java kubernetes client 获取 集群 metrics信息
K8S client 获取资源利用率和 metrics 信息
获取与展示 POD 级甚至 Container 级的资源利用率是很常见的发布系统需求，然而网上并没有什么资料告诉大家怎么做，本文将告诉大家原理以及 java 代码实践。
命令行获取
其实 kubectl 是可以获取到 node、pod、container 三个级别的资源利用率情况的，只不过大家可能不了解。
[root@10-42-74-90 ~]# kubectl top nodes
NAME CPU(cores) CPU% MEMORY(bytes) MEMORY%
10.42.187.205 1691m 5% 14876Mi 24%
10.42.37.63 513m 6% 12994Mi 92%
10.42.8.102 231m 2% 8124Mi 57%
利用 top 获取了节点级别的资源利用率。
[root@10-42-74-90 ~]# kubectl top pods redis-master-fsx46
NAME CPU(cores) MEMORY(bytes)
redis-master-fsx46 1m 14Mi
获取 default 命名空间下，redis-master-fsx46 这个 POD 的资源利用率。
[root@10-42-74-90 ~]# kubectl top pods redis-master-fsx46 --containers
POD NAME CPU(cores) MEMORY(bytes)
redis-master-fsx46 master 1m 14Mi
甚至打印出具体每个 container 的资源利用情况（这个 POD 只有 1 个 container 叫做 master）。
[root@10-42-74-90 ~]# kubectl top pods -l name=redis-master
NAME CPU(cores) MEMORY(bytes)
redis-master-fsx46 2m 14Mi
还能按标签筛选 pods。
原理说明
其实目前新版的 K8S 在监控这块的架构已经非常明确了，只不过国内很少有文章解释这一块，其官方架构说明见：https://github.com/kubernetes/community/blob/master/contributors/design-proposals/instrumentation/monitoring_architecture.md。其架构分位 2 个部分：
内置于 K8S 的核心指标采集，安装 K8S 就自带了（下图黑色部分）。
第三方的监控采集方案，需要大家自己选型，比如 prometheus 等（下图蓝色部分）。
像 kubectl top 获取的 cpu/mem 使用情况，就属于 K8S 内置的核心指标采集而来，完全不需要第三方的支持。
大家可能听过下面几个监控相关的东西：
cadvisor
kube-state-metrics
metrics-server
heapster
prometheus
不知道到底它们是什么关系，到底要用哪个。我简单给它们分分类，帮助大家清楚它们的定位：
非 K8S 内置（第三方）：
cadvisor：每个 node 部署 1 个，独立程序，用于采集 dockerd 容器信息，暴露 prometheus 格式接口供采集。
kube-state-metrics：集群级，监听 K8S 资源变化，暴露 prometheus 格式接口供采集。
prometheus：采集器，其数据源可以是 cadvisor/kube-state-metrics 或者 k8s 内置的数据源。
K8S 内置（官方方案）：
kubelet：每个 node 部署 1 个，其内置了部分 cadvisor 功能，因此它也知道所有容器监控信息，也对外提供 prometheus 格式的采集接口。
metrics-server：集群级，它采集 kubelet 最新资源利用率数据到内存，不保存历史，并且通过 API Server 开放对外 Restful 资源接口获取 JSON 格式的实时 metrics 数据，可以按 node/pod/container 级别查看资源利用率信息。
heapster：其实就是 metrics-server 的前身，作用基本类似，不过已经被 metrics-server 彻底取代，其官网有如下说明，也就是说基本的 CPU/memory 监控已经被 metrics-server 取代：
RETIRED: Heapster is now retired. See the deprecation timeline for more information on support. We will not be making changes to Heapster.
The following are potential migration paths for Heapster functionality:
For basic CPU/memory HPA metrics: Use metrics-server.
