直擊痛點，詳解 K8s 日志采集最佳實踐

作者 | 元乙  阿裡雲存儲服務技術專家

導讀：

上一篇文章

主要介紹 Kubernetes 日志輸出的一些注意事項，日志輸出最終的目的還是做統一的采集和分析。在 Kubernetes 中，日志采集和普通虛拟機的方式有很大不同，相對實作難度和部署代價也略大，但若使用恰當則比傳統方式自動化程度更高、運維代價更低。本文為日志系列文章的第 4 篇。

第一篇：

《6 個 K8s 日志系統建設中的典型問題，你遇到過幾個？》

第二篇：

《一文看懂 K8s 日志系統設計和實踐》

第三篇：

《9 個技巧，解決 K8s 中的日志輸出問題》

Kubernetes 日志采集難點

在 Kubernetes 中，日志采集相比傳統虛拟機、實體機方式要複雜很多，最根本的原因是 Kubernetes 把底層異常屏蔽，提供更加細粒度的資源排程，向上提供穩定、動态的環境。是以日志采集面對的是更加豐富、動态的環境，需要考慮的點也更加的多。

例如：

• 對于運作時間很短的 Job 類應用，從啟動到停止隻有幾秒的時間，如何保證日志采集的實時性能夠跟上而且資料不丢？
• K8s 一般推薦使用大規格節點，每個節點可以運作 10-100+ 的容器，如何在資源消耗盡可能低的情況下采集 100+ 的容器？
• 在 K8s 中，應用都以 yaml 的方式部署，而日志采集還是以手工的配置檔案形式為主，如何能夠讓日志采集以 K8s 的方式進行部署？

Kubernetes	傳統方式
日志種類	檔案、stdout、主控端檔案、journal	檔案、journal
日志源	業務容器、系統元件、主控端	業務、主控端
采集方式	Agent（Sidecar、DaemonSet）、直寫（DockerEngine、業務）	Agent、直寫
單機應用數	10-100	1-10
應用動态性	高	低
節點動态性
采集部署方式	手動、Yaml	手動、自定義

采集方式：主動 or 被動

日志的采集方式分為被動采集和主動推送兩種，在 K8s 中，被動采集一般分為 Sidecar 和 DaemonSet 兩種方式，主動推送有 DockerEngine 推送和業務直寫兩種方式。

• DockerEngine 本身具有 LogDriver 功能，可通過配置不同的 LogDriver 将容器的 stdout 通過 DockerEngine 寫入到遠端存儲，以此達到日志采集的目的。這種方式的可定制化、靈活性、資源隔離性都很低，一般不建議在生産環境中使用；
• 業務直寫是在應用中內建日志采集的 SDK，通過 SDK 直接将日志發送到服務端。這種方式省去了落盤采集的邏輯，也不需要額外部署 Agent，對于系統的資源消耗最低，但由于業務和日志 SDK 強綁定，整體靈活性很低，一般隻有日志量極大的場景中使用；
• DaemonSet 方式在每個 node 節點上隻運作一個日志 agent，采集這個節點上所有的日志。DaemonSet 相對資源占用要小很多，但擴充性、租戶隔離性受限，比較适用于功能單一或業務不是很多的叢集；
• Sidecar 方式為每個 POD 單獨部署日志 agent，這個 agent 隻負責一個業務應用的日志采集。Sidecar 相對資源占用較多，但靈活性以及多租戶隔離性較強，建議大型的 K8s 叢集或作為 PaaS 平台為多個業務方服務的叢集使用該方式。

總結下來：

• DockerEngine 直寫一般不推薦；
• 業務直寫推薦在日志量極大的場景中使用；
• DaemonSet 一般在中小型叢集中使用；
• Sidecar 推薦在超大型的叢集中使用。

詳細的各種采集方式對比如下：

DockerEngine	業務直寫	DaemonSet方式	Sidecar方式
采集日志類型	标準輸出	業務日志	标準輸出+部分檔案	檔案
部署運維	低，原生支援	低，隻需維護好配置檔案即可	一般，需維護DaemonSet	較高，每個需要采集日志的POD都需要部署sidecar容器
日志分類存儲	無法實作	業務獨立配置	一般，可通過容器/路徑等映射	每個POD可單獨配置，靈活性高
多租戶隔離	弱	弱，日志直寫會和業務邏輯競争資源	一般，隻能通過配置間隔離	強，通過容器進行隔離，可單獨配置設定資源
支援叢集規模	本地存儲無限制，若使用syslog、fluentd會有單點限制	無限制	取決于配置數
資源占用	低，docker
engine提供	整體最低，省去采集開銷	較低，每個節點運作一個容器	較高，每個POD運作一個容器
查詢便捷性	低，隻能grep原始日志	高，可根據業務特點進行定制	較高，可進行自定義的查詢、統計
可定制性		高，可自由擴充		高，每個POD單獨配置
耦合度	高，與DockerEngine強綁定，修改需要重新開機DockerEngine	高，采集子產品修改/更新需要重新釋出業務	低，Agent可獨立更新	一般，預設采集Agent更新對應Sidecar業務也會重新開機（有一些擴充包可以支援Sidecar熱更新）
适用場景	測試、POC等非生産場景	對性能要求極高的場景	日志分類明确、功能較單一的叢集	大型、混合型、PAAS型叢集

