从应用访问Pod元数据-DownwardApi的应用

对于某些需要调度之后才能知道的数据，比如 pod 的 ip，主机名，或者 pod 自身的名称等等，k8s 依旧很贴心的提供了 Downward API 的方式来获取此类数据，并且可以通过环境变量或者文件（downwardApi卷中）来传递 pod 的元数据。

可以传递的容器数据包括如下：

• pod的名称，IP，所在命名空间，运行节点的名称，运行所归属的服务账户名称
• 每个容器请求的 CPU 和内存的使用量
• 每个容器可以使用的 CPU 和内存的限制
• pod 的标签
• pod 的注解

 

通过环境变量暴露元数据

　　创建一个但容器的 pod

$ vim ./dowanwardapi-learn.yaml

apiVersion: v1
kind: Pod
metadata:
  name: downward-learn
spec:
  containers:
  - name: main
    image: busybox
    command: ["sleep", "999999"]
    resources:
      requests:
        cpu: "15m"
        memory: "100Ki"
      limits:
        cpu: "100m"
        memory: "4Mi"
    env:
    - name: POD_NAME
      valueFrom:
        fieldRef:
          fieldPath: metadata.name
    - name: POD_IP
      valueFrom:
        fieldRef:
          fieldPath: status.podIP
    - name: NODE_NAME
      valueFrom:
        fieldRef:
          fieldPath: spec.nodeName
    - name: CONTAINER_CPU_REQUEST_MILLICORES
      valueFrom:
        resourceFieldRef:
          resource: requests.cpu
          divisor: "1m"
    - name: CONTAINER_MEMORY_LIMIT_KIBIBYTES
      valueFrom:
        resourceFieldRef:
          resource: limits.memory
          divisor: "1Ki"

　　创建完成后我们可以使用 kubectl exec 命令来查看容器中的所有环境变量，如下：

$ kubectl exec downward-learn env
kubectl exec [POD] [COMMAND] is DEPRECATED and will be removed in a future version. Use kubectl kubectl exec [POD] -- [COMMAND] instead.
PATH=/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin
HOSTNAME=downward-learn
POD_NAME=downward-learn
POD_IP=10.44.0.3
NODE_NAME=node1
CONTAINER_CPU_REQUEST_MILLICORES=15
CONTAINER_MEMORY_LIMIT_KIBIBYTES=4096
KUBERNETES_PORT_443_TCP_PROTO=tcp
KUBERNETES_PORT_443_TCP_PORT=443
KUBERNETES_PORT_443_TCP_ADDR=10.96.0.1
KUBERNETES_SERVICE_HOST=10.96.0.1
KUBERNETES_SERVICE_PORT=443
KUBERNETES_SERVICE_PORT_HTTPS=443
KUBERNETES_PORT=tcp://10.96.0.1:443
KUBERNETES_PORT_443_TCP=tcp://10.96.0.1:443
HOME=/root

　　但是有一些变量并不能根据环境变量暴露，比如 lables 标签和 annotations 注释等等，但是这些可以使用过 dowanwardApi 卷的方式来进行载入。

 

通过 downwardAPI 卷来传递元数据

　　和环境变量一样，通过文件卷的方式也需要显式指定元数据字段来暴露给进程，如下：

apiVersion: v1
kind: Pod
metadata:
  name: downward-learn
spec:
  containers:
  - name: main
    image: busybox
    command: ["sleep", "999999"]
    resources:
      requests:
        cpu: "15m"
        memory: "100Ki"
      limits:
        cpu: "100m"
        memory: "4Mi"
    volumeMounts:
    - name: downward
      mountPath: /etc/downard
  volumes:
  - name: downward
    downwardAPI:
      iterms:
      - path: "podName"
        fileRef:
          fieldPath: metadata.name
......    

　　其中声明元数据和配置的方式没什么不同。

　　但是其中需要注意的是，如果是暴露容器级的元数据时，比如容器可使用的资源限制和资源请求（如使用字段 resourceFieldRef），必须指定引入资源字段的容器名称，比如：

spec:
  volumes:
  - name: downward
    downwardAPI:
      items:
      - path: "containerCpuRequestMilliCores"
        resourceFieldRef: 
          containerName: main      ## 容器名称
          resource: requests.cpu
          divisor: 1m

　　这里由于引入了cpu资源限制，所以也贴一下所用到的，在 pod 内查询当前的 cpu 使用进程代码，因为 pod 容器内的查询 cpu 使用和物理机上的还不太一样，在网上找了一些但是都不太适合容器使用，所以自己写了一个

$ vim cpu.go

package handler

import (
    "fmt"
    "os"

    linuxproc "github.com/c9s/goprocinfo/linux"
)

var (
    prevUsageUser   int64 = 0
    prevUsageSystem int64 = 0
    cpuNum = 1    // 设置该容器内使用的cpu个数
)

func GetCpuCount(stat *linuxproc.Stat) (count float64) {
    cfsQuota := getCgoupValueByPath("/sys/fs/cgroup/cpu/cpu.cfs_quota_us")
    cfsPeriod := getCgoupValueByPath("/sys/fs/cgroup/cpu/cpu.cfs_period_us")

    if cfsQuota == -1 {
        return float64(len(stat.CPUStats))
    }

    return float64(cfsQuota) / float64(cfsPeriod)
}

func CpuCountToString(c float64) string {
    if c == float64(int64(c)) {
        return fmt.Sprintf("%v", c)
    }
    return fmt.Sprintf("%0.1f", c)
}

// GetCpuUsage should be called every 1 seconds. not quite precise.
func GetCpuUsage(cpus float64) (user, system, idle float64) {
    var currentUsageUser, currentUsageSystem int64
    currentUsageUser = getCgoupValueByPath("/sys/fs/cgroup/cpuacct/cpuacct.usage_user")
    currentUsageSystem = getCgoupValueByPath("/sys/fs/cgroup/cpuacct/cpuacct.usage_sys")

    if prevUsageUser == 0 && prevUsageSystem == 0 {
        prevUsageUser = currentUsageUser
        prevUsageSystem = currentUsageSystem
        return
    }

    user = float64(currentUsageUser-prevUsageUser) / 10000000 / cpus       // / 1000,000,000 * 100 = /10,000,000
    system = float64(currentUsageSystem-prevUsageSystem) / 10000000 / cpus // / 1000,000,000 * 100 = /10,000,000
    idle = 100 - user - system
    if idle < 0 {
        idle = 0
    }

    prevUsageUser = currentUsageUser
    prevUsageSystem = currentUsageSystem

    return
}

func getCgoupValueByPath(path string) int64 {
    data, err := os.ReadFile(path)
    if err != nil {
        return 0
    }

    var value int64
    n, err := fmt.Sscanf(string(data), "%d", &value)
    if err != nil || n != 1 {
        return 0
    }
    return value
}

计算出来当前的容器数值换算为：use 80% = 800

这样在容器内就能根据元数据和监控脚本时刻监控容器的 cpu 使用率了。