這篇文章我們將學習在 vscode 上的 ssh remote 外掛基礎上，嘗試 debug 和學習 KubeSphere 後端模組架構。
前提
- 安裝好 vscode 以及 ssh remote container 外掛；
- 在遠端主機上安裝好 kubenertes 容器 " 作業系統 " 和 KubeSphere >= v3.1.0 雲“控制皮膚”；
- 安裝 go >=1.16;
- 在 KubeSphere 上安裝了需要 debug 的 ks 元件，如 devops、kubeedge 或者 whatever, 如果是預設啟用的元件，像 monitoring，不需要去啟用。
配置 launch 檔案
$ cat .vscode/launch.json
{
// 使用 IntelliSense 瞭解相關屬性。
// 懸停以檢視現有屬性的描述。
// 欲瞭解更多資訊，請訪問: https://go.microsoft.com/fwlink/?linkid=830387
"version": "0.2.0",
"configurations": [
{
"name": "ks-apiserver",
"type": "go",
"request": "launch",
"mode": "auto",
"program": "${workspaceFolder}/cmd/ks-apiserver/apiserver.go"
}
]
}ks-apiserver 除錯依賴檔案
在相對路徑 cmd/ks-apiserver/ 下配置 kubesphere.yaml。
首先，檢視叢集之中的 cm 配置檔案 :
$ kubectl -n kubesphere-system get cm kubesphere-config -oyaml因為上述 configmap 中差少 kubeconfig 相關配置，所以需要將上述 yaml 檔案拷貝出來整合以下。
為啥要用新增 kubeconfig 檔案？
主要是因為 k8s 在建立 client 時需要這麼一個檔案 , 而容器中會用到 inclusterconfig 就不需要新增了。
感興趣可以看下 client-go 的例子：
所以完整的配置啟動檔案如下：
$ cat ./cmd/ks-apiserver/kubesphere.yaml
kubernetes:
kubeconfig: "/root/.kube/config"
master: https://192.168.88.6:6443
$qps: 1e+06
burst: 1000000
authentication:
authenticateRateLimiterMaxTries: 10
authenticateRateLimiterDuration: 10m0s
loginHistoryRetentionPeriod: 168h
maximumClockSkew: 10s
multipleLogin: True
kubectlImage: kubesphere/kubectl:v1.20.0
jwtSecret: "Xtc8ZWUf9f3cJN89bglrTJhfUPMZR87d"
oauthOptions:
clients:
- name: kubesphere
secret: kubesphere
redirectURIs:
- '*'
network:
ippoolType: none
monitoring:
endpoint: http://prometheus-operated.kubesphere-monitoring-system.svc:9090
enableGPUMonitoring: false
gpu:
kinds:
- resourceName: nvidia.com/gpu
resourceType: GPU
default: True
notification:
endpoint: http://notification-manager-svc.kubesphere-monitoring-system.svc:19093
kubeedge:
endpoint: http://edge-watcher.kubeedge.svc/api/
gateway:
watchesPath: /var/helm-charts/watches.yaml
namespace: kubesphere-controls-system除了 kubernetes, 第一層的 key 表示我們叢集中已經按照或者預設啟用的 ks 元件，現在就可以通過 F5 來啟動 debug 了。
在 debug 之前，你可能會問，這個配置檔案為啥要放在 /cmd/ks-apiserver/kubesphere.yaml?
我們先來探索一波 ks-apiserver 的執行邏輯。
啟動 ks-apiserver
檢視 cmd/ks-apiserver/app/server.go 的邏輯 :
// Load configuration from file
conf, err := apiserverconfig.TryLoadFromDisk()TryLoadFromDisk 的邏輯如下：
viper.SetConfigName(defaultConfigurationName) // kubesphere
viper.AddConfigPath(defaultConfigurationPath) // /etc/kubesphere
// Load from current working directory, only used for debugging
viper.AddConfigPath(".")
