k8s与审计-- 将clickhouse增加为 heapster sink

摘要：前言在资源审计和计费这块，容器和虚机有很大区别。支持诸多输出，称为。所以本文主要讲如何为增加。实际上，基于增加并且更改，也可以做到，只不过需要装一些包指令，结果就是镜像变大。实际运行日志截图由于的出色的写入性能，运行非常稳定。

在k8s资源审计和计费这块，容器和虚机有很大区别。相对虚机来讲，容器不容易实现。
资源指标收集可以采用heapster，也可以用prometheus。之前文章有介绍过，prometheus的存储的瓶颈和查询较大数据量，容易oom这两个问题。所以选择了heapster。此外，heapster不仅内部实现了很多aggregator和calculator，做了很多聚合层的工作。而采用prometheus，你需要在查询的时候做聚合。
heapster支持诸多metrics输出，称为sink。目前支持的sink如下图：

而我比较倾向于clickhouse数据库，关于clickhouse，其实前面的文章介绍过很多了。
所以本文主要讲如何为heapster增加clickhouse sink。

看代码，增加一种sink还是很简单的。典型的工厂设计模式，实现 Name，Stop，ExportData 接口方法即可。最后再提供一个初始化函数，供factory调用即可。

具体代码：

config, err := clickhouse_common.BuildConfig(uri)
    if err != nil {
        return nil, err
    }

    client, err := sql.Open("clickhouse", config.DSN)
    if err != nil {
        glog.Errorf("connecting to clickhouse: %v", err)
        return nil, err
    }

    sink := &clickhouseSink{
        c:       *config,
        client:  client,
        conChan: make(chan struct{}, config.Concurrency),
    }

    glog.Infof("created clickhouse sink with options: host:%s user:%s db:%s", config.Host, config.UserName, config.Database)
    return sink, nil

基本上就是获取配置文件，初始化clickhouse 的client。

在factory.go 中 build方法中,加入刚刚实现的初始化函数

func (this *SinkFactory) Build(uri flags.Uri) (core.DataSink, error) {
    switch uri.Key {
    case "elasticsearch":
        return elasticsearch.NewElasticSearchSink(&uri.Val)
    case "gcm":
        return gcm.CreateGCMSink(&uri.Val)
    case "stackdriver":
        return stackdriver.CreateStackdriverSink(&uri.Val)
    case "statsd":
        return statsd.NewStatsdSink(&uri.Val)
    case "graphite":
        return graphite.NewGraphiteSink(&uri.Val)
    case "hawkular":
        return hawkular.NewHawkularSink(&uri.Val)
    case "influxdb":
        return influxdb.CreateInfluxdbSink(&uri.Val)
    case "kafka":
        return kafka.NewKafkaSink(&uri.Val)
    case "librato":
        return librato.CreateLibratoSink(&uri.Val)
    case "log":
        return logsink.NewLogSink(), nil
    case "metric":
        return metricsink.NewMetricSink(140*time.Second, 15*time.Minute, []string{
            core.MetricCpuUsageRate.MetricDescriptor.Name,
            core.MetricMemoryUsage.MetricDescriptor.Name}), nil
    case "opentsdb":
        return opentsdb.CreateOpenTSDBSink(&uri.Val)
    case "wavefront":
        return wavefront.NewWavefrontSink(&uri.Val)
    case "riemann":
        return riemann.CreateRiemannSink(&uri.Val)
    case "honeycomb":
        return honeycomb.NewHoneycombSink(&uri.Val)
    case "clickhouse":
        return clickhouse.NewClickhouseSink(&uri.Val)
    default:
        return nil, fmt.Errorf("Sink not recognized: %s", uri.Key)
    }
}

func (sink *clickhouseSink) Name() string {
    return "clickhouse"
}

func (tsdbSink *clickhouseSink) Stop() {
    // Do nothing
}

stop 函数在heapster关闭的时候调用，执行一些非托管资源的关闭。

这是核心的地方。

func (sink *clickhouseSink) ExportData(dataBatch *core.DataBatch) {
    sink.Lock()
    defer sink.Unlock()

    if err := sink.client.Ping(); err != nil {
        glog.Warningf("Failed to ping clickhouse: %v", err)
        return
    }

    dataPoints := make([]point, 0, 0)
    for _, metricSet := range dataBatch.MetricSets {
        for metricName, metricValue := range metricSet.MetricValues {
            var value float64
            if core.ValueInt64 == metricValue.ValueType {
                value = float64(metricValue.IntValue)
            } else if core.ValueFloat == metricValue.ValueType {
                value = float64(metricValue.FloatValue)
            } else {
                continue
            }

            pt := point{
                name:    metricName,
                cluster: sink.c.ClusterName,
                val:     value,
                ts:      dataBatch.Timestamp,
            }

            for key, value := range metricSet.Labels {
                if _, exists := clickhouseBlacklistLabels[key]; !exists {
                    if value != "" {
                        if key == "labels" {
                            lbs := strings.Split(value, ",")
                            for _, lb := range lbs {
                                ts := strings.Split(lb, ":")
                                if len(ts) == 2 && ts[0] != "" && ts[1] != "" {
                                    pt.tags = append(pt.tags, fmt.Sprintf("%s=%s", ts[0], ts[1]))
                                }
                            }
                        } else {
                            pt.tags = append(pt.tags, fmt.Sprintf("%s=%s", key, value))
                        }

                    }
                }
            }

            dataPoints = append(dataPoints, pt)
            if len(dataPoints) >= sink.c.BatchSize {
                sink.concurrentSendData(dataPoints)
                dataPoints = make([]point, 0, 0)
            }
        }
    }

    if len(dataPoints) >= 0 {
        sink.concurrentSendData(dataPoints)
    }

    sink.wg.Wait()
}

主要有以下几个地方需要注意

数据的格式转换。需要将heapster 中DataBatch 转化为你目的存储的格式。其实这块做过pipeline 多output的人，很容易理解。

批量写入。一般在大数据量的时候，批量写入是一种有效的手段。

根据设置参数，并发写入目的存储。用到了golang的协程。下面这段代码实现了一个协程的发送数据。

func (sink *clickhouseSink) concurrentSendData(dataPoints []point) {
    sink.wg.Add(1)
    // use the channel to block until there"s less than the maximum number of concurrent requests running
    sink.conChan <- struct{}{}
    go func(dataPoints []point) {
        sink.sendData(dataPoints)
    }(dataPoints)
}

这块在clickhouse.go中，主要做了获取配置参数和参数初始化一些默认值，以及对配置参数校验的工作。

原来的基础镜像是基于scratch

FROM scratch

COPY heapster eventer /
COPY ca-certificates.crt /etc/ssl/certs/

#   nobody:nobody
USER 65534:65534
ENTRYPOINT ["/heapster"]

由于需要改timezone的问题，改成了基于alpine。

FROM alpine

RUN apk add -U tzdata
RUN ln -sf /usr/share/zoneinfo/Asia/Shanghai  /etc/localtime

COPY heapster eventer /
COPY ca-certificates.crt /etc/ssl/certs/
RUN chmod +x /heapster
ENTRYPOINT ["/heapster"]

实际上，基于scratch增加timezone并且更改，也可以做到，只不过需要装一些包指令，结果就是镜像变大。与其如此，不如基于我比较熟悉的alpine实现。

fork的项目地址。实际运行日志截图：

由于ck的出色的写入性能，运行非常稳定。