Red Hat Summit 红帽全球峰会支持控制台（Console）开发人员开始试用联系人

Observability（可观察性）

Red Hat OpenShift Serverless 1.35

Observability 功能，包括管理员和开发人员指标、集群日志记录和追踪

Red Hat OpenShift Documentation Team

摘要

本文档提供了有关如何监控 Knative 服务性能的详细信息。它还详细介绍了如何在 OpenShift Serverless 中使用 OpenShift Logging 和 OpenShift distributed tracing。

第 1 章 管理员指标
复制链接

1.1. Serverless 管理员指标
复制链接

指标 (metrics) 可以让集群管理员监控 OpenShift Serverless 集群组件和工作负载的执行情况。

您可以通过进入到 About monitoring dashboard 来查看 OpenShift Serverless 的不同指标。

1.1.1. 先决条件
复制链接

  • 如需有关为集群启用指标的信息，请参阅 OpenShift Container Platform 文档中有关管理指标的内容。
  • 您可以访问具有集群管理员访问权限的帐户（或针对 OpenShift Dedicated 或 Red Hat OpenShift Service on AWS 的专用管理员访问权限）。
警告

如果使用 mTLS 启用 Service Mesh，则 Knative Serving 的指标会被默认禁用，因为 Service Mesh 会防止 Prometheus 提取指标。

有关解决这个问题的详情，请参阅在使用带有 mTLS 的 Service Mesh 时启用 Knative Serving 指标。

提取指标不会影响 Knative 服务的自动扩展，因为提取请求不会通过激活器。因此，如果没有 pod 正在运行，则不会进行提取。

1.2. Serverless 控制器指标
复制链接

以下指标由实施控制器逻辑的任何组件提供。这些指标显示协调操作的详细信息，以及将协调请求添加到工作队列的工作队列行为。

Expand
指标名称描述类型Tags单位

work_queue_depth

工作队列的深度。

量表

reconciler

整数（无单位）

reconcile_count

协调操作的数量。

计数

reconciler, success

整数（无单位）

reconcile_latency

协调操作的延迟。

Histogram

reconciler, success

Milliseconds

workqueue_adds_total

由工作队列处理的添加操作总数。

计数

name

整数（无单位）

workqueue_queue_latency_seconds

在请求之前，项目保留在工作队列中的时长。

Histogram

name

秒

workqueue_retries_total

工作队列处理的重试总数。

计数

name

整数（无单位）

workqueue_work_duration_seconds

处理和从工作队列中项目所需的时间。

Histogram

name

秒

workqueue_unfinished_work_seconds

未完成的工作队列项目的时间长度。

Histogram

name

秒

workqueue_longest_running_processor_seconds

在处理中的、未完成的工作队列项的最长时间。

Histogram

name

秒

1.3. Webhook 指标
复制链接

Webhook 指标报告有关操作的有用信息。例如，如果大量操作失败，这可能表示用户创建的资源出现问题。

Expand
指标名称描述类型Tags单位

request_count

路由到 webhook 的请求数。

计数

admission_allowed, kind_group, kind_kind, kind_version, request_operation, resource_group, resource_namespace, resource_resource, resource_version

整数（无单位）

request_latencies

Webhook 请求的响应时间。

Histogram

admission_allowed, kind_group, kind_kind, kind_version, request_operation, resource_group, resource_namespace, resource_resource, resource_version

Milliseconds

1.4. Knative Eventing 指标
复制链接

集群管理员可查看 Knative Eventing 组件的以下指标。

通过聚合 HTTP 代码的指标，事件可以分为两类：成功事件 (2xx) 和失败的事件 (5xx) 。

1.4.1. 代理入口指标
复制链接

您可以使用以下指标调试代理 ingress，请参阅它的执行方式，以及哪些事件由 ingress 组件分配。

Expand
指标名称描述类型Tags单位

event_count

代理接收的事件数。

计数

broker_name, event_type, namespace_name, response_code, response_code_class, unique_name

整数（无单位）

event_dispatch_latencies

将事件发送到频道的时间。

Histogram

broker_name, event_type, namespace_name, response_code, response_code_class, unique_name

Milliseconds

1.4.2. 代理过滤指标
复制链接

您可以使用以下指标调试代理过滤器，查看它们的执行方式，以及过滤器正在分配哪些事件。您还可以测量事件的过滤操作的延迟。

Expand
指标名称描述类型Tags单位

event_count

代理接收的事件数。

计数

broker_name, container_name, filter_type, namespace_name, response_code, response_code_class, trigger_name, unique_name

整数（无单位）

event_dispatch_latencies

将事件发送到频道的时间。

Histogram

broker_name, container_name, filter_type, namespace_name, response_code, response_code_class, trigger_name, unique_name

Milliseconds

event_processing_latencies

将事件分配给触发器订阅者前处理事件所需的时间。

Histogram

broker_name, container_name, filter_type, namespace_name, trigger_name, unique_name

Milliseconds

1.4.3. InMemoryChannel 分配程序指标
复制链接

您可以使用以下指标调试 InMemoryChannel 频道，查看它们的运行方式，并查看频道正在分配哪些事件。

Expand
指标名称描述类型Tags单位

event_count

InMemoryChannel 频道发送的事件数量。

计数

broker_name, container_name, filter_type, namespace_name, response_code, response_code_class, trigger_name, unique_name

整数（无单位）

event_dispatch_latencies

从 InMemoryChannel 频道分配事件的时间。

Histogram

broker_name, container_name, filter_type, namespace_name, response_code, response_code_class, trigger_name, unique_name

Milliseconds

1.4.4. 事件源指标
复制链接

您可以使用以下指标验证事件是否从事件源发送到连接的事件接收器（sink）。

Expand
指标名称描述类型Tags单位

event_count

事件源发送的事件数。

计数

broker_name, container_name, filter_type, namespace_name, response_code, response_code_class, trigger_name, unique_name

整数（无单位）

retry_event_count

事件源在最初发送失败后发送的重试事件数量。

计数

event_source, event_type, name, namespace_name, resource_group, response_code, response_code_class, response_error, response_timeout