// Load from Environment variables
viper.SetEnvPrefix("kubesphere")
viper.AutomaticEnv()
viper.SetEnvKeyReplacer(strings.NewReplacer(".", "_"))
// 上面一頓配置之後，單步除錯，ReadInConfig這一步讀取的檔案路徑是
// v.configPaths：["/etc/kubesphere","/root/go/src/kubesphere.io/kubesphere/cmd/ks-apiserver"]
if err := viper.ReadInConfig(); err != nil {
if _, ok := err.(viper.ConfigFileNotFoundError); ok {
return nil, err
} else {
return nil, fmt.Errorf("error parsing configuration file %s", err)
}
}
conf := New() // 初始化各元件配置
// 從讀取的實際路徑配置檔案來反序列化到conf這個struct
if err := viper.Unmarshal(conf); err != nil {
return nil, err
}
return conf, n上面的註釋，解釋了需要在指定路徑下新增 kubesphere.yaml 啟動 ks-apiserver 命令列。
我們接著往下擼，這裡使用 cobra.Command 這個 package 來做命令列的整合：
func Run(s *options.ServerRunOptions, ctx context.Context) error {
// NewAPIServer 通過給定的配置啟動apiserver例項，繫結例項化的各元件的client
// 這一步還通過AddToScheme來註冊一些自定義的GVK到k8s，最終暴露為apis API
// 藉助rest.Config和scheme 初始化runtimecache和runtimeClient
apiserver, err := s.NewAPIServer(ctx.Done())
if err != nil {
return err
}
// PrepareRun 主要是使用resful-go整合kapis API
// 上一步繫結了各元件的client，這一步就可以呼叫各元件的client來訪問對應元件的server端了
// 猜猜4.0後端可插拔架構會是什麼樣子的？
err = apiserver.PrepareRun(ctx.Done())
if err != nil {
return nil
}
// 執行各種informers同步資源，並開始ks-apiserver監聽請求
return apiserver.Run(ctx)
}s.NewAPIServer(ctx.Done()) 主要是建立一個 apiserver 例項。建立 apiserver 例項這一步，還通過 scheme 註冊 ks 自定義的 GVK 到 k8s, 暴露為 apis 請求路徑的 API。
PrepareRun 主要是使用 resful-go 框架整合了各子模組代理請求或整合服務， 暴露為 kapis 請求路徑的 API 功能 。
apiserver.Run(ctx) 則是做了資源同步，並啟動 server 監聽。
下面分開闡述說明。
NewAPIServer
首先是繫結各種 client 和 informers:
// 呼叫各元件的NewForConfig方法整合clientset
kubernetesClient, err := k8s.NewKubernetesClient(s.KubernetesOptions)
if err != nil {
return nil, err
}
apiServer.KubernetesClient = kubernetesClient
informerFactory := informers.NewInformerFactories(kubernetesClient.Kubernetes(), kubernetesClient.KubeSphere(),kubernetesClient.Istio(), kubernetesClient.Snapshot(), kubernetesClient.ApiExtensions(), kubernetesClient.Prometheus())
apiServer.InformerFactory = informerFactory
...
// 根據kubesphere.yaml或者kubesphere-config configmap的配置來繫結ks元件的client
...初始化繫結完畢後 , 會啟動一個 server 來響應請求 , 所以這裡會做一個 addr 繫結 :
...
server := &http.Server{
Addr: fmt.Sprintf(":%d", s.GenericServerRunOptions.InsecurePort),
}
if s.GenericServerRunOptions.SecurePort != 0 {
certificate, err := tls.LoadX509KeyPair(s.GenericServerRunOptions.TlsCertFile, s.GenericServerRunOptions.TlsPrivateKey)
if err != nil {
return nil, err
}
server.TLSConfig = &tls.Config{
Certificates: []tls.Certificate{certificate},
}
server.Addr = fmt.Sprintf(":%d", s.GenericServerRunOptions.SecurePort)
}
sch := scheme.Scheme
if err := apis.AddToScheme(sch); err != nil {
klog.Fatalf("unable add APIs to scheme: %v", err)
}
...注意這一步 apis.AddToScheme(sch), 將我們定義的 GVK 註冊到 k8s 中。
順帶一提，GVK 指的是 Group,Version, Kind, 舉個例子：
{Group: "", Version: "v1", Resource: "namespaces"}
{Group: "", Version: "v1", Resource: "nodes"}
{Group: "", Version: "v1", Resource: "resourcequotas"}
...