如果大家理解上述内容的话就会知道，我们只需要确保 metrics-server 运行在 K8S 集群中，那么就可以通过 API server 得到所有资源利用率情况，这也是 kubectl top 的工作原理。
与 metrics-server 通讯
那么当前，metrics-server 在 API SERVER 注册的 GROUP 叫做 metrics.k8s.io，VERSION 是 v1beta1，所以其对应的 Restful 资源 URI 就是以：/apis/metrics.k8s.io/v1beta1/为前缀的。
metrics-server 官方已经说明了其资源 URI 的几种形式：https://github.com/kubernetes/community/blob/master/contributors/design-proposals/instrumentation/resource-metrics-api.md。
The list of supported endpoints:
/nodes – all node metrics; type []NodeMetrics
/nodes/{node} – metrics for a specified node; type NodeMetrics
/namespaces/{namespace}/pods – all pod metrics within namespace with support for all-namespaces; type []PodMetrics
/namespaces/{namespace}/pods/{pod} – metrics for a specified pod; type PodMetrics
The following query parameters are supported:
labelSelector – restrict the list of returned objects by labels (list endpoints only)
所以，为了获取某个 namespace 下面的 pods 的资源利用率，我们可以有 2 种方式：
按标签筛选：/apis/metrics.k8s.io/v1beta1/namespaces/{namespace}/pods?labelSelector=xxxx
按 pod 名字获取：/apis/metrics.k8s.io/v1beta1/namespaces/{namespace}/pods/{pod}
下面先教大家如何在命令行下按 HTTP 调用 URL 的获取资源信息。首先启动一个 proxy，它会帮我们解决和 API SERVER 之间的认证问题，我们只需要关注于接口参数即可：然后我们请求 localhost:8888 就可以免认证的调用到 API SERVER 了：会得到 nodes 级的资源利用率：
{
"kind": "NodeMetricsList",
"apiVersion": "metrics.k8s.io/v1beta1",
"metadata": {
"selfLink": "/apis/metrics.k8s.io/v1beta1/nodes"},
"items": [
{
"metadata": {
"name": "10.42.8.102",
"selfLink": "/apis/metrics.k8s.io/v1beta1/nodes/10.42.8.102",
"creationTimestamp": "2019-11-26T06:23:17Z"
},
"timestamp": "2019-11-26T06:22:21Z",
"window": "30s",
"usage": {
"cpu": "250264852n",
"memory": "8318172Ki"
}
},
{
"metadata": {
"name": "10.42.37.63",
"selfLink": "/apis/metrics.k8s.io/v1beta1/nodes/10.42.37.63",
"creationTimestamp": "2019-11-26T06:23:17Z"
},
"timestamp": "2019-11-26T06:22:27Z",
"window": "30s",
"usage": {
"cpu": "551516196n",
"memory": "13280692Ki"
}
},
{
"metadata": {
"name": "10.42.187.205",
"selfLink": "/apis/metrics.k8s.io/v1beta1/nodes/10.42.187.205",
"creationTimestamp": "2019-11-26T06:23:17Z"
},
"timestamp": "2019-11-26T06:22:20Z",
"window": "30s",
"usage": {
"cpu": "1630534153n",
"memory": "15209140Ki"
}
}]
}
[root@10-42-74-90 ~]# curl localhost:8888/apis/metrics.k8s.io/v1beta1/namespaces/default/pods/redis-master-fsx46
{
"kind": "PodMetrics",
"apiVersion": "metrics.k8s.io/v1beta1",
"metadata": {
"name": "redis-master-fsx46",
"namespace": "default",
"selfLink": "/apis/metrics.k8s.io/v1beta1/namespaces/default/pods/redis-master-fsx46",
"creationTimestamp": "2019-11-26T06:24:40Z"},
"timestamp": "2019-11-26T06:24:16Z",
"window": "30s",
"containers": [
{
"name": "master",
"usage": {
"cpu": "969654n",
"memory": "15012Ki"
}
}]
}
kubernetes 资源描述
是不是很简单？但是 cpu 里面为什么有个字母 n？memory 里面为什么有一个 Ki？到底是啥意思？
cpu
kubernetes 中，CPU 资源的限制和请求以 cpu 为单位， metric 中也以此为单位。
Kubernetes 中的一个 cpu 等于：
1 AWS vCPU
1 GCP Core
1 Azure vCore
1 Hyperthread 在带有超线程的裸机 Intel 处理器上
1 processor 在物理机上部署的 kubernetes，表示一个逻辑处理器