整数（无单位）

1.4.5. Knative Kafka 代理指标
复制链接

您可以使用以下指标调试和视觉化 Kafka 代理的性能。

Expand
指标名称描述类型Tags单位

event_count_1_total{job="kafka-broker-receiver-sm-service", namespace="knative-eventing"}

代理接收的事件数

计数

名称
代理名称
namespace_name
代理命名空间
event_type
事件类型
response_code
代理返回的 HTTP 响应代码
response_code_class
代理返回的 HTTP 响应代码类： 2xx、3xx、4xx、5xx

无维度

event_dispatch_latencies_ms_bucket{job="kafka-broker-receiver-sm-service", namespace="knative-eventing"}

将事件发送到 Kafka 集群的时间

Histogram

名称
代理名称
namespace_name
代理命名空间
event_type
事件类型
response_code
代理返回的 HTTP 响应代码
response_code_class
代理返回的 HTTP 响应代码类： 2xx、3xx、4xx、5xx

Milliseconds

kafka_broker_controller_consumer_group_expected_replicas

给定 Kafka 消费者组资源的预期副本数

量表

consumer_name
资源名称
namespace_name
资源命名空间
consumer_kind
Resource Kind, enum: KafkaSource,Trigger,Subscription
注意

在这种情况下，资源指的是面向用户的实体，如 Kafka 源、触发器和订阅。避免使用内部或生成的名称。

无维度

kafka_broker_controller_consumer_group_ready_replicas

给定 Kafka 消费者组资源的就绪副本数

量表

consumer_name
资源名称
namespace_name
资源命名空间
consumer_kind
Resource Kind, enum: KafkaSource,Trigger,Subscription
注意

在这种情况下，资源指的是面向用户的实体，如 Kafka 源、触发器和订阅。避免使用内部或生成的名称。

无维度

1.4.6. Knative Kafka 触发器指标
复制链接

您可以使用以下指标调试和视觉化 Kafka 触发器的性能。

Expand
指标名称描述类型Tags单位

event_count_1_total{job="kafka-broker-dispatcher-sm-service", namespace="knative-eventing"}

由触发器向订阅者发送的事件数

计数

consumer_name
触发器名称
namespace_name
触发器命名空间
名称
代理名称
event_type
事件类型
response_code
触发器订阅者服务返回的 HTTP 响应代码
response_code_class
由触发器订阅者服务返回的 HTTP 响应代码类： 2xx、3xx、4xx、5xx

无维度

event_dispatch_latencies_ms_bucket{job="kafka-broker-dispatcher-sm-service", namespace="knative-eventing"}

将事件发送到订阅者的时间

Histogram

consumer_name
触发器名称
namespace_name
触发器命名空间
名称
代理名称
event_type
事件类型
response_code
触发器订阅者服务返回的 HTTP 响应代码
response_code_class
由触发器订阅者服务返回的 HTTP 响应代码类： 2xx、3xx、4xx、5xx

Milliseconds

event_processing_latencies_ms_bucket{job="kafka-broker-dispatcher-sm-service", namespace="knative-eventing"}

处理和过滤事件的时间

Histogram

consumer_name
触发器名称
namespace_name
触发器命名空间
名称
代理名称
event_type
事件类型

Milliseconds

1.4.7. Knative Kafka 频道指标
复制链接

您可以使用以下指标调试和视觉化 Kafka 频道的性能。

Expand
指标名称描述类型Tags单位

event_count_1_total{job="kafka-channel-receiver-sm-service", namespace="knative-eventing"}

Kafka 频道接收的事件数

计数

名称
Kafka 频道名称
namespace_name
Kafka 频道命名空间
event_type
事件类型
response_code
Kafka 频道返回的 HTTP 响应代码
response_code_class
Kafka 频道返回的 HTTP 响应代码类： 2xx, 3xx, 4xx, 5xx

无维度

event_dispatch_latencies_ms_bucket{job="kafka-channel-receiver-sm-service", namespace="knative-eventing"}

将事件发送到 Kafka 集群的时间

Histogram

名称
Kafka 频道名称
namespace_name
Kafka 频道命名空间
event_type
事件类型
response_code
Kafka 频道返回的 HTTP 响应代码
response_code_class
Kafka 频道返回的 HTTP 响应代码类： 2xx, 3xx, 4xx, 5xx

Milliseconds

1.4.8. Knative Kafka 订阅指标
复制链接

您可以使用以下指标调试和视觉化与 Kafka 频道关联的订阅性能。

Expand
指标名称描述类型Tags单位

event_count_1_total{job="kafka-channel-dispatcher-sm-service", namespace="knative-eventing"}

订阅向订阅者发送的事件数

计数

consumer_name
订阅名称
namespace_name
订阅命名空间
名称
KafkaChannel 名称
event_type
事件类型
response_code
订阅 订阅者服务返回的 HTTP 响应代码
response_code_class
Subscription subscriber 服务返回的 HTTP 响应代码类： 2xx, 3xx, 4xx, 5xx

无维度

event_dispatch_latencies_ms_bucket{job="kafka-channel-dispatcher-sm-service", namespace="knative-eventing"}

将事件发送到订阅者的时间

Histogram

consumer_name
订阅名称
namespace_name
订阅命名空间
名称
KafkaChannel 名称
event_type
事件类型
response_code
订阅 订阅者服务返回的 HTTP 响应代码
response_code_class
Subscription subscriber 服务返回的 HTTP 响应代码类： 2xx, 3xx, 4xx, 5xx

Milliseconds

event_processing_latencies_ms_bucket{job="kafka-channel-dispatcher-sm-service", namespace="knative-eventing"}

处理事件所需时间

Histogram

consumer_name
订阅名称
namespace_name
订阅命名空间
名称
KafkaChannel 名称
event_type
事件类型

无维度

1.4.9. Knative Kafka 源指标
复制链接

您可以使用以下指标调试和视觉化 Kafka 源的性能。

Expand
指标名称描述类型Tags单位

event_count_1_total{job="kafka-source-dispatcher-sm-service", namespace="knative-eventing"}

