【日志服务CLS】应用TKE事件日志排查异常场景体验

原创

日志服务CLS小助手

修改于 2021-11-23 10:16:59

4630

修改于 2021-11-23 10:16:59

作者：v神

导语：
云原生日志服务（Cloud Log Service，CLS）是腾讯云提供的一站式日志数据解决平台，提供了从日志采集、日志存储到日志检索，图表分析、监控告警、日志投递等多项服务，协助用户通过日志来解决业务运维、服务监控、日志审计等场景问题。
腾讯云容器服务（Tencent Kubernetes Engine，TKE）是基于原生 kubernetes 提供以容器为核心的、高度可扩展的高性能容器管理服务，您可以在托管的云服务器实例集群上轻松运行应用程序。同时腾讯云也提供弹性容器服务（Elastic Kubernetes Service，EKS）和边缘容器服务（Tencent Kubernetes Engine for Edge，TKE Edge），方便您按需选择。

集群内的状况层出不穷，变化莫测，如节点状态异常，Pod重启等，如果无法第一时间感知状况，会错过最佳的问题处理时间，待问题扩大，影响到业务时才发现往往已经为时已晚。

而事件日志（Event）记录了全面的集群状态变更信息，不仅可以帮助用户帮助第一时间发现问题，也是排查问题的最佳帮手。

什么是事件日志

事件（Event）是Kubernetes中众多资源对象中的一员，通常用来记录集群内发生的状态变更，大到集群节点异常，小到Pod启动、调度成功等等。我们常用的kubectl describe命令就可以查看相关资源的事件信息。

事件日志字段说明

级别（Type）：目前仅有“Normal”和“Warning”，但是如果需要，可以使用自定义类型。
资源类型/对象(Involved Object)：事件所涉及的对象，例如Pod，Deployment，Node等。
事件源（Source）：报告此事件的组件；如Scheduler、Kubelet等。
内容（Reason）：当前发生事件的简短描述，一般为枚举值，主要在程序内部使用。
详细描述（Message）：当前发生事件的详细描述信息。
出现次数（Count）：事件发生的次数。

如何使用事件日志去排查问题

日志服务CLS提供针对kubernetes事件日志的一站式服务，包含采集，存储，检索分析能力。用户仅需一键开启集群事件日志功能，即可获取开箱即用的事件日志可视化分析仪表盘。通过可视化的图表，用户可以轻松通过控制台解决大多数常见的运维问题，下面就让我们一起看看如何使用事件日志去排查问题。

前提条件：用户购买TKE容器服务，开启集群事件日志，请参考操作指南

场景1：一台Node节点出现异常，定位原因

进入TKE容器服务控制台，点击左侧菜单中【集群运维】>【事件检索】。在【事件检索】页面，点击【事件总览】，在过滤项中输入异常节点名称。

查询结果显示，有一条节点磁盘空间不足的事件记录查询结果如下图：

进一步查看异常事件趋势：

可以发现，2020-11-25号开始，节点172.16.18.13由于磁盘空间不足导致节点异常，此后kubelet开始尝试驱逐节点上的pod以回收节点磁盘空间。

场景2：节点触发扩容了，用户需要对扩容过程进行回溯，以确定具体原因

开启了节点池「弹性伸缩」的集群，CA（cluster-autoscler）组件会根据负载状况自动对集群中节点数量进行增减。如果集群中的节点发生了自动扩（缩）容，用户可通过事件检索对整个扩（缩）容过程进行回溯。

在【事件检索】页面，点击【全局检索】，输入以下检索命令：

event.source.component : "cluster-autoscaler"

在左侧隐藏字段中选择event.reason、event.message、event.involvedObject.name、event.involvedObject.name进行显示，将查询结果按照日志时间倒序排列，结果如下图所示：

通过上图的事件流水，可以看到节点扩容操作在2020-11-25 20:35:45左右，分别由三个nginx Pod(nginx-5dbf784b68-tq8rd、nginx-5dbf784b68-fpvbx、nginx-5dbf784b68-v9jv5)触发，最终扩增了3个节点，后续的扩容由于达到节点池的最大节点数没有再次触发。

以上就是本期TKE事件日志的玩法分析，如果您有更多有意思的日志实践，欢迎投稿！