允许浮点数请求。具有 spec.containers[].resources.requests.cpu 为 0.5 的容器保证了一半 CPU 要求 1 CPU 的一半。表达式 0.1 等价于表达式 100m，可以看作 “100 millicpu”。同理，100m 等于100 * 1000n cpu， 即100000n cpu ，可读作 100000 纳 cpu，n是 cpu 的最小计量单位。
具有小数点（如 0.1）的请求由 API 转换为100m，精度不超过 1m。因此，可能会优先选择 100m 的形式。
内存
内存的限制和请求以字节为单位。您可以使用以下后缀之一作为平均整数或定点整数表示内存：E，P，T，G，M，K(非精确值)。您还可以使用两个字母的等效的幂数：Ei，Pi，Ti ，Gi，Mi，Ki（精确值）。例如，以下代表大致相同的值：
128974848, 129e6, 129M, 123Mi(12310241024)
kubernetes client 获取 metrics 信息
kubernetes 得 部署了 metrics 组件， 这样在使用kubectl get --raw "/openapi/v2" 可获取到 metrics api 的 openapi 说明。
可以通过 openapi-generator-cli，重新生成 kubernetes client 。
该工具的核心逻辑：
配置一系列的参数，使用./java.sh out settings运行生成 java 客户端， 其中out 是输出目录， settings 是脚本需要的环境变量配置文件。；
运行preprocess_spec.py 从 kubernetes 官方仓库获取 swagger api 文档，并将同目录的custom_objects_spec.json 文件合并到swagger.json文件中。
运行 swagger generate 生成对应的程序语言 client 文件。
生成后，只需要使用 maven/gradle 编译打包即可。
官方 kubenetes client 中缺少了 metrics 相关的 api， 我们可以在 custom_objects_spec.json 中添加上 metrics 相关的 api 描述信息，加入即可(api + Model 定义)。然后执行编译。
此过程中如果 Model 不全，可能会造成 编译 kubernetes client 时，出现如下类似的错误：
[ERROR] /Users/guangfuhe/Projects/java/wde/k8sclient/src/test/java/io/kubernetes/client/model/IoK8sApiCoreV1NodeStatusTest.java:[25,34] 找不到符号
符号: 类 IoK8sApiCoreV1NodeConfigStatus
位置: 程序包 io.kubernetes.client.model
上面的缺失类是 Model 中缺少了定义造成的，可以在自己的集群 openapi 文档中查找 Model。
依据集群的 openapi 文档，自动生成 kubernetes client 的方法和详细步骤如下：
获取集群的 openapi 文档，kubectl get --raw "/openapi/v2"> k8s-client-swagger.json
在 kubernetes-client/gen 项目中openapi/custom_objects_spec.json ， 插入自定义的 api 接口描述和 model 描述信息，此时需要注意 custom_objects_spec.json 文件的json 格式。
kubernetes-client/gen 项目，会在preprocess_spec.py 中将openapi/custom_objects_spec.json自动合并到 kubernetes 官方 openapi 文档中。
运行 kubernetes-client/gen 需要setting文件，详情看“我的 settings 文件配置“。
运行。在 kubernetes-client/gen 中的openapi/目录下，运行sh java.sh out settings。自动生成的 kubernetes client 会放在out 目录下。此过程会生成 docker 镜像，并使用 docker 镜像完成 api 生成。
编译还需要 io.kubernetes.fluent和 io.kubernetes.custom 两个 package， 可以通过原来的io.kubernetes:client-java:6.0.1中获取源代码， 然后从源代码提取 custom 和 fluent package。
由于处理 Model 比较繁琐，处理完上述问题后，还有 n 个 test Model， 由于不影响功能，我直接取消了 test 类的生成（生成后直接删除了，就不需要处理某些单元测试类找不到的问题）。
生成后，使用 maven 或者 gradle 编译，我使用的是 maven。mvn clean compile package -DskipTests
最终的目录结构如图：
我的kubernetes gen配置
KUBERNETES_BRANCH=master
CLIENT_VERSION=6.1.0
PACKAGE_NAME=io.kubernetes.client
生成 k8s 本地集群的 api 文档描述文件（openapi），kubectl get --raw "/openapi/v2"> k8s-client-swagger.json
[custom_objects_spec.json (114KB)]
可能出现的问题
编译过程可能缺少依赖
<groupid>io.sundr</groupid>
<artifactid>builder-annotations</artifactid>
<version>0.2.1</version>
<exclusions>
<exclusion>
<groupid>com.sun</groupid>
<artifactid>tools</artifactid>
</exclusion>
</exclusions>
但是 builder-annotations 强依赖com.sun.tools.jar, 对于高版本的 jdk 来说，可以直接 exclude 掉。
java doc 问题
可能会出现类似如下的错误， 该错误是生成 java doc 时，提示的。可能是我用的 jdk 比较新：
[ERROR] /Users/guangfuhe/Projects/java/wde/k8sclient/src/main/java/io/kubernetes/client/apis/AdmissionregistrationV1beta1Api.java:1323: 错误: 属性在 HTML5 中不受支持: summary
[ERROR]
单个 java 文件过大导致类存在却飘红
java 单个文件过大，导致 idea code insight 特效无法生效，可以直接清理自动生成的注释信息（使用 IDEA 替换功能，快速清理），清理的信息如下：