Kafka 源发送的事件数

计数

consumer_name
Kafka 源名称
namespace_name
Kafka 源命名空间
名称
Kafka 源名称
event_type
事件类型
response_code
Kafka 源接收器服务返回的 HTTP 响应代码
response_code_class
Kafka 源接收器服务返回的 HTTP 响应代码类： 2xx, 3xx, 4xx, 5xx

无维度

event_dispatch_latencies_ms_bucket{job="kafka-source-dispatcher-sm-service", namespace="knative-eventing"}

将事件发送到接收器的时间

Histogram

consumer_name
Kafka 源名称
namespace_name
Kafka 源命名空间
名称
Kafka 源名称
event_type
事件类型
response_code
Kafka 源接收器服务返回的 HTTP 响应代码
response_code_class
Kafka 源接收器服务返回的 HTTP 响应代码类： 2xx, 3xx, 4xx, 5xx

Milliseconds

event_processing_latencies_ms_bucket{job="kafka-source-dispatcher-sm-service", namespace="knative-eventing"}

处理事件所需时间

Histogram

consumer_name
Kafka 源名称
namespace_name
Kafka 源命名空间
名称
Kafka 源名称
event_type
事件类型

Milliseconds

kafka_broker_controller_consumer_group_expected_replicas

给定 Kafka 消费者组资源的预期副本数

量表

consumer_name
资源名称
namespace_name
资源命名空间
consumer_kind
Resource Kind, enum: KafkaSource,Trigger,Subscription
注意

在这种情况下，资源指的是面向用户的实体，如 Kafka 源、trigger 和订阅。避免使用内部或生成的名称。

无维度

kafka_broker_controller_consumer_group_ready_replicas

给定 Kafka 消费者组资源的就绪副本数

量表

consumer_name
资源名称
namespace_name
资源命名空间
consumer_kind
Resource Kind, enum: KafkaSource,Trigger,Subscription
注意

在这种情况下，资源指的是面向用户的实体，如 Kafka 源、trigger 和订阅。避免使用内部或生成的名称。

无维度

1.4.10. Knative Kafka sink 指标
复制链接

您可以使用以下指标调试和视觉化 Kafka sink 的性能。

Expand
指标名称描述类型Tags单位

event_count_1_total{job="kafka-sink-receiver-sm-service", namespace="knative-eventing"}

代理接收的事件数

计数

名称
Kafka sink 名称
namespace_name
Kafka sink 命名空间
event_type
事件类型
response_code
Kafka sink 返回的 HTTP 响应代码
response_code_class
Kafka sink 返回的 HTTP 响应代码类： 2xx, 3xx, 4xx, 5xx

无维度

event_dispatch_latencies_ms_bucket{job="kafka-sink-receiver-sm-service", namespace="knative-eventing"}

将事件发送到 Kafka 集群的时间

Histogram

名称
Kafka sink 名称
namespace_name
Kafka sink 命名空间
event_type
事件类型
response_code
Kafka sink 返回的 HTTP 响应代码
response_code_class
Kafka sink 返回的 HTTP 响应代码类： 2xx, 3xx, 4xx, 5xx

Milliseconds

1.5. Knative Serving 指标
复制链接

集群管理员可查看 Knative Serving 组件的以下指标。

1.5.1. 激活器指标
复制链接

您可以使用以下指标了解应用在流量通过激活器时如何响应。

Expand
指标名称描述类型Tags单位

request_concurrency

路由到激活器的并发请求数，或者报告周期内平均并发请求数。

量表

configuration_name, container_name, namespace_name, pod_name, revision_name, service_name

整数（无单位）

request_count

要激活的请求数。这些是从活动器处理程序实现的请求。

计数

configuration_name, container_name, namespace_name, pod_name, response_code, response_code_class, revision_name, service_name,

整数（无单位）

request_latencies

已实现的路由请求的响应时间（毫秒）。

Histogram

configuration_name, container_name, namespace_name, pod_name, response_code, response_code_class, revision_name, service_name

Milliseconds

1.5.2. 自动缩放器指标
复制链接

自动缩放器组件会公开多个与每个修订版本自动扩展行为相关的指标。例如，在任何给定时间，您可以监控自动扩展尝试为服务分配的目标 pod 数量，在 stable 窗口中每秒请求平均数量，或者如果您使用 Knative pod 自动缩放器 (KPA) ，自动扩展是否处于 panic 模式。