日志輸出：Stdout or 檔案

和虛拟機/實體機不同，K8s 的容器提供标準輸出和檔案兩種方式。在容器中，标準輸出将日志直接輸出到 stdout 或 stderr，而 DockerEngine 接管 stdout 和 stderr 檔案描述符，将日志接收後按照 DockerEngine 配置的 LogDriver 規則進行處理；日志列印到檔案的方式和虛拟機/實體機基本類似，隻是日志可以使用不同的存儲方式，例如預設存儲、EmptyDir、HostVolume、NFS 等。

雖然使用 Stdout 列印日志是 Docker 官方推薦的方式，但大家需要注意：這個推薦是基于容器隻作為簡單應用的場景，實際的業務場景中我們還是建議大家盡可能使用檔案的方式，主要的原因有以下幾點：

• Stdout 性能問題，從應用輸出 stdout 到服務端，中間會經過好幾個流程（例如普遍使用的 JSON LogDriver）：應用 stdout -> DockerEngine -> LogDriver -> 序列化成 JSON -> 儲存到檔案 -> Agent 采集檔案 -> 解析 JSON -> 上傳服務端。整個流程相比檔案的額外開銷要多很多，在壓測時，每秒 10 萬行日志輸出就會額外占用 DockerEngine 1 個 CPU 核；
• Stdout 不支援分類，即所有的輸出都混在一個流中，無法像檔案一樣分類輸出，通常一個應用中有 AccessLog、ErrorLog、InterfaceLog（調用外部接口的日志）、TraceLog 等，而這些日志的格式、用途不一，如果混在同一個流中将很難采集和分析；
• Stdout 隻支援容器的主程式輸出，如果是 daemon/fork 方式運作的程式将無法使用 stdout；
• 檔案的 Dump 方式支援各種政策，例如同步/異步寫入、緩存大小、檔案輪轉政策、壓縮政策、清除政策等，相對更加靈活。

是以我們建議線上應用使用檔案的方式輸出日志，Stdout 隻在功能單一的應用或一些 K8s 系統/運維元件中使用。

CICD內建：Logging Operator

Kubernetes 提供了标準化的業務部署方式，可以通過 yaml（K8s API）來聲明路由規則、暴露服務、挂載存儲、運作業務、定義縮擴容規則等，是以 Kubernetes 很容易和 CICD 系統內建。而日志采集也是運維監控過程中的重要部分，業務上線後的所有日志都要進行實時的收集。

原始的方式是在釋出之後手動去部署日志采集的邏輯，這種方式需要手工幹預，違背 CICD 自動化的宗旨；為了實作自動化，有人開始基于日志采集的 API/SDK 包裝一個自動部署的服務，在釋出後通過 CICD 的 webhook 觸發調用，但這種方式的開發代價很高。

在 Kubernetes 中，日志最标準的內建方式是以一個新資源注冊到 Kubernetes 系統中，以 Operator（CRD）的方式來進行管理和維護。在這種方式下，CICD 系統不需要額外的開發，隻需在部署到 Kubernetes 系統時附加上日志相關的配置即可實作。

Kubernetes 日志采集方案

早在 Kubernetes 出現之前，我們就開始為容器環境開發日志采集方案，随着 K8s 的逐漸穩定，我們開始将很多業務遷移到 K8s 平台上，是以也基于之前的基礎專門開發了一套 K8s 上的日志采集方案。主要具備的功能有：

• 支援各類資料的實時采集，包括容器檔案、容器 Stdout、主控端檔案、Journal、Event 等；
• 支援多種采集部署方式，包括 DaemonSet、Sidecar、DockerEngine LogDriver 等；
• 支援對日志資料進行富化，包括附加 Namespace、Pod、Container、Image、Node 等資訊；
• 穩定、高可靠，基于阿裡自研的 Logtail 采集 Agent 實作，目前全網已有幾百萬的部署執行個體；
• 基于 CRD 進行擴充，可使用 Kubernetes 部署釋出的方式來部署日志采集規則，與 CICD 完美內建。

安裝日志采集元件

目前這套采集方案已經對外開放，我們提供了一個 Helm 安裝包，其中包括 Logtail 的 DaemonSet、AliyunlogConfig 的 CRD 聲明以及 CRD Controller，安裝之後就能直接使用 DaemonSet 采集以及 CRD 配置了。安裝方式如下：

