這篇文章介紹了如何利用Apache Flink的內置指標系統以及如何使用Prometheus來高效地監控流式應用程序。

為什么選擇Prometheus？

隨著深入地了解Prometheus，你會發現一些非常好的功能：

• 服務發現使配置更加容易。Prometheus支持consul，etcd，kubernetes以及各家公有云廠商自動發現。對于監控目標動態發現，這點特別契合Cloud時代，應用動態擴縮的特點。我們無法想象，在Cloud時代，需要運維不斷更改配置。
• 開源社區建立了數百個exporter。基本上涵蓋了所有基礎設施和主流中間件。
• 工具庫可從您的應用程序獲取自定義指標。基本上主流開發語言都有對應的工具庫。
• 它是CNCF旗下的OSS，是繼Kubernetes之后的第二個畢業項目。Kubernetes已經與Promethues深度結合，并在其所有服務中公開了Prometheus指標。
• Pushgateway，Alermanager等組件，基本上涵蓋了一個完整的監控生命周期。
• Flink官方已經提供了對接Prometheus的jar包，很方便就可以集成。由于本系列文章重點在Flink on Kubernetes， 因此我們所有的操作都是基于這點展開。

部署Prometheus

對k8s不熟悉的同學，可以查閱k8s相關文檔。由于部署不是本博客的重點，所以我們直接貼出yaml文件：

---
    apiVersion: v1
    kind: ServiceAccount
    metadata:
      name: monitor
      namespace: kube-system
      labels:
        kubernetes.io/cluster-service: "true"
        addonmanager.kubernetes.io/mode: Reconcile
---
    apiVersion: rbac.authorization.k8s.io/v1
    kind: ClusterRole
    metadata:
      name: monitor
      labels:
        kubernetes.io/cluster-service: "true"
        addonmanager.kubernetes.io/mode: Reconcile 
    rules:
      - apiGroups:
          - ""
        resources:
          - pods
        verbs:
          - get
          - list
          - watch
---
    apiVersion: rbac.authorization.k8s.io/v1
    kind: ClusterRoleBinding
    metadata:
      name: monitor
      labels:
        kubernetes.io/cluster-service: "true"
        addonmanager.kubernetes.io/mode: Reconcile
    roleRef:
      apiGroup: rbac.authorization.k8s.io
      kind: ClusterRole
      name: monitor
    subjects:
    - kind: ServiceAccount
      name: monitor
      namespace: kube-system
---
        apiVersion: v1
        kind: ConfigMap
        metadata:
          labels:
            app: monitor
          name: monitor
          namespace: kube-system
        data:
          prometheus.yml: |-
            global:
                scrape_interval:     10s
                evaluation_interval: 10s
              
            scrape_configs:
              - job_name: kubernetes-pods
                kubernetes_sd_configs:
                - role: pod
                relabel_configs:
                - action: keep
                  regex: true
                  source_labels:
                  - __meta_kubernetes_pod_annotation_prometheus_io_scrape
                - action: replace
                  regex: (.+)
                  source_labels:
                  - __meta_kubernetes_pod_annotation_prometheus_io_path
                  target_label: __metrics_path__
                - action: replace
                  regex: ([^:]+)(?::d+)?;(d+)
                  replacement: $1:$2
                  source_labels:
                  - __address__
                  - __meta_kubernetes_pod_annotation_prometheus_io_port
                  target_label: __address__
                - action: labelmap
                  regex: __meta_kubernetes_pod_label_(.+)
                - action: replace
                  source_labels:
                  - __meta_kubernetes_namespace
                  target_label: kubernetes_namespace
                - action: replace
                  source_labels:
                  - __meta_kubernetes_pod_name
                  target_label: kubernetes_pod_name
        
---
        apiVersion: apps/v1
        kind: StatefulSet
        metadata:
          labels:
            app: monitor
          name: monitor
          namespace: kube-system
        spec:
          serviceName: monitor
          selector:
            matchLabels:
              app: monitor
          replicas: 1
          template:
            metadata:
              labels:
                app: monitor
            spec:
              containers:
              - args:
                - --config.file=/etc/prometheus/prometheus.yml
                - --storage.tsdb.path=/data/prometheus
                - --storage.tsdb.retention.time=10d 
                image: prom/prometheus:v2.19.0
                imagePullPolicy: IfNotPresent
                name: prometheus
                ports:
                - containerPort: 9090
                  protocol: TCP
                readinessProbe:
                  httpGet:
                    path: /-/ready
                    port: 9090
                  initialDelaySeconds: 30
                  timeoutSeconds: 30
                livenessProbe:
                  httpGet:
                    path: /-/healthy
                    port: 9090
                  initialDelaySeconds: 30
                  timeoutSeconds: 30
                resources:
                  limits:
                    cpu: 1000m
                    memory: 2018Mi
                  requests:
                    cpu: 1000m
                    memory: 2018Mi
                volumeMounts:
                - mountPath: /etc/prometheus
                  name: config-volume
                - mountPath: /data
                  name: monitor-persistent-storage
              restartPolicy: Always
              priorityClassName: system-cluster-critical
              serviceAccountName: monitor
              initContainers:
                - name: "init-chown-data"
                  image: "busybox:latest"
                  imagePullPolicy: "IfNotPresent"
                  command: ["chown", "-R", "65534:65534", "/data"]
                  volumeMounts:
                    - name: monitor-persistent-storage
                      mountPath: /data
                      subPath: ""
              volumes:
              - configMap:
                  defaultMode: 420
                  name: monitor
                name: config-volume
          volumeClaimTemplates:
            - metadata:
                name: monitor-persistent-storage
                namespace: kube-system
              spec:
                accessModes:
                  - ReadWriteOnce
                resources:
                  requests:
                    storage: 20Gi
                storageClassName: gp2