Expand
指标名称描述类型Tags单位

desired_pods

自动缩放器尝试为服务分配的 pod 数量。

量表

configuration_name, namespace_name, revision_name, service_name

整数（无单位）

excess_burst_capacity

过量激增容量在稳定窗口中提供。

量表

configuration_name, namespace_name, revision_name, service_name

整数（无单位）

stable_request_concurrency

每个通过稳定窗口观察到的 pod 的平均请求数。

量表

configuration_name, namespace_name, revision_name, service_name

整数（无单位）

panic_request_concurrency

每个观察到的 pod 的平均请求数通过 panic 窗口。

量表

configuration_name, namespace_name, revision_name, service_name

整数（无单位）

target_concurrency_per_pod

自动缩放器尝试发送到每个容器集的并发请求数。

量表

configuration_name, namespace_name, revision_name, service_name

整数（无单位）

stable_requests_per_second

通过 stable 窗口中每个观察到的 pod 的平均请求数每秒数。

量表

configuration_name, namespace_name, revision_name, service_name

整数（无单位）

panic_requests_per_second

每个通过 panic 窗口观察到的 pod 平均请求数每秒数。

量表

configuration_name, namespace_name, revision_name, service_name

整数（无单位）

target_requests_per_second

自动缩放器针对每个 Pod 的目标请求数。

量表

configuration_name, namespace_name, revision_name, service_name

整数（无单位）

panic_mode

如果自动扩展器处于 panic 模式，则这个值为 1，如果自动扩展器没有处于 panic 模式，则代表 0。

量表

configuration_name, namespace_name, revision_name, service_name

整数（无单位）

requested_pods

自动缩放器从 Kubernetes 集群请求的 pod 数量。

量表

configuration_name, namespace_name, revision_name, service_name

整数（无单位）

actual_pods

分配且当前具有就绪状态的 pod 数量。

量表

configuration_name, namespace_name, revision_name, service_name

整数（无单位）

not_ready_pods

处于未就绪状态的 pod 数量。

量表

configuration_name, namespace_name, revision_name, service_name

整数（无单位）

pending_pods

当前待处理的 pod 数量。

量表

configuration_name, namespace_name, revision_name, service_name

整数（无单位）

terminating_pods

当前终止的 pod 数量。

量表

configuration_name, namespace_name, revision_name, service_name

整数（无单位）

1.5.3. Go 运行时指标
复制链接

每个 Knative Serving control plane 进程会发出多个 Go 运行时内存统计 (MemStats) 。

注意

每个指标的 name 标签是一个空标签。

Expand
指标名称描述类型Tags单位

go_alloc

分配的堆对象的字节数。这个指标与 heap_alloc 相同。

量表

name

整数（无单位）

go_total_alloc

为堆对象分配的累积字节。

量表

name

整数（无单位）

go_sys

从操作系统获得的内存总量。

量表

name

整数（无单位）

go_lookups

运行时执行的指针查找数量。

量表

name

整数（无单位）

go_mallocs

分配的堆对象的累计数。

量表

name

整数（无单位）

go_frees

已释放的堆对象的累计数。

量表

name

整数（无单位）

go_heap_alloc

分配的堆对象的字节数。

量表

name

整数（无单位）

go_heap_sys

从操作系统获得的堆内存字节数。

量表

name

整数（无单位）

go_heap_idle

空闲、未使用的字节数。

量表

name

整数（无单位）

go_heap_in_use

当前正在使用的字节数。

量表

name

整数（无单位）

go_heap_released

返回到操作系统的物理内存字节数。

量表

name

整数（无单位）

go_heap_objects

分配的堆对象数量。

量表

name

整数（无单位）

go_stack_in_use

堆栈中当前正在使用的字节数。

量表

name

整数（无单位）

go_stack_sys

从操作系统获得的堆栈内存字节数。

量表

name

整数（无单位）

go_mspan_in_use

分配的 mspan 结构的字节数。

量表

name

整数（无单位）

go_mspan_sys

从操作系统获得的用于 mspan 结构的内存字节数。

量表

name

整数（无单位）

go_mcache_in_use

分配的 mcache 结构的字节数。

量表

name

整数（无单位）

go_mcache_sys

从操作系统获取的用于 mcache 结构的内存字节数。

量表

name

整数（无单位）

go_bucket_hash_sys

分析 bucket 哈希表中的内存字节数。

量表

name

整数（无单位）

go_gc_sys

垃圾回收元数据中的字节内存数量。

量表

name

整数（无单位）

go_other_sys

其它非堆运行时分配的内存字节数。

量表

name

整数（无单位）

go_next_gc

下一个垃圾回收周期的目标堆大小。

量表

name

整数（无单位）

go_last_gc

最后一次垃圾回收完成的时间（Epoch 或 Unix 时间）。

量表

name

Nanoseconds

go_total_gc_pause_ns

自程序启动以来，垃圾回收的 stop-the-world 暂停的累积时间。

量表

name

Nanoseconds

go_num_gc

完成的垃圾回收周期数量。

量表

name

整数（无单位）

go_num_forced_gc

由于应用调用垃圾回收功能而强制执行的垃圾回收周期数量。

量表

name

整数（无单位）

go_gc_cpu_fraction

程序启动后，被垃圾收集器使用的程序可用 CPU 时间的比例。

量表

name

整数（无单位）

第 2 章 开发人员指标
复制链接

2.1. Serverless 开发人员指标概述
复制链接

指标 (metrics) 使开发人员能够监控 Knative 服务的运行情况。您可以使用 OpenShift Container Platform 监控堆栈记录并查看 Knative 服务的健康检查和指标。

您可以通过进入到 About monitoring dashboard 来查看 OpenShift Serverless 的不同指标

警告

如果使用 mTLS 启用 Service Mesh，则 Knative Serving 的指标会被默认禁用，因为 Service Mesh 会防止 Prometheus 提取指标。

有关解决这个问题的详情，请参阅在使用带有 mTLS 的 Service Mesh 时启用 Knative Serving 指标。

提取指标不会影响 Knative 服务的自动扩展，因为提取请求不会通过激活器。因此，如果没有 pod 正在运行，则不会进行提取。

2.2. Knative 服务指标默认公开
复制链接

Expand
表 2.1. 在端口 9091 上为每个 Knative 服务公开的指标
指标名称、单元和类型描述指标标签

request_count

指标单元：无维度

指标类型：计数器

路由到 queue-proxy 的请求数。

configuration_name="event-display", container_name="queue-proxy", namespace_name="apiserversource1", pod_name="event-display-00001-deployment-658fd4f9cf-qcnr5", response_code="200", response_code_class="2xx", revision_name="event-display-00001", service_name="event-display"

request_latencies

指标单元：毫秒

指标类型：togram

以毫秒为单位的响应时间。

configuration_name="event-display", container_name="queue-proxy", namespace_name="apiserversource1", pod_name="event-display-00001-deployment-658fd4f9cf-qcnr5", response_code="200", response_code_class="2xx", revision_name="event-display-00001", service_name="event-display"

app_request_count

指标单元：无维度

指标类型：计数器

路由到 user-container 的请求数。

configuration_name="event-display", container_name="queue-proxy", namespace_name="apiserversource1", pod_name="event-display-00001-deployment-658fd4f9cf-qcnr5", response_code="200", response_code_class="2xx", revision_name="event-display-00001", service_name="event-display"

app_request_latencies

指标单元：毫秒

指标类型：togram

以毫秒为单位的响应时间。

configuration_name="event-display", container_name="queue-proxy", namespace_name="apiserversource1", pod_name="event-display-00001-deployment-658fd4f9cf-qcnr5", response_code="200", response_code_class="2xx", revision_name="event-display-00001", service_name="event-display"

queue_depth

指标单元：无维度

指标类型：量表

服务和等待队列中的当前项目数，或者如果无限并发，则不报告。使用 breaker.inFlight。

configuration_name="event-display", container_name="queue-proxy", namespace_name="apiserversource1", pod_name="event-display-00001-deployment-658fd4f9cf-qcnr5", response_code="200", response_code_class="2xx", revision_name="event-display-00001", service_name="event-display"