</table><table summary="Response Details" border="1">
<tbody><tr><td> Status Code </td><td> Description </td><td> Response Headers </td></tr>
<tr><td> 200 </td><td> OK </td><td> - </td></tr>
<tr><td> 401 </td><td> Unauthorized </td><td> - </td></tr>
</tbody></table>将CoreV1Api.java中的上述信息清理后即可。
使用 custom kubernetes java client
pom.xml 配置，需要引入之前生成的客户端：
<groupid>cn.ac.ict.wde</groupid>
<artifactid>k8sclient</artifactid>
<version>0.0.1-SNAPSHOT</version>
获取 node metrics 信息
核心代码如下：
// 初始化时，根据配置的kube config 文件路径， 获取api client
public void init() {
try (InputStreamReader in = new InputStreamReader(new ClassPathResource(config.getKubeconfigFilePath()).getInputStream())) {
KubeConfig kubeconfig = KubeConfig.loadKubeConfig(in);
this.apiClient = ClientBuilder.kubeconfig(kubeconfig).build();
} catch (IOException e) {
log.error("create kubernetes api client error! {}", e);
}}
// 打印node metrics信息
public void printNodeMetrics() throws ApiException {
checkApiClient();
MetricsV1beta1Api metricsV1beta1Api = new MetricsV1beta1Api(this.apiClient);
V1beta1NodeMetricsList nodeMetricsList = metricsV1beta1Api.listNodeMetrics(null, null, null, 100, null, null, 3000, false);
if (nodeMetricsList != null) {
for (V1beta1NodeMetrics nodeMetrics : nodeMetricsList.getItems()) {
log.debug("node {}: {}", nodeMetrics.getMetadata().getName(), nodeMetrics.getUsage());
}
}}
// 打印 namespce 中pod 里面的 每个 container metrics 信息
public void printNamespacePodMetrics(String namespace) throws ApiException {
checkApiClient();
MetricsV1beta1Api metricsV1beta1Api = new MetricsV1beta1Api(this.apiClient);
V1beta1PodMetricsList nodeMetricsList = metricsV1beta1Api.listNamespacedPodMetrics(namespace, null, null, null, 100, null, null, 3000, false);
if (nodeMetricsList != null) {
for (V1beta1PodMetrics podMetrics : nodeMetricsList.getItems()) {
for (V1beta1ContainerMetrics containerMetrics : podMetrics.getContainers()) {
log.debug("container {}: {}", containerMetrics.getName(), containerMetrics.getUsage());
}
}
}}
NodeMetrics 输出信息如下：
16:35:44.911 [main] DEBUG cn.ac.ict.wde.service.KubernetesService - node *15: {cpu=Quantity{number=0.828512394, format=DECIMAL_SI}, memory=Quantity{number=108825636864, format=BINARY_SI}}
16:35:44.915 [main] DEBUG cn.ac.ict.wde.service.KubernetesService - node *17: {cpu=Quantity{number=0.328837919, format=DECIMAL_SI}, memory=Quantity{number=25566048256, format=BINARY_SI}}
ContainerMetrics 信息如下：
16:44:28.536 [main] DEBUG cn.ac.ict.wde.service.KubernetesService - container prometheus-demo-app: {cpu=Quantity{number=0.000912205, format=DECIMAL_SI}, memory=Quantity{number=42446848, format=BINARY_SI}}
16:44:28.543 [main] DEBUG cn.ac.ict.wde.service.KubernetesService - container hello: {cpu=Quantity{number=0.000107881, format=DECIMAL_SI}, memory=Quantity{number=21565440, format=BINARY_SI}}
后续
如果您不想这么麻烦，可以直接使用我编译好的 k8s 库，github 地址：https://github.com/hgfkeep/k8s-java-client
win.hgfdodo
k8sclient
0.1.0
其中：
tested kubernetes version:
Server Version: v1.13.2
Client Version: v1.15.5
jdk: 1.8 及以上版本
原文地址https://my.oschina.net/hgfdoing/blog/3209372