{Group: "tenant.kubesphere.io", Version: "v1alpha1", Resource: "workspaces"}
{Group: "cluster.kubesphere.io", Version: "v1alpha1", Resource: "clusters"}
...Scheme 管理 GVK 和 Type 的關係 , 一個 GVK 只能對應一個 reflect.Type, 一個 reflect.Type 可能對應多個 GVK；此外，Scheme 還聚合了 converter 及 cloner, 用來轉換不同版本的結構體和獲取結構體值的拷貝；限於篇幅有限，感興趣的童鞋可以深入探索下。
迴歸正文，下面我們看下怎麼注入 scheme 的：
// AddToSchemes may be used to add all resources defined in the project to a Schemevar AddToSchemes runtime.SchemeBuilder
// AddToScheme adds all Resources to the Schemefunc
AddToScheme(s *runtime.Scheme) error { return AddToSchemes.AddToScheme(s)}而 AddToSchemes 這個型別的是[]func(*Scheme) error 的別名，只需要在 package apis 下的介面檔案中實現相應的 init() 方法來匯入實現的版本 API，就可以注入 Scheme 中。
舉個例子：
$ cat pkg/apis/addtoscheme_dashboard_v1alpha2.go
package apis
import monitoringdashboardv1alpha2 "kubesphere.io/monitoring-dashboard/api/v1alpha2"
func init() {
AddToSchemes = append(AddToSchemes, monitoringdashboardv1alpha2.SchemeBuilder.AddToScheme)
}也就是，我們開發的外掛整合的版本化資源，必須實現 xxx.SchemeBuilder.AddToScheme 功能，才能註冊到 scheme 中，最終暴露為 apis 訪問 API 服務。
至此，所有子模組對應的 client 已經與這個 apiserver 繫結。
PrepareRun
下面，我們探討下 PrepareRun 是怎麼註冊 kapis 以及繫結 handler 的。
主要是通過 restful-go 框架來實現的。
restful-go 框架使用 container 來 hold 住擁有特定 GVR 的 webservice, 一個 webserver 可以繫結多個 router，允許 container 或者 webserver 新增自定義攔截器，也就是呼叫 filter 方法。
func (s *APIServer) PrepareRun(stopCh <-chan struct{}) error {
// container來hold住擁有特定GVR的webservice
s.container = restful.NewContainer()
// 新增請求Request日誌攔截器
s.container.Filter(logRequestAndResponse)
s.container.Router(restful.CurlyRouter{})
// 發生Recover時，繫結一個日誌handler
s.container.RecoverHandler(func(panicReason interface{}, httpWriter http.ResponseWriter) {
logStackOnRecover(panicReason, httpWriter)
})
// 每個API組都構建一個webservice，然後根據路由規則來並繫結回撥函式
// 通過AddToContainer來完成繫結
s.installKubeSphereAPIs()
// 註冊metrics指標: ks_server_request_total、ks_server_request_duration_seconds
// 繫結metrics handler
s.installMetricsAPI()
// 為有效請求增加監控計數
s.container.Filter(monitorRequest)
for _, ws := range s.container.RegisteredWebServices() {
klog.V(2).Infof("%s", ws.RootPath())
}
s.Server.Handler = s.container
// 新增各個呼叫鏈的攔截器, 用於驗證和路由分發
s.buildHandlerChain(stopCh)
return nil
}上面主要使用 restful-go 框架給 s.Server.handler 繫結了一個 container, 新增了各種攔截器。
在 s.installKubeSphereAPIS() 這一步安裝 GVR 繫結了 kapis 代理，具體是這樣實現的：
// 呼叫各api組的AddToContainer方法來向container註冊kapi:
urlruntime.Must(monitoringv1alpha3.AddToContainer(s.container, s.KubernetesClient.Kubernetes(), s.MonitoringClient, s.MetricsClient, s.InformerFactory, s.KubernetesClient.KubeSphere(), s.Config.OpenPitrixOptions))
// 詳細來說，各個元件實現的AddToContainer方法
// 為帶有GroupVersion資訊的webserver新增route，不同路由路徑繫結不同的handler
ws := runtime.NewWebService(GroupVersion)
// 給子路由繫結回撥函式
ws.Route(ws.GET("/kubesphere").