2.3. 带有自定义应用程序指标的 Knative 服务
复制链接

您可以扩展 Knative 服务导出的指标集合。具体的实施取决于您的应用和使用的语言。

以下列表实施了一个 Go 应用示例，它导出处理的事件计数自定义指标。 

package main

import (
  "fmt"
  "log"
  "net/http"
  "os"

  "github.com/prometheus/client_golang/prometheus"
1 

  "github.com/prometheus/client_golang/prometheus/promauto"
  "github.com/prometheus/client_golang/prometheus/promhttp"
)

var (
  opsProcessed = promauto.NewCounter(prometheus.CounterOpts{
2 

     Name: "myapp_processed_ops_total",
     Help: "The total number of processed events",
  })
)


func handler(w http.ResponseWriter, r *http.Request) {
  log.Print("helloworld: received a request")
  target := os.Getenv("TARGET")
  if target == "" {
     target = "World"
  }
  fmt.Fprintf(w, "Hello %s!\n", target)
  opsProcessed.Inc()
3 

}

func main() {
  log.Print("helloworld: starting server...")

  port := os.Getenv("PORT")
  if port == "" {
     port = "8080"
  }

  http.HandleFunc("/", handler)

  // Separate server for metrics requests
  go func() {
4 

     mux := http.NewServeMux()
     server := &http.Server{
        Addr: fmt.Sprintf(":%s", "9095"),
        Handler: mux,
     }
     mux.Handle("/metrics", promhttp.Handler())
     log.Printf("prometheus: listening on port %s", 9095)
     log.Fatal(server.ListenAndServe())
  }()

   // Use same port as normal requests for metrics
  //http.Handle("/metrics", promhttp.Handler())
5 

  log.Printf("helloworld: listening on port %s", port)
  log.Fatal(http.ListenAndServe(fmt.Sprintf(":%s", port), nil))
}
Copy to Clipboard Toggle word wrap
1
包含 Prometheus 软件包。
2
定义 opsProcessed 指标。
3
递增 opsProcessed 指标。
4
将配置为将单独的服务器用于指标请求.
5
将配置为使用与指标和指标子路径正常请求相同的端口。

2.4. 配置提取自定义指标
复制链接

自定义指标提取由专门用于用户工作负载监控的 Prometheus 实例执行。启用用户工作负载监控并创建应用程序后，您需要一个配置来定义监控堆栈提取指标的方式。

以下示例配置为您的应用程序定义了 ksvc 并配置服务监控器。确切的配置取决于您的应用程序以及它如何导出指标。 

apiVersion: serving.knative.dev/v1
1 

kind: Service
metadata:
  name: helloworld-go
spec:
  template:
    metadata:
      labels:
        app: helloworld-go
      annotations:
    spec:
      containers:
      - image: docker.io/skonto/helloworld-go:metrics
        resources:
          requests:
            cpu: "200m"
        env:
        - name: TARGET
          value: "Go Sample v1"
---
apiVersion: monitoring.coreos.com/v1
2 

kind: ServiceMonitor
metadata:
  labels:
  name: helloworld-go-sm
spec:
  endpoints:
  - port: queue-proxy-metrics
    scheme: http
  - port: app-metrics
    scheme: http
  namespaceSelector: {}
  selector:
    matchLabels:
       name:  helloworld-go-sm
---
apiVersion: v1
3 

kind: Service
metadata:
  labels:
    name:  helloworld-go-sm
  name:  helloworld-go-sm
spec:
  ports:
  - name: queue-proxy-metrics
    port: 9091
    protocol: TCP
    targetPort: 9091
  - name: app-metrics
    port: 9095
    protocol: TCP
    targetPort: 9095
  selector:
    serving.knative.dev/service: helloworld-go
  type: ClusterIP
Copy to Clipboard Toggle word wrap
1
应用程序规格。
2
配置提取应用程序的指标。
3
提取指标的方式的配置。

2.5. 检查服务的指标
复制链接

在将应用配置为导出指标和监控堆栈以提取它们后，您可以在 web 控制台中查看指标数据。

先决条件

  • 已登陆到 OpenShift Container Platform Web 控制台。
  • 安装了 OpenShift Serverless Operator 和 Knative Serving。

流程

  1. 可选：针对应用程序运行请求，您可以在指标中看到： 

    $ hello_route=$(oc get ksvc helloworld-go -n ns1 -o jsonpath='{.status.url}') && \
    curl $hello_route
    Copy to Clipboard Toggle word wrap

    输出示例

    Hello Go Sample v1!
    Copy to Clipboard Toggle word wrap

  2. 在 Web 控制台中，进入 Observe → Metrics 界面。

  3. 在输入字段中，输入您要观察到的指标的查询，例如： 

    revision_app_request_count{namespace="ns1", job="helloworld-go-sm"}
    Copy to Clipboard Toggle word wrap

    另一个示例： 

    myapp_processed_ops_total{namespace="ns1", job="helloworld-go-sm"}
    Copy to Clipboard Toggle word wrap
  4. 观察视觉化的指标：

2.5.1. 队列代理指标
复制链接

每个 Knative 服务都有一个代理容器，用于代理到应用程序容器的连接。报告多个用于队列代理性能的指标。

您可以使用以下指标来测量请求是否排入代理端，并在应用一侧服务请求的实际延迟。

Expand
指标名称描述类型Tags单位

revision_request_count

路由到 queue-proxy pod 的请求数。

计数

configuration_name, container_name, namespace_name, pod_name, response_code, response_code_class, revision_name, service_name

整数（无单位）

revision_request_latencies

修订请求的响应时间。

Histogram

configuration_name, container_name, namespace_name, pod_name, response_code, response_code_class, revision_name, service_name

Milliseconds

revision_app_request_count

路由到 user-container 容器集的请求数。

计数

configuration_name, container_name, namespace_name, pod_name, response_code, response_code_class, revision_name, service_name

整数（无单位）

revision_app_request_latencies

修订应用程序请求的响应时间。

Histogram

configuration_name, namespace_name, pod_name, response_code, response_code_class, revision_name, service_name

