摘要: 將在QCon上分享的《阿里PB級Kubernetes日誌平臺建設實踐》整理出來,分享給大家。
QCon是由InfoQ主辦的綜合性技術盛會,每年在倫敦、北京、紐約、聖保羅、上海、舊金山召開。有幸參加這次QCon10週年大會,作為分享嘉賓在劉宇老師的運維專場發表了《阿里PB級Kubernetes日誌平臺建設實踐》,現將PPT和文字稿整理下來,希望和更多的愛好者分享。
在阿里的十多年中,日誌系統伴隨著計算形態的發展在不斷演進,大致分為3個主要階段:
在阿里,幾乎所有的業務角色都會涉及到各式各樣的日誌數據,為了支撐各類應用場景,我們開發了非常多的工具和功能:日誌實時分析、鏈路追蹤、監控、數據清洗、流計算、離線計算、BI系統、審計系統等等。其中很多系統都非常成熟,日誌平臺主要專註於智能分析、監控等實時的場景,其他功能通常打通的形式支持。
日誌系統存在了十多年,目前也有非常多的開源的方案,例如最典型的ELK(Elastic Search、Logstash、Kibana),通常一個日誌系統具備以下功能:日誌收集/解析、查詢與檢索、日誌分析、可視化/告警等,這些功能通過開源軟體的組合都可以實現,但最終我們選擇自建,主要有幾下幾點考慮:
圍繞著Kubernetes場景的需求,日誌平臺建設的難點主要有以下幾點:
Kubernetes日誌數據採集
無論是在ITOM還是在未來的AIOps場景中,日誌獲取都是其中必不可少的一個部分,數據源直接決定了後續應用的形態和功能。在十多年中,我們積累了一套物理機、虛擬機的日誌採集經驗,但在Kubernetes中不能完全適用,這裡我們以問題的形式展開:
問題1:DaemonSet or Sidecar
日誌最主要的採集工具是Agent,在Kubernetes場景下,通常會分為兩種採集方式:
每種採集方式都有其對應的優缺點,這裡簡單總結如下:
在阿里內部,對於大型的PAAS集羣,主要使用Sidecar方式採集數據,相對隔離性、靈活性最好;而對與功能比較單一(部門內部/產品自建)的集羣,基本都採用DaemonSet的方式,資源佔用最低。
問題2:如何降低資源消耗
為了降低這部分資源消耗,我們和螞蟻金服團隊的同學們一起開發了FUSE的日誌採集方式,使用FUSE(Filesystem in Userspace,用戶態文件系統)虛擬化出日誌盤,應用直接將日誌寫入到虛擬的日誌盤中,最終數據將直接從內存中被Logtail採集到服務端。這種採集的好處有:
問題3:如何與Kubernetes無縫集成
Kubernetes日誌平臺架構
下面我們從問題排查的角度來具體展開平臺提供的核心功能。
PB級日誌查詢
grep
我們在2009年開始在飛天平臺研發過程中,為夠解決大規模(例如5000臺)下的研發效率、問題診斷等問題,開始研支持超大規模的日誌查詢平臺,其中最主要的目標是「快」,對於幾十億的數據也能夠輕鬆在秒級完成。
日誌上下文
在Kubernetes的場景中,每個容器的標準輸出(stdout)、文件都有對應的組合方式構成一個上下文分區,例如Namesapce+Pod+ContainerID+FileName/Stdout。
為日誌而生的分析引擎
因此我們平臺原生集成了日誌分析、可視化、告警等相關的功能,儘可能減少用戶配置鏈路。通過多年的實踐,我們發現用戶最容易接受的還是SQL的分析方式,因此我們分析基於SQL92標準實現,在此基礎上擴展了很多針對日誌分析場景的高級函數,例如:
在日誌平臺上,應用方/用戶可以通過日誌接入、查詢、分析、可視化、告警等功能可以完成異常監控、問題調查與定位。但隨著計算形態、應用形態以及開發人員職責的不斷演變,尤其在近兩年Kubernetes、ServiceMesh、Serverless等技術的興起,問題的複雜度不斷上升,常規手段已經很難適用。於是我們開始嘗試向AIOps領域發展,例如時序分析、根因分析、日誌聚類等。
時序分析
時序相關的函數主要用來發現問題,而查找問題根源還需要模式分析相關的方法(根因分析,Root Cause Analysis)。例如K8s集羣整體Ingress錯誤率(5XX比例)突然上升時,如何排查是因為某個服務問題、某個用戶引起、某個URL引起、某個瀏覽器引起、某些地域網路問題、某個節點異常還是整體性的問題?通常這種問題都需要人工從各個維度去排查,例如:
這種問題的排查在維度越多時複雜度越高,排查時間也越久,可能等到發現問題的時候影響面已經全面擴大了。因此我們開發了根因分析相關的函數,可以直接從多維數據中定位對目標(例如延遲、失敗率等)影響最大的一組(幾組)維度組合。
智能日誌聚類
上面我們通過智能時序函數發現問題、通過根因分析定位到關鍵的維度組合,但涉及到最終的代碼問題排查,還是離不開日誌。當日誌的數據量很大時,一次次的手動過濾太過耗時,我們希望可以通過智能聚類的方式,把相似的日誌聚類到一起,最終可以通過聚類後的日誌快速掌握系統的運行狀態。
案例1:混合雲PAAS平臺日誌管理
用戶最終選擇使用阿里雲Kubernetes日誌平臺的方案,使用Logtail的方案解決採集可靠性問題,通過公網、專線、全球加速的配合解決網路問題,由系統管理員使用DaemonSet統一採集所有系統組件級別的日誌,應用方只需使用CRD採集自己的業務日誌。對於平臺側,系統管理員可以訪問所有系統級別日誌,並進行統一的監控和告警;對於應用側,應用方不僅可以查到自己的業務日誌,還能訪問到和業務相關的中間件、Ingress、系統組件日誌,進行全鏈路的分析。
案例2:二次開發日誌管理平臺
這些需求可以基於我們提供的OpenAPI以及各語言的SDK快速的實現,同時為了減少前端的工作量,平臺還提供Iframe嵌入的功能,支持直接將部分界面(例如查詢框、Dashboard)直接嵌入到業務部門自己的系統中。
本文作者:元乙
原文鏈接
更多技術乾貨敬請關注云棲社區知乎機構號:阿里云云棲社區 - 知乎
本文為雲棲社區原創內容,未經允許不得轉載。