To(h.handleKubeSphereMetricsQuery).
Doc("Get platform-level metric data.").
Metadata(restfulspec.KeyOpenAPITags, []string{constants.KubeSphereMetricsTag}).
Writes(model.Metrics{}).
Returns(http.StatusOK, respOK, model.Metrics{})).
Produces(restful.MIME_JSON)我們知道 apis 對應 k8s 的請求，而在 ks 中 kapis 對應子元件的代理請求，由 ks-apiserver 自身或者轉發目標元件 server 來提供響應，那麼 ks-apiserver 是怎麼區分這些請求的？
答案是通過 buildHandlerChain 來進行分發的。
buildHandlerChain
上面說到 buildHandlerChain 構建了各種服務的攔截器，按序排列如下。
handler = filters.WithKubeAPIServer(handler, s.KubernetesClient.Config(), &errorResponder{})
if s.Config.AuditingOptions.Enable {
handler = filters.WithAuditing(handler,
audit.NewAuditing(s.InformerFactory, s.Config.AuditingOptions, stopCh))
}
handler = filters.WithAuthorization(handler, authorizers)
if s.Config.MultiClusterOptions.Enable {
clusterDispatcher := dispatch.NewClusterDispatch(s.InformerFactory.KubeSphereSharedInformerFactory().Cluster().V1alpha1().Clusters())
handler = filters.WithMultipleClusterDispatcher(handler, clusterDispatcher)
}
handler = filters.WithAuthentication(handler, authn)
handler = filters.WithRequestInfo(handler, requestInfoResolver)WithRequestInfo 這個 filter 定義瞭如下邏輯：
info, err := resolver.NewRequestInfo(req)
---
func (r *RequestInfoFactory) NewRequestInfo(req *http.Request) (*RequestInfo, error) {
...
defer func() {
prefix := requestInfo.APIPrefix
if prefix == "" {
currentParts := splitPath(requestInfo.Path)
//Proxy discovery API
if len(currentParts) > 0 && len(currentParts) < 3 {
prefix = currentParts[0]
}
}
// 通過api路由路徑中的攜帶apis還是kapis就可以區分
if kubernetesAPIPrefixes.Has(prefix) {
requestInfo.IsKubernetesRequest = true
}
}()
...
// URL forms: /clusters/{cluster}/*
if currentParts[0] == "clusters" {
if len(currentParts) > 1 {
requestInfo.Cluster = currentParts[1]
}
if len(currentParts) > 2 {
currentParts = currentParts[2:]
}
}
...
}程式碼很多，我就不一一截圖了，大概意思可以從註釋看到：
// NewRequestInfo returns the information from the http request. If error is not nil, RequestInfo holds the information as best it is known before the failure
// It handles both resource and non-resource requests and fills in all the pertinent information for each.