Milliseconds

revision_queue_depth

当前在 serving 和 waiting 队列中的项的数量。如果配置了无限并发，则不会报告此指标。

量表

configuration_name, event-display, container_name, namespace_name, pod_name, response_code_class, revision_name, service_name

整数（无单位）

2.6. 服务指标的仪表板
复制链接

您可以使用专用的仪表板来按命名空间聚合队列代理指标，以检查指标。

2.6.1. 在仪表板中检查服务的指标
复制链接

先决条件

  • 已登陆到 OpenShift Container Platform Web 控制台。
  • 安装了 OpenShift Serverless Operator 和 Knative Serving。

流程

  1. 在 Web 控制台中，进入 Observe → Metrics 界面。
  2. 选择 Knative User Services (Queue Proxy metrics) 仪表板。
  3. 选择与应用程序对应的 Namespace 、Configuration 和 Revision。
  4. 观察视觉化的指标。

第 3 章 集群日志记录
复制链接

3.1. 为 Serving 和 Eventing 配置日志设置
复制链接

您可以使用 KnativeServing 和 KnativeEventing 自定义资源(CR)为 OpenShift Serverless Serving 和 OpenShift Serverless Eventing 配置日志记录。日志记录的级别由指定的 loglevel 值决定。

3.1.1. 支持的日志级别
复制链接

支持以下 loglevel 值：

Expand
表 3.1. 支持的日志级别
日志级别描述

debug

细粒度调试

info

普通日志记录

warn

意外但非关键错误

错误

关键错误；正常操作期间出现意外错误

dpanic

在 debug 模式中，触发 panic (crash)

警告

将 debug 级别用于生产环境可能会对性能造成负面影响。

3.1.2. 配置日志设置
复制链接

您可以在 KnativeServing 自定义资源(CR)和 KnativeEventing CR 中配置 Serving 和 Eventing 的日志记录。

流程

  • 通过在 KnativeServing 和 KnativeEventing CR 中设置或修改 loglevel 值来配置 Serving 和 Eventing 的日志设置。以下是两个示例配置，所有可能的日志选项都设置为 level info ：

    KnativeServing CR

    apiVersion: operator.knative.dev/v1beta1
kind: KnativeServing
metadata:
  name: knative-serving
  namespace: knative-serving
spec:
  config:
    logging:
      loglevel.controller: "info"
      loglevel.autoscaler: "info"
      loglevel.queueproxy: "info"
      loglevel.webhook: "info"
      loglevel.activator: "info"
      loglevel.hpaautoscaler: "info"
      loglevel.net-certmanager-controller: "info"
      loglevel.net-istio-controller: "info"
      loglevel.net-kourier-controller: "info"
    Copy to Clipboard Toggle word wrap

    KnativeEventing CR

    apiVersion: operator.knative.dev/v1beta1
kind: KnativeEventing
metadata:
  name: knative-eventing
  namespace: knative-eventing
spec:
  config:
    logging:
      loglevel.controller: "info"
      loglevel.eventing-webhook: "info"
      loglevel.inmemorychannel-dispatcher: "info"
      loglevel.inmemorychannel-webhook: "info"
      loglevel.mt-broker-controller: "info"
      loglevel.mt_broker_filter: "info"
      loglevel.mt_broker_ingress: "info"
      loglevel.pingsource-mt-adapter: "info"
    Copy to Clipboard Toggle word wrap

3.1.3. 配置请求日志设置
复制链接

您可以在 KnativeServing 自定义资源(CR)的 observability 字段中为服务配置请求日志记录。

有关配置请求日志记录的可用参数的详情，请参考"请求日志记录参数"。

流程

  • 通过修改 KnativeServing CR 中的 observability 字段来配置服务的请求日志记录：

    KnativeServing CR 示例

    apiVersion: operator.knative.dev/v1beta1
kind: KnativeServing
metadata:
  name: knative-serving
  namespace: knative-serving
# ...
spec:
  config:
    observability:
        logging.enable-request-log: true
        logging.enable-probe-request-log: true
        logging.request-log-template: '{"httpRequest": {"requestMethod": "{{.Request.Method}}", "requestUrl": "{{js .Request.RequestURI}}", "requestSize": "{{.Request.ContentLength}}", "status": {{.Response.Code}}, "responseSize": "{{.Response.Size}}", "userAgent": "{{js .Request.UserAgent}}", "remoteIp": "{{js .Request.RemoteAddr}}", "serverIp": "{{.Revision.PodIP}}", "referer": "{{js .Request.Referer}}", "latency": "{{.Response.Latency}}s", "protocol": "{{.Request.Proto}}"}, "traceId": "{{index .Request.Header "X-B3-Traceid"}}"}'
# ...
    Copy to Clipboard Toggle word wrap

3.1.4. 请求日志记录的参数
复制链接

下表描述了用于配置请求日志记录的参数。

Expand
表 3.2. 请求日志记录配置参数
参数类型描述

logging.enable-request-log

布尔值(true 或 false)

设置为 true 以启用请求日志记录。

logging.enable-probe-request-log

布尔值(true 或 false)

设置为 true 以启用队列代理将探测请求记录到 stdout。它使用 logging.request-log-template 中指定的模板。

logging.request-log-template

Go text/template 字符串

确定请求日志的形成。使用一行以防止将日志分成多个记录。

logging.request-log-template 参数包括以下功能：

  • request 是一个 http. Request ，代表服务器收到的 HTTP 请求。

  • response 代表 HTTP 响应，并包括以下字段：

    • Code 是 HTTP 状态代码。
    • size 是响应的大小，以字节为单位。
    • latency 是响应延迟（以秒为单位）。

  • 修订 包含修订详情，并包括以下字段：

    • name 是修订版本的名称。
    • namespace 是修订版本的命名空间。
    • service 是服务的名称。
    • configuration 是 配置 的名称。
    • pod name 是托管该修订版本的 pod 的名称。
    • podIP 是托管 pod 的 IP 地址。

第 4 章 Tracing
复制链接

4.1. 跟踪请求
复制链接

分布式追踪记录了一个请求在组成一个应用程序的多个微服务间的路径。它被用来将不同工作单元的信息串联在一起，理解分布式事务中整个事件链。工作单元可能会在不同进程或主机中执行。

