Coder Social home page Coder Social logo

observability-kubernetes's Introduction

Observabilidade Kubernetes

Este repositório trata-se de um tutorial de como configurar a observabilidade de um cluster Kubernetes utilizando um cojunto de ferramentas conhecido como Elastic Stack.

🚀 Tecnologias

Minikube Kubernetes Elasticsearch Kibana Metricbeat

Passo 1: Instalar o minikube

Quem já tentou conhecer o Kubernetes instalando na máquina local sabe que o processo é complexo e oneroso. Para resolver este problema surgiu o minikube, a versão de desenvolvimento do Kubernetes, criada para realizar testes e conhecer a tecnologia antes de implantar em produção.

A instalação do minikube pode mudar de acordo com o sistema operacional, desta forma, é recomendado seguir os passos descritos na documentação oficial.

Execução padrão

Após a instalação, podemos iniciar o minikube com o seguinte comando:

# este comando irá iniciar o minikube com a configuração padrão
minikube start

Execução customizada

Caso queira iniciar o minikube especificando as configurações de hardware, podemos utilizar o seguinte comando:

# ajustar o número de cpus e espaço de memória conforme capacidade da sua máquina
minikube start --cpus 2 --memory 6000

Dashboard

O minikube também fornece uma página web para visualização de dados:

# Uma nova aba sera aberta no seu navegador
minikube dashboard

A saída do console deverá ser parecido com:

Command Minikube Dashboard

Até a data de publicação deste documento a página possui o seguinte layout:

Minikube Dashboard

Resetar minikube

Se por algum motivo você sinta a necessidade de limpar o minikube e começar do zero, você pode executar o seguinte comando:

minikube delete --all --purge

A flag -all deleta todos os perfis, enquanto a flag --purge deleta a pasta .minikube do seu diretório pessoal.

Passo 2: Instalar o Elasticsearch

Para este exemplo o Elasticsearch será utilizado para armazenar as métricas de infra-estrutura (host, kubernetes, etc).

kubectl create -f elasticsearch-kubernetes.yaml # o arquivo esta na pasta raiz deste repositório

Observação: ignorar esta etapa caso possua o elasticsearch disponível em cloud.

Passo 3: Instalar o Kibana

O Kibana será utilizado para consumir métricas do Elasticsearch e exibi-las em um painel com diversos formatos de visualização.

kubectl create -f kibana-kubernetes.yaml # o arquivo esta na pasta raiz deste repositório

Observação: ignorar esta etapa caso possua o kibana disponível em cloud.

Passo 4: Instalar o kube-state-metrics

O kube-state-metrics é um serviço que escuta o servidor da API Kubernetes e gera métricas sobre o estado dos objetos (nós e pods, por exemplo).

kubectl apply -f https://raw.githubusercontent.com/gjeanmart/kauri-content/master/spring-boot-simple/k8s/kube-state-metrics.yml

Passo 5: Instalar o metricbeat

O metricbeat é um coletor de métricas capaz de monitorar diversos serviços, tais como Kubernetes, Kafka, RabbitMQ, Docker, Nginx, MongoDB, Tomcat, dentre muitos outros.

Para instalação é necessário editar o arquivo metricbeat-kubernetes.yaml localizado na raiz deste repositório ou efetuar o download do arquivo original:

curl -L -O https://raw.githubusercontent.com/elastic/beats/7.10/deploy/kubernetes/metricbeat-kubernetes.yaml

Editar o YAML

Elasticsearch local

Caso esteja utilizando o elasticsearch em sua máquina local, substitua a variável de ambiente ELASTICSEARCH_HOST por localhost. Caso esteja rodando no minikube, substitua pelo endereço IP do cluster:

# exibe o endereço IP do cluster
minikube ip

Substituir a variável de ambiente ELASTICSEARCH_PORT. Caso o elasticsearch esteja executando dentro do minikube/kubernetes, podemos descobrir utilizando o seguinte comando:

kubectl get services -o wide
#### A SAÍDA SERÁ SEMELHANTE A ESSA:
# elasticsearch   NodePort    10.96.53.63     <none>        9200:31178/TCP   56m   component=elasticsearch
### OBSERVAÇÃO: A PORTA NESTE CASO É 31178

Elasticsearch em nuvem

Para casos onde o elasticsearch esteja em uma cloud, é necessário editar duas variável de ambiente:

  • Substituir ELASTIC_CLOUD_ID pelo valor disponibilizado em sua cloud.
  • Substituir ELASTIC_CLOUD_AUTH pelo valor disponibilizado em sua cloud.

Realizar o deploy

kubectl create -f metricbeat-kubernetes.yaml

Passo 6: Habilitar dashboards

Seguindo os passos anteriores as métricas provavelmente devem estar sendo capturadas. No entanto, é necessário solicitar ao metricbeat a criação dos templates no Kibana para evitar uma configuração manual. Tal ação pode ser executada através dos seguintes comandos:

# 1: listar os pods do namespace kube-system
kubectl get pods -n kube-system

# 2: procurar pelo pod do metricbeat, normalmente tem o seguinte padrão: metricbeat-{sufixo}

# 3: conectar-se ao terminal do pod
kubectl exec -it ${pod_name} -n kube-system -- sh

# 4: executar o comando abaixo substituindo as variáveis:
# ${ELASTICSEARCH_IP} ${ELASTICSEARCH_PORT}, 
# ${KIBANA_IP} ${KIBANA_PORT}
metricbeat setup -e \
  -E output.logstash.enabled=false \
  -E output.elasticsearch.hosts=['${ELASTICSEARCH_IP}:${ELASTICSEARCH_PORT}'] \
  -E output.elasticsearch.username=elastic \
  -E output.elasticsearch.password=chageme \
  -E setup.kibana.host=${KIBANA_IP}:${KIBANA_PORT}

Passo 7: Acessar o Kibana

Os dashboards do Kibana estão disponíveis através do seguinte endpoint:

http://${KIBANA_IP}:${KIBANA_PORT}/app/dashboards#/

Após acessar o endereço, estará disponível uma lista de templates. Podemos pesquisar por Kubernetes conforme o exemplo a seguir.

Kubernetes Dashboards

Selecionando a opção [Metricbeat Kubernetes] Overview ECS temos a seguinte visualização:

Kubernetes Overview

Pronto, agora você tem acesso a diversas métricas para monitorar o seu cluster :)

Recommend Projects

  • React photo React

    A declarative, efficient, and flexible JavaScript library for building user interfaces.

  • Vue.js photo Vue.js

    🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.

  • Typescript photo Typescript

    TypeScript is a superset of JavaScript that compiles to clean JavaScript output.

  • TensorFlow photo TensorFlow

    An Open Source Machine Learning Framework for Everyone

  • Django photo Django

    The Web framework for perfectionists with deadlines.

  • D3 photo D3

    Bring data to life with SVG, Canvas and HTML. 📊📈🎉

Recommend Topics

  • javascript

    JavaScript (JS) is a lightweight interpreted programming language with first-class functions.

  • web

    Some thing interesting about web. New door for the world.

  • server

    A server is a program made to process requests and deliver data to clients.

  • Machine learning

    Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.

  • Game

    Some thing interesting about game, make everyone happy.

Recommend Org

  • Facebook photo Facebook

    We are working to build community through open source technology. NB: members must have two-factor auth.

  • Microsoft photo Microsoft

    Open source projects and samples from Microsoft.

  • Google photo Google

    Google ❤️ Open Source for everyone.

  • D3 photo D3

    Data-Driven Documents codes.