// Valid Inputs:
//
// /apis/{api-group}/{version}/namespaces
// /api/{version}/namespaces
// /api/{version}/namespaces/{namespace}
// /api/{version}/namespaces/{namespace}/{resource}
// /api/{version}/namespaces/{namespace}/{resource}/{resourceName}
// /api/{version}/{resource}
// /api/{version}/{resource}/{resourceName}
//
// Special verbs without subresources:
// /api/{version}/proxy/{resource}/{resourceName}
// /api/{version}/proxy/namespaces/{namespace}/{resource}/{resourceName}
//
// Special verbs with subresources:
// /api/{version}/watch/{resource}
// /api/{version}/watch/namespaces/{namespace}/{resource}
//
// /kapis/{api-group}/{version}/workspaces/{workspace}/{resource}/{resourceName}
// /
// /kapis/{api-group}/{version}/namespaces/{namespace}/{resource}
// /kapis/{api-group}/{version}/namespaces/{namespace}/{resource}/{resourceName}
// With workspaces:
// /kapis/clusters/{cluster}/{api-group}/{version}/namespaces/{namespace}/{resource}
// /kapis/clusters/{cluster}/{api-group}/{version}/namespaces/{namespace}/{resource}/{resourceName}通過路由定義的資訊，就可以區分這個請求是什麼級別的，以及這個請求要分發到哪個 server 了。
我們給各個 filter 的回撥函式加上斷點， 然後做個小實驗看下攔截器的攔截順序是怎樣的。
假設遠端雲主機的服務已經啟動，服務埠在 9090，以及你為 anonymous 這個 globalrole 設定了 monitoring.kubesphere.io 這個組下資源型別為 ClusterDashboard 的訪問許可權。當然了，你也可以用有訪問許可權的賬號來直接測試。
接下來，我們來傳送一個 kapis 請求，看這個鏈路怎麼跳躍的：
curl -d '{"grafanaDashboardUrl":"https://grafana.com/api/dashboards/7362/revisions/5/download", "description":"this is a test dashboard."}' -H "Content-Type: application/json" localhost:9090/kapis/monitoring.kubesphere.io/v1alpha3/clusterdashboards/test1/template測試結果如下：
WithRequestInfo -> WithAuthentication -> WithAuthorization -> WithKubeAPIServerRun
這個方法主要乾了兩件事，一是啟動 informers 同步資源 , 二是啟動 ks apiserver。
func (s *APIServer) Run(ctx context.Context) (err error) {
// 啟動informer工廠，包括k8s和ks的informers
// 同步資源，包括k8s和ks的GVR
// 檢查GVR是否存在，不存在報錯警告，存在就同步
err = s.waitForResourceSync(ctx)
if err != nil {
return err
}
shutdownCtx, cancel := context.WithCancel(context.Background())
defer cancel()
go func() {
<-ctx.Done()
_ = s.Server.Shutdown(shutdownCtx)
}()
// 啟動server
klog.V(0).Infof("Start listening on %s", s.Server.Addr)
if s.Server.TLSConfig != nil {
err = s.Server.ListenAndServeTLS("", "")
} else {
err = s.Server.ListenAndServe()
}
return err
}至此，呼叫完 Run 方法後，ks-apiserver 就啟動了。
現在我們做一下簡單總結：
- 根據配置檔案建立 ks-apiserver 例項 , 該例項呼叫了三個關鍵方法，分別是 NewAPIServer、PrepareRun 以及 Run 方法；
- NewAPIServer 通過給定的配置，繫結各個模組的 client，將自定義的 GVK 註冊到 Scheme，暴露 apis 路由服務；
- PrepareRun 通過 restful-go 框架來註冊、繫結 kapi 路由和回撥函式，用來自身響應或者下發元件 server 查詢合併資料返回給客戶端 ;
- 最後 , 呼叫 Run 方法，同步資源並啟動 ks-apiserver 服務；
GVK 探索實戰
顯然，我們只需要關注各模組的 AddToContainer 方法就行了。
iam.kubesphere.io
pkg/kapis/iam/v1alpha2/register.go
從程式碼註釋來看，這個模組管理著 users、clustermembers、globalroles、clusterroles、workspaceroles、roles、workspaces groups 、workspace members、devops members 等賬號角色的 CRUD。
現在我們可以在 handler 中打上斷點，去請求這些 api。
$ curl "localhost:9090/kapis/iam.kubesphere.io/v1alpha2/users"
$ curl "localhost:9090/kapis/iam.kubesphere.io/v1alpha2/clustermembers"
$ curl "localhost:9090/kapis/iam.kubesphere.io/v1alpha2/users/admin/globalroles"