4.1.1. 分布式追踪概述
复制链接

作为服务所有者，您可以使用分布式追踪来检测您的服务，以收集与服务架构相关的信息。您可以使用分布式追踪来监控、网络性能分析，并对现代、云原生的基于微服务的应用中组件之间的交互进行故障排除。

通过分布式追踪，您可以执行以下功能：

  • 监控分布式事务
  • 优化性能和延迟时间
  • 执行根原因分析

Red Hat OpenShift distributed tracing 包括两个主要组件：

  • Red Hat OpenShift distributed tracing Platform - 此组件基于开源 Jaeger 项目。
  • Red Hat OpenShift distributed tracing 数据收集 - 此组件基于开源 OpenTelemetry 项目。

这两个组件都基于厂商中立的 OpenTracing API 和工具。

4.2. 使用 Red Hat OpenShift distributed tracing
复制链接

您可以使用 Red Hat OpenShift Serverless 的 Red Hat OpenShift distributed tracing 监控无服务器应用程序并进行故障排除。

Red Hat OpenShift distributed tracing 由几个组件组成，它们一起收集、存储和显示追踪数据。

先决条件

  • 您可以访问具有集群管理员权限的 OpenShift Container Platform 帐户。
  • 您已按照 OpenShift Container Platform "Installing distributed tracing" 文档 安装了 Red Hat OpenShift distributed tracing。
  • 已安装 OpenShift CLI(oc)。
  • 您已创建了一个项目，或者具有适当的角色和权限访问项目，以便在 OpenShift Container Platform 中创建应用程序和其他工作负载。

流程

  1. 创建 OpenTelemetryCollector 自定义资源 (CR) ：

    OpenTelemetryCollector CR 示例

    apiVersion: opentelemetry.io/v1alpha1
kind: OpenTelemetryCollector
metadata:
  name: cluster-collector
  namespace: <namespace>
spec:
  mode: deployment
  config: |
    receivers:
      zipkin:
    processors:
    exporters:
      jaeger:
        endpoint: jaeger-all-in-one-inmemory-collector-headless.tracing-system.svc:14250
        tls:
          ca_file: "/var/run/secrets/kubernetes.io/serviceaccount/service-ca.crt"
      logging:
    service:
      pipelines:
        traces:
          receivers: [zipkin]
          processors: []
          exporters: [jaeger, logging]
    Copy to Clipboard Toggle word wrap

  2. 验证有两个 pod 在安装了 Red Hat OpenShift distributed tracing 的命名空间中运行： 

    $ oc get pods -n <namespace>
    Copy to Clipboard Toggle word wrap

    输出示例

    NAME                                          READY   STATUS    RESTARTS   AGE
cluster-collector-collector-85c766b5c-b5g99   1/1     Running   0          5m56s
jaeger-all-in-one-inmemory-ccbc9df4b-ndkl5    2/2     Running   0          15m
    Copy to Clipboard Toggle word wrap

  3. 验证是否已创建以下无头服务： 

    $ oc get svc -n <namespace> | grep headless
    Copy to Clipboard Toggle word wrap

    输出示例

    cluster-collector-collector-headless            ClusterIP   None             <none>        9411/TCP                                 7m28s
jaeger-all-in-one-inmemory-collector-headless   ClusterIP   None             <none>        9411/TCP,14250/TCP,14267/TCP,14268/TCP   16m
    Copy to Clipboard Toggle word wrap

    这些服务用于配置 Jaeger、Knative Serving 和 Knative Eventing。Jaeger 服务的名称可能会有所不同。

  4. 按照"安装 OpenShift Serverless Operator"文档安装 OpenShift Serverless Operator。

  5. 通过创建以下 KnativeServing CR 来安装 Knative Serving：

    KnativeServing CR 示例

    apiVersion: operator.knative.dev/v1beta1
kind: KnativeServing
metadata:
    name: knative-serving
    namespace: knative-serving
spec:
  config:
    tracing:
      backend: "zipkin"
      zipkin-endpoint: "http://cluster-collector-collector-headless.tracing-system.svc:9411/api/v2/spans"
      debug: "false"
      sample-rate: "0.1"
    1
    Copy to Clipboard Toggle word wrap

    1
    sample-rate 定义抽样概率。sample-rate: "0.1" 表示在 10 个 trace 中会抽样 1 个。

  6. 通过创建以下 KnativeEventing CR 来安装 Knative Eventing ：

    Example KnativeEventing CR

    apiVersion: operator.knative.dev/v1beta1
kind: KnativeEventing
metadata:
    name: knative-eventing
    namespace: knative-eventing
spec:
  config:
    tracing:
      backend: "zipkin"
      zipkin-endpoint: "http://cluster-collector-collector-headless.tracing-system.svc:9411/api/v2/spans"
      debug: "false"
      sample-rate: "0.1"
    1
    Copy to Clipboard Toggle word wrap

    1
    sample-rate 定义抽样概率。sample-rate: "0.1" 表示在 10 个 trace 中会抽样 1 个。

  7. 创建 Knative 服务：

    服务示例

    apiVersion: serving.knative.dev/v1
kind: Service
metadata:
  name: helloworld-go
spec:
  template:
    metadata:
      labels:
        app: helloworld-go
      annotations:
        autoscaling.knative.dev/minScale: "1"
        autoscaling.knative.dev/target: "1"
    spec:
      containers:
      - image: quay.io/openshift-knative/helloworld:v1.2
        imagePullPolicy: Always
        resources:
          requests:
            cpu: "200m"
        env:
        - name: TARGET
          value: "Go Sample v1"
    Copy to Clipboard Toggle word wrap

  8. 向服务发出一些请求：

    HTTPS 请求示例

    $ curl https://helloworld-go.example.com
    Copy to Clipboard Toggle word wrap

  9. 获取 Jaeger web 控制台的 URL：

    示例命令

    $ oc get route jaeger-all-in-one-inmemory  -o jsonpath='{.spec.host}' -n <namespace>
    Copy to Clipboard Toggle word wrap