1. 阿裡雲 Kubernetes 叢集在開通的時候可以勾選安裝，這樣在叢集建立的時候會自動安裝上述元件。如果開通的時候沒有安裝，則可以 手動安裝 ；
2. 如果是自建的 Kubernetes，無論是在阿裡雲上自建還是在其他雲或者是線下，也可以使用這樣采集方案，具體安裝方式參考 自建 Kubernetes 安裝 。

安裝好上述元件之後，Logtail 和對應的 Controller 就會運作在叢集中，但預設這些元件并不會采集任何日志，需要配置日志采集規則來采集指定 Pod 的各類日志。

采集規則配置：環境變量 or CRD

除了在日志服務控制台上手動配置之外，對于 Kubernetes 還額外支援兩種配置方式：環境變量和 CRD。

• 環境變量是自 swarm 時代一直使用的配置方式，隻需要在想要采集的容器環境變量上聲明需要采集的資料位址即可，Logtail 會自動将這些資料采集到服務端；

這種方式部署簡單，學習成本低，很容易上手；但能夠支援的配置規則很少，很多進階配置（例如解析方式、過濾方式、黑白名單等）都不支援，而且這種聲明的方式不支援修改/删除，每次修改其實都是建立 1 個新的采集配置，曆史的采集配置需要手動清理，否則會造成資源浪費。

• CRD 配置方式 是非常符合 Kubernetes 官方推薦的标準擴充方式，讓采集配置以 K8s 資源的方式進行管理，通過向 Kubernetes 部署 AliyunLogConfig 這個特殊的 CRD 資源來聲明需要采集的資料。

例如下面的示例就是部署一個容器标準輸出的采集，其中定義需要 Stdout 和 Stderr 都采集，并且排除環境變量中包含 COLLEXT_STDOUT_FLAG：false 的容器。

基于 CRD 的配置方式以 Kubernetes 标準擴充資源的方式進行管理，支援配置的增删改查完整語義，而且支援各種進階配置，是我們極其推薦的采集配置方式。

采集規則推薦的配置方式

實際應用場景中，一般都是使用 DaemonSet 或 DaemonSet 與 Sidecar 混用方式，DaemonSet 的優勢是資源使用率高，但有一個問題是 DaemonSet 的所有 Logtail 都共享全局配置，而單一的 Logtail 有配置支撐的上限，是以無法支撐應用數比較多的叢集。

上述是我們給出的推薦配置方式，核心的思想是：

• 一個配置盡可能多的采集同類資料，減少配置數，降低 DaemonSet 壓力；
• 核心的應用采集要給予充分的資源，可以使用 Sidecar 方式；
• 配置方式盡可能使用 CRD 方式；
• Sidecar 由于每個 Logtail 是單獨的配置，是以沒有配置數的限制，這種比較适合于超大型的叢集使用。

實踐 1 - 中小型叢集

絕大部分 Kubernetes 叢集都屬于中小型的，對于中小型沒有明确的定義，一般應用數在 500 以内，節點規模 1000 以内，沒有職能明确的 Kubernetes 平台運維。這種場景應用數不會特别多，DaemonSet 可以支撐所有的采集配置：

• 絕大部分業務應用的資料使用 DaemonSet 采集方式；
• 核心應用（對于采集可靠性要求比較高，例如訂單/交易系統）使用 Sidecar 方式單獨采集。

實踐 2 - 大型叢集

對于一些用作 PaaS 平台的大型/超大型叢集，一般業務在 1000 以上，節點規模也在 1000 以上，有專門的 Kubernetes 平台運維人員。這種場景下應用數沒有限制，DaemonSet 無法支援，是以必須使用 Sidecar 方式，整體規劃如下：

• Kubernetes 平台本身的系統元件日志、核心日志相對種類固定，這部分日志使用 DaemonSet 采集，主要為平台的運維人員提供服務；
• 各個業務的日志使用 Sidecar 方式采集，每個業務可以獨立設定 Sidecar 的采集目的位址，為業務的 DevOps 人員提供足夠的靈活性。

有一個阿裡團隊需要你！

雲原生應用平台邀 Kubernetes/容器/ Serverless/應用傳遞技術領域專家（P7-P8）加盟。

• 技術要求：Go/Rust/Java/C++，Linux，分布式系統；
• 工作年限：P7 三年起，P8 五年起，具體看實際能力；
• 工作地點：國内（北京 / 杭州 / 深圳）；海外（舊金山灣區 / 西雅圖）。

履歷投遞：xining.zj AT alibaba-inc.com。

“ 阿裡巴巴雲原生 關注微服務、Serverless、容器、Service Mesh 等技術領域、聚焦雲原生流行技術趨勢、雲原生大規模的落地實踐，做最懂雲原生開發者的技術圈。”