...kubeedge.kubesphere.io
pkg/kapis/kubeedge/v1alpha1/register.go
程式碼裡面使用的代理轉發請求：
func AddToContainer(container *restful.Container, endpoint string) error {
proxy, err := generic.NewGenericProxy(endpoint, GroupVersion.Group, GroupVersion.Version)
if err != nil {
return nil
}
return proxy.AddToContainer(container)
}也就是 kapis/kubeedge.kubesphere.io 的請求會轉發到 http://edge-watcher.kubeedge....，也就是 kubeedge 這個 namespace 下的 service，相關的介面整合在那裡。
關於整合邊緣計算平臺的整合，除了需要做一個主流邊緣框架的快速安裝和整合外，還可以整合一個類似 edge-shim 的介面卡，大概需要從一下幾個方面考慮：
- 代理 endpoint: 現在的 kubeedge 就是使用代理模式轉發；
- 健康檢查介面：至少要確保雲端的元件已經成功部署；
- 事件、長期日誌、審計等可觀測元件的支援；
- 其他邊緣輔助功能，如檔案或者配置下發等；
notification.kubesphere.io
pkg/kapis/notification/v2beta1/register.go
這個組下的 api 主要實現了 notification 的全域性或租戶級別的 config 和 receivers 資源的 CRUD。
config 資源
用於配置對接通知渠道相關引數的一些配置，分為全域性的和租戶級別的 config 資源；
reciever 資源
用於配置接收者的一些配置資訊，區分全域性的和租戶級別的接收者；
我們挑選一個回撥函式進行剖析：
ws.Route(ws.GET("/{resources}").
To(h.ListResource).
Doc("list the notification configs or receivers").
Metadata(KeyOpenAPITags, []string{constants.NotificationTag}).
Param(ws.PathParameter("resources", "known values include configs, receivers, secrets")).
Param(ws.QueryParameter(query.ParameterName, "name used for filtering").Required(false)).
Param(ws.QueryParameter(query.ParameterLabelSelector, "label selector used for filtering").Required(false)).
Param(ws.QueryParameter("type", "config or receiver type, known values include dingtalk, email, slack, webhook, wechat").Required(false)).
Param(ws.QueryParameter(query.ParameterPage, "page").Required(false).DataFormat("page=%d").DefaultValue("page=1")).
Param(ws.QueryParameter(query.ParameterLimit, "limit").Required(false)).
Param(ws.QueryParameter(query.ParameterAscending, "sort parameters, e.g. ascending=false").Required(false).DefaultValue("ascending=false")).
Param(ws.QueryParameter(query.ParameterOrderBy, "sort parameters, e.g. orderBy=createTime")).
Returns(http.StatusOK, api.StatusOK, api.ListResult{Items: []interface{}{}}))
func (h *handler) ListResource(req *restful.Request, resp *restful.Response) {
// 租戶或使用者的名稱
user := req.PathParameter("user")
// 資源型別，configs/recievers/secrets
resource := req.PathParameter("resources")
// 通知渠道 dingtalk/slack/email/webhook/wechat
subresource := req.QueryParameter("type")
q := query.ParseQueryParameter(req)
if !h.operator.IsKnownResource(resource, subresource) {
api.HandleBadRequest(resp, req, servererr.New("unknown resource type %s/%s", resource, subresource))
return
}
objs, err := h.operator.List(user, resource, subresource, q)
handleResponse(req, resp, objs, err)
}我們看下 list object 的邏輯：
// List objects.
func (o *operator) List(user, resource, subresource string, q *query.Query) (*api.ListResult, error) {
if len(q.LabelSelector) > 0 {
q.LabelSelector = q.LabelSelector + ","
}
filter := ""
// 如果沒有給定租戶的名稱，則獲取全域性的物件
if user == "" {
if isConfig(o.GetObject(resource)) {
// type=default對config資源來說是全域性的
filter = "type=default"
} else {
// type=global對receiever資源來說是全域性的
filter = "type=global"
}
} else {
// 否則就給過濾器繫結租戶名稱
filter = "type=tenant,user=" + user
}
// 組裝過濾標籤
q.LabelSelector = q.LabelSelector + filter
...