    现在，您可以使用 Jaeger 控制台检查 trace。

4.3. 使用 Jaeger 分布式追踪
复制链接

如果您不想安装 Red Hat OpenShift distributed tracing 的所有组件，您仍可使用带有 OpenShift Serverless 的 OpenShift Container Platform 上的分布式追踪。

4.3.1. 配置 Jaeger 以启用分布式追踪
复制链接

要使用 Jaeger 启用分布式追踪，您必须安装并配置 Jaeger 作为独立集成。

先决条件

  • 在 OpenShift Container Platform 上具有集群管理员权限，或者具有 Red Hat OpenShift Service on AWS 或 OpenShift Dedicated 的集群或专用管理员权限。
  • 已安装 OpenShift Serverless Operator、Knative Serving 和 Knative Eventing。
  • 已安装 Red Hat OpenShift distributed tracing platform Operator。
  • 已安装 OpenShift CLI(oc)。
  • 您已创建了一个项目，或者具有适当的角色和权限访问项目，以创建应用程序和其他工作负载。

流程

  1. 创建并应用包含以下内容的 Jaeger 自定义资源（CR）：

    Jaeger CR

    apiVersion: jaegertracing.io/v1
kind: Jaeger
metadata:
  name: jaeger
  namespace: default
    Copy to Clipboard Toggle word wrap

  2. 通过编辑 KnativeServing CR 并添加用于追踪的 YAML 配置来启用 Knative Serving 的追踪：

    Serving 的追踪 YAML 示例

    apiVersion: operator.knative.dev/v1beta1
kind: KnativeServing
metadata:
  name: knative-serving
  namespace: knative-serving
spec:
  config:
    tracing:
      sample-rate: "0.1"
    1 
    
      backend: zipkin
    2 
    
      zipkin-endpoint: "http://jaeger-collector.default.svc.cluster.local:9411/api/v2/spans"
    3 
    
      debug: "false"
    4
    Copy to Clipboard Toggle word wrap

    1
    sample-rate 定义抽样概率。sample-rate: "0.1" 表示在 10 个 trace 中会抽样 1 个。
    2
    后端 必须设为 zipkin。
    3
    zipkin-endpoint 必须指向您的 jaeger-collector 服务端点。要获取此端点，请替换应用 Jaeger CR 的命名空间。
    4
    调试（debugging）应设为 false。通过设置 debug: "true" 启用调试模式，可绕过抽样将所有 span 发送到服务器。

  3. 通过编辑 KnativeEventing CR 来启用 Knative Eventing 的追踪：

    Eventing 的追踪 YAML 示例

    apiVersion: operator.knative.dev/v1beta1
kind: KnativeEventing
metadata:
  name: knative-eventing
  namespace: knative-eventing
spec:
  config:
    tracing:
      sample-rate: "0.1"
    1 
    
      backend: zipkin
    2 
    
      zipkin-endpoint: "http://jaeger-collector.default.svc.cluster.local:9411/api/v2/spans"
    3 
    
      debug: "false"
    4
    Copy to Clipboard Toggle word wrap

    1
    sample-rate 定义抽样概率。sample-rate: "0.1" 表示在 10 个 trace 中会抽样 1 个。
    2
    将 backend 设置为 zipkin。
    3
    将 zipkin-endpoint 指向 jaeger-collector 服务端点。要获取此端点，请替换应用 Jaeger CR 的命名空间。
    4
    调试（debugging）应设为 false。通过设置 debug: "true" 启用调试模式，可绕过抽样将所有 span 发送到服务器。

验证

您可以使用 jaeger 路由来访问 Jaeger web 控制台以查看追踪数据。

  1. 输入以下命令来获取 jaeger 路由的主机名： 

    $ oc get route jaeger -n default
    Copy to Clipboard Toggle word wrap

    输出示例

    NAME     HOST/PORT                         PATH   SERVICES       PORT    TERMINATION   WILDCARD
jaeger   jaeger-default.apps.example.com          jaeger-query   <all>   reencrypt     None
    Copy to Clipboard Toggle word wrap

  2. 在浏览器中使用端点地址来查看控制台。

法律通告
复制链接

Copyright © 2025 Red Hat, Inc.
The text of and illustrations in this document are licensed by Red Hat under a Creative Commons Attribution–Share Alike 3.0 Unported license ("CC-BY-SA"). An explanation of CC-BY-SA is available at http://creativecommons.org/licenses/by-sa/3.0/. In accordance with CC-BY-SA, if you distribute this document or an adaptation of it, you must provide the URL for the original version.
Red Hat, as the licensor of this document, waives the right to enforce, and agrees not to assert, Section 4d of CC-BY-SA to the fullest extent permitted by applicable law.
Red Hat, Red Hat Enterprise Linux, the Shadowman logo, the Red Hat logo, JBoss, OpenShift, Fedora, the Infinity logo, and RHCE are trademarks of Red Hat, Inc., registered in the United States and other countries.
Linux® is the registered trademark of Linus Torvalds in the United States and other countries.
Java® is a registered trademark of Oracle and/or its affiliates.
XFS® is a trademark of Silicon Graphics International Corp. or its subsidiaries in the United States and/or other countries.
MySQL® is a registered trademark of MySQL AB in the United States, the European Union and other countries.
Node.js® is an official trademark of Joyent. Red Hat is not formally related to or endorsed by the official Joyent Node.js open source or commercial project.
The OpenStack® Word Mark and OpenStack logo are either registered trademarks/service marks or trademarks/service marks of the OpenStack Foundation, in the United States and other countries and are used with the OpenStack Foundation's permission. We are not affiliated with, endorsed or sponsored by the OpenStack Foundation, or the OpenStack community.
All other trademarks are the property of their respective owners.
Red Hat logoGithubredditYoutubeTwitter

学习

尝试、购买和销售

社区

关于红帽文档

通过我们的产品和服务，以及可以信赖的内容，帮助红帽用户创新并实现他们的目标。 了解我们当前的更新.

让开源更具包容性

红帽致力于替换我们的代码、文档和 Web 属性中存在问题的语言。欲了解更多详情，请参阅红帽博客.

關於紅帽

我们提供强化的解决方案，使企业能够更轻松地跨平台和环境（从核心数据中心到网络边缘）工作。

Theme

© 2026 Red Hat返回顶部