---
        apiVersion: v1
        kind: Service
        metadata:
          annotations:
            service.beta.kubernetes.io/aws-load-balancer-type: nlb
          labels:
            app: monitor
          name: monitor
          namespace: kube-system
        spec:
          ports:
          - name: http
            port: 9090
            protocol: TCP
            targetPort: 9090
          selector:
            app: monitor
          type: LoadBalancer

這里我們簡單說下，由于我們想利用Prometheus的Kubernetes的服務發現的方式，所以需要RBAC授權，授權prometheus 實例對集群中的pod有一些讀取權限。

為什么我們要使用自動發現的方式那？

相比配置文件的方式，自動發現更加靈活。尤其是當你使用的是flink on native kubernetes，整個job manager 和task manager 是根據作業的提交自動創建的，這種動態性，顯然是配置文件無法滿足的。

由于我們的集群在eks上，所以大家在使用其他云的時候，需要略做調整。

定制鏡像

這里我們基本上使用上一篇文章介紹的demo上，增加監控相關，所以Dockerfile如下：

FROM flink
COPY /plugins/metrics-prometheus/flink-metrics-prometheus-1.11.0.jar /opt/flink/lib
RUN mkdir -p $FLINK_HOME/usrlib
COPY ./examples/streaming/WordCount.jar $FLINK_HOME/usrlib/my-flink-job.jar

Flink 的 Classpath 位于/opt/flink/lib，所以插件的jar包需要放到該目錄下。

作業提交

由于我們的Pod必須增加一定的標識，從而讓Prometheus實例可以發現。所以提交命令稍作更改，如下：

./bin/flink run-application -p 8 -t kubernetes-application 
  -Dkubernetes.cluster-id=my-first-cluster 
  -Dtaskmanager.memory.process.size=2048m 
  -Dkubernetes.taskmanager.cpu=2 
  -Dtaskmanager.numberOfTaskSlots=4 
  -Dkubernetes.container.image=iyacontrol/flink-world-count:v0.0.2 
  -Dkubernetes.container.image.pull-policy=Always 
  -Dkubernetes.namespace=stream 
  -Dkubernetes.jobmanager.service-account=flink 
  -Dkubernetes.rest-service.exposed.type=LoadBalancer 
  -Dkubernetes.rest-service.annotations=service.beta.kubernetes.io/aws-load-balancer-type:nlb,service.beta.kubernetes.io/aws-load-balancer-internal:true 
  -Dkubernetes.jobmanager.annotations=prometheus.io/scrape:true,prometheus.io/port:9249 
  -Dkubernetes.taskmanager.annotations=prometheus.io/scrape:true,prometheus.io/port:9249 
  -Dmetrics.reporters=prom 
  -Dmetrics.reporter.prom.class=org.apache.flink.metrics.prometheus.PrometheusReporter 
  local:///opt/flink/usrlib/my-flink-job.jar

• 給 jobmanager 和 taskmanager 增加了annotations
• 增加了metrcis相關的配置，指定使用prometheus reporter

關于prometheus reporter：

參數：

• port - 可選, Prometheus導出器監聽的端口，默認為9249。為了能夠在一臺主機上運行報告程序的多個實例（例如，當一個TaskManager與JobManager并置時），建議使用這樣的端口范圍 9250-9260。
• filterLabelValueCharacters - 可選, 指定是否過濾標簽值字符。如果啟用，則將刪除所有不匹配[a-zA-Z0-9：_]的字符，否則將不刪除任何字符。禁用此選項之前，請確保您的標簽值符合Prometheus要求。

效果

提交任務后，我們看下實際效果。

首先查看Prometheus 是否發現了我們的Pod。

然后查看具體的metrics，是否被準確抓取。

指標已經收集，后續大家就可以選擇grafana繪圖了。或是增加相應的報警規則。例如：

總結

當然除了Prometheus主動發現Pod，然后定期抓取metrcis的方式，flink 也支持向PushGateway 主動push metrcis。

Flink 通過 Reporter 來向外部系統提供metrcis。通過在conf/flink-conf.yaml中配置一個或多個Reporter ，可以將metrcis公開給外部系統。這些Reporter在啟動時將在每個作業和任務管理器上實例化。

所有Reporter都必須至少具有class或factory.class屬性。可以/應該使用哪個屬性取決于Reporter的實現。有關更多信息，請參見各個Reporter 配置部分。一些Reporter允許指定報告間隔。

指定多個Reporter 的示例配置：

metrics.reporters: my_jmx_reporter,my_other_reporter

metrics.reporter.my_jmx_reporter.factory.class: org.apache.flink.metrics.jmx.JMXReporterFactory
metrics.reporter.my_jmx_reporter.port: 9020-9040
metrics.reporter.my_jmx_reporter.scope.variables.excludes:job_id;task_attempt_num

metrics.reporter.my_other_reporter.class: org.apache.flink.metrics.graphite.GraphiteReporter
metrics.reporter.my_other_reporter.host: 192.168.1.1
metrics.reporter.my_other_reporter.port: 10000

啟動Flink時，必須可以訪問包含reporter的jar。支持factory.class屬性的reporter可以作為插件加載。否則，必須將jar放在/lib文件夾中。

你可以通過實現org.apache.flink.metrics.reporter.MetricReporter接口來編寫自己的Reporter。

如果 reporter定期發送報告，則還必須實現Scheduled接口。通過額外實現MetricReporterFactory，你的reporter也可以作為插件加載。

好啦！今天的分享到這里就結束了，希望大家持續關注馬哥教育官網，每天都會有大量 優質內容與大家分享！聲明：文章轉載于網絡，版權歸原作者所有，如有侵權請及時聯系刪除！