// 通過過濾標籤獲取cluster或者namespace下的指定資源
res, err := o.resourceGetter.List(resource, ns, q)
if err != nil {
return nil, err
}
if subresource == "" || resource == Secret {
return res, nil
}
results := &api.ListResult{}
...
}這樣一來，就實現了租戶級別的通知告警 CR 配置的 CRUD，這些 CR 是這麼分類的：
- config 分為全域性 type = default, 租戶 type = tenant 兩種級別；
- reciever 分為全域性 type = global, 租戶 type = tenant 兩種級別；
那麼 config 和 reciever 怎麼相互繫結、告警是如何通過渠道給租戶發訊息的？
notification-manager 簡稱 nm，我這裡斷章取義地簡要回答一下。
功能方面：
- 全域性配置 reciever 通過配置的渠道將所有的 alerts 傳送給其定義好的接收者名單， 配置了租戶資訊的 reciever 只能通過渠道傳送當前 ns 下的 alerts；
- reciever 中可以通過配置 alertSelector 引數來進一步過濾告警訊息；
- 通過修改名為 notification-manager-template 的 confimap 來定製傳送訊息模板；
告警到通知的流程：
- nm 使用埠 19093 和 API 路徑 /api/v2/alerts 接收從 Alertmanager 傳送的告警 ;
- 回撥函式接受 alerts 轉換為 notification 模板資料，按照 namespace 區分告警資料；
- 遍歷所有 Recievers，每個 ns 下啟動一個協程來傳送訊息， 而這裡每個 ns 對應著多個通知渠道，因此也使用 waitgroup 來併發編排完成任務；
monitoring.kubesphere.io
pkg/kapis/monitoring/v1alpha3/register.go
將監控指標分為平臺級、節點級、workspaces、namespaces、pods 等級別，不僅可以獲取總的統計，還能獲取 nodes/namespaces/workspaces 下的所有 pods/containers 等監控指標。
我們檢視回撥函式，以 handleNamedMetricsQuery 為例分析：
- 遍歷給定指標級別下的合法 metric 指標，根據請求引數中 metricFilter 的來過濾指標名；
- 判斷為範圍查詢還是實時查詢，來調取 monitoring 包中相關方法，通過對應的 client 請求後端獲取結果返回；
程式碼如下：
func (h handler) handleNamedMetricsQuery(resp *restful.Response, q queryOptions) {
var res model.Metrics
var metrics []string
// q.namedMetrics 是一組按照監控指標級別分類好的擁有promsql expr定義的完整指標名陣列
// 監控指標級別分類是根據 monitoring.Levelxxx在上一個棧裡細分的，i.e: monitoring.LevelPod
for _, metric := range q.namedMetrics {
if strings.HasPrefix(metric, model.MetricMeterPrefix) {
// skip meter metric
continue
}
// 根據請求引數中的指標名來過濾
ok, _ := regexp.MatchString(q.metricFilter, metric)
if ok {
metrics = append(metrics, metric)
}
}
if len(metrics) == 0 {
resp.WriteAsJson(res)
return
}
// 判斷是否是範圍查詢還是實時查詢，繼續呼叫相關函式
// 主要還是用prometheus client去查詢promsql, 邊緣節點的指標目前通過metrics server來查詢
if q.isRangeQuery() {
res = h.mo.GetNamedMetricsOverTime(metrics, q.start, q.end, q.step, q.option)
} else {
res = h.mo.GetNamedMetrics(metrics, q.time, q.option)
if q.shouldSort() {
res = *res.Sort(q.target, q.order, q.identifier).Page(q.page, q.limit)
}
}
resp.WriteAsJson(res)
}現在，我們將視角移植到 :
pkg/models/monitoring/monitoring.go:156
以 GetNamedMetricsOverTime 為例，這裡闡述了會合並 prometheus 和 metrics-server 的查詢結果進行返回：
func (mo monitoringOperator) GetNamedMetricsOverTime(metrics []string, start, end time.Time, step time.Duration, opt monitoring.QueryOption) Metrics {
// 獲取prometheus client查詢結果，主要使用sync.WaitGroup併發查詢，每個指標啟動一個goroutine，最後將結果和並返回
ress := mo.prometheus.GetNamedMetricsOverTime(metrics, start, end, step, opt)
// 如果metrics-server啟用了
if mo.metricsserver != nil {
//合併邊緣節點資料
edgeMetrics := make(map[string]monitoring.MetricData)
for i, ressMetric := range ress {
metricName := ressMetric.MetricName
ressMetricValues := ressMetric.MetricData.MetricValues
if len(ressMetricValues) == 0 {
// this metric has no prometheus metrics data
if len(edgeMetrics) == 0 {
// start to request monintoring metricsApi data
mr := mo.metricsserver.GetNamedMetricsOverTime(metrics, start, end, step, opt)
for _, mrMetric := range mr {
edgeMetrics[mrMetric.MetricName] = mrMetric.MetricData
}
}
if val, ok := edgeMetrics[metricName]; ok {
ress[i].MetricData.MetricValues = append(ress[i].MetricData.MetricValues, val.MetricValues...)
