prometheus, utilizza le seguenti annotazioni:
prometheus.io/unmanaged_scrape: "true"
prometheus.io/unmanaged_path: "ENDPOINT_PATH"
prometheus.io/unmanaged_port: "PORT_NUMBER"
Raccogliere i log con Kafka
Distributed Cloud connected supporta la soluzione Apache Kafka per la raccolta dei log sui carichi di lavoro in esecuzione nella tua implementazione di Distributed Cloud connected.
Prima di completare i passaggi descritti in questa sezione, devi disporre di un deployment Kafka funzionante. I
broker Kafka devono pubblicizzare i propri listener in modalità PLAINTEXT. Le variabili correlate a SSL/SASL
non sono supportate.
Per configurare un cluster per la registrazione Kafka, devi creare un file JSON che configuri i componenti aggiuntivi
che vuoi eseguire sul cluster. Specifica questo file quando crei un cluster utilizzando il flag --system-addons-config. Se devi modificare la configurazione di Kafka, devi eliminare
e ricreare il cluster con le nuove impostazioni di Kafka.
Aggiungi la seguente sezione al file di configurazione dei componenti aggiuntivi di sistema:
{
"systemAddonsConfig": {
"unmanagedKafkaConfig": {
"brokers": "BROKERS",
"topics": "TOPICS"
"topic_key": "TOPIC_KEY,
}
}
}
Sostituisci quanto segue:
BROKERS: un elenco separato da virgole di coppie di indirizzi IP e porte del broker nel formatoip_address:port.TOPICS: un elenco separato da virgole di argomenti Kafka.TOPIC_KEY: una chiave dell'argomento Kafka; consente a Kafka di selezionare un argomento se ne esistono più di uno.
Se Kafka non raccoglie i log dopo aver creato il cluster connesso Distributed Cloud, controlla quanto segue:
- Lato server:controlla i log degli errori nella tua implementazione di Kafka per individuare eventuali problemi.
- Lato client: contatta l'Assistenza Google per recuperare ed esaminare i log dei pod di sistema.
Raccogliere i log non elaborati del workload per il trattamento esterno
Puoi configurare Distributed Cloud connesso per esportare i log dei pod dei carichi di lavoro non elaborati e senza tag in /var/logs/export, il che ti consente di utilizzare il tuo raccoglitore di log per l'elaborazione dei log.
Per configurare l'esportazione dei log del carico di lavoro non elaborati, crea una risorsa personalizzata LogExport con i seguenti contenuti, quindi applicala al cluster:
apiVersion: gdc.addons.gke.io/v1 kind: LogExport metadata: name: my-log-export spec: namespaces: - namespace1 - namespace2 - namespace3
Nel campo namespaces, elenca gli spazi dei nomi dei carichi di lavoro per i quali vuoi esportare i log dei pod non elaborati.
Il campo non accetta spazi dei nomi di sistema, come quelli elencati in
Limitazioni dello spazio dei nomi di gestione.