}
}
}
}
return Metrics{Results: ress}
}此外，monitoring 包還定義了各監控查詢 client 的介面方法，可以按需探索：
- GetMetric(expr string, time time.Time) Metric
- GetMetricOverTime(expr string, start, end time.Time, step time.Duration) Metric
- GetNamedMetrics(metrics []string, time time.Time, opt QueryOption) []Metric
- GetNamedMetricsOverTime(metrics []string, start, end time.Time, step time.Duration, opt QueryOption) []Metric
- GetMetadata(namespace string) []Metadata
- GetMetricLabelSet(expr string, start, end time.Time) []map[string]string
tenant.kubesphere.io
再聊 api 之前，順帶一提多租戶在隔離的安全程度上，我們可以將其分為軟隔離 (Soft Multi-tenancy) 和硬隔離 (Hard Multi-tenancy) 兩種。
- 軟隔離更多的是面向企業內部的多租需求；
- 硬隔離面向的更多是對外提供服務的服務供應商，需要更嚴格的隔離作為安全保障。
這個 group 下比較重要的部分是實現租戶查詢 logs/audits/events：
以查詢日誌為例：
func (h *tenantHandler) QueryLogs(req *restful.Request, resp *restful.Response) {
// 查詢上下文中攜帶的租戶資訊
user, ok := request.UserFrom(req.Request.Context())
if !ok {
err := fmt.Errorf("cannot obtain user info")
klog.Errorln(err)
api.HandleForbidden(resp, req, err)
return
}
// 解析查詢的引數，比如確定屬於哪個ns/workload/pod/container的查詢、時間段，是否為柱狀查詢等
queryParam, err := loggingv1alpha2.ParseQueryParameter(req)
if err != nil {
klog.Errorln(err)
api.HandleInternalError(resp, req, err)
return
}
// 匯出資料
if queryParam.Operation == loggingv1alpha2.OperationExport {
resp.Header().Set(restful.HEADER_ContentType, "text/plain")
resp.Header().Set("Content-Disposition", "attachment")
// 驗證賬號是否有許可權
// admin賬號可以匯出所有ns的日誌，租戶只能匯出本ns的日誌
// 組裝loggingclient進行日誌匯出
err := h.tenant.ExportLogs(user, queryParam, resp)
if err != nil {
klog.Errorln(err)
api.HandleInternalError(resp, req, err)
return
}
} else {
// 驗證賬號是否有許可權
// admin賬號可以檢視所有ns的日誌，租戶只能檢視本ns的日誌
// 組裝loggingclient進行日誌返回
result, err := h.tenant.QueryLogs(user, queryParam)
if err != nil {
klog.Errorln(err)
api.HandleInternalError(resp, req, err)
return
}
resp.WriteAsJson(result)
}
}由於篇幅有限，只對以上 GVR 進行了除錯，感興趣可以深入瞭解~
本文由部落格一文多發平臺 OpenWrite 釋出！