k8s怎么看并发量

在Kubernetes (K8s) 中，查看并发量的方式主要有以下几种：使用监控工具、配置水平自动扩展器 (HPA)、分析日志和使用自定义脚本。其中，使用监控工具是最常见且高效的方法。例如，Prometheus 和 Grafana 是两个广泛使用的开源监控工具，它们可以实时监控并展示集群和应用的性能数据，包括并发量。通过在 Kubernetes 集群中部署这些工具，你可以设置仪表板来实时跟踪并发请求的数量、响应时间和其他关键指标，从而全面了解并发量的情况。

一、使用监控工具

使用监控工具 是查看 K8s 并发量的最有效方式。Prometheus 和 Grafana 是目前最流行的组合。Prometheus 负责数据采集和存储，而 Grafana 则用于数据展示。通过在 K8s 集群中部署 Prometheus，你可以采集各种性能指标数据，并将其存储在时间序列数据库中。Grafana 读取这些数据并生成可视化仪表板，使你可以实时监控并发量、CPU 使用率、内存使用率等重要指标。

Prometheus 和 Grafana 的安装
- 首先，使用 Helm 图表在 Kubernetes 集群中安装 Prometheus 和 Grafana。
- 配置 Prometheus 用于数据采集，通过服务发现和配置文件，指定需要监控的指标和目标。
- 在 Grafana 中添加 Prometheus 数据源，并创建自定义仪表板以显示并发请求的实时数据。
自定义仪表板
- 使用 PromQL（Prometheus Query Language）编写查询语句，获取并发请求的数据。例如，rate(http_requests_total[1m]) 可以显示每分钟的请求数。
- 将这些查询结果在 Grafana 中展示，创建饼图、条形图和折线图等多种图表类型，以直观展示并发量。
告警设置
- 配置 Prometheus 告警规则，当并发量达到某个阈值时，触发告警。
- 使用 Alertmanager 管理告警，通过邮件、短信或其他通知方式，及时提醒运维人员。

二、配置水平自动扩展器 (HPA)

水平自动扩展器 (HPA) 可以根据指标自动调整 Pod 的副本数量，从而应对并发请求的波动。HPA 通过监控 CPU 使用率、内存使用率或自定义指标，动态增加或减少 Pod 数量，确保应用的高可用性和性能。

HPA 的配置
- 使用 kubectl autoscale 命令，指定目标部署、最小和最大副本数量以及扩展策略。
- 配置 HPA 使用的指标，可以是 Kubernetes 内置的 CPU 使用率、内存使用率，或自定义的 Prometheus 指标。
自定义指标的使用
- 通过 Prometheus Adapter，将 Prometheus 指标暴露给 Kubernetes API 服务器。
- 配置 HPA 使用这些自定义指标，如并发请求数、响应时间等，确保扩展策略更符合实际需求。
监控和调整
- 定期监控 HPA 的运行情况，分析扩展和缩减的频率和效果。
- 根据应用的实际表现，调整 HPA 的配置参数，优化扩展策略，提高系统的稳定性和响应速度。

三、分析日志

分析日志 是查看并发量的另一种有效方法。通过分析应用生成的访问日志，可以获取详细的请求信息，包括并发请求的数量、来源 IP、请求时间等。

日志采集
- 在应用容器中配置日志输出，将访问日志保存到文件或输出到标准输出。
- 使用 Fluentd、Logstash 等日志采集工具，将日志发送到集中式日志管理系统，如 Elasticsearch、Splunk 等。
日志分析
- 使用 Kibana 等可视化工具，分析和展示日志数据。
- 创建查询和仪表板，实时显示并发请求数量、响应时间分布等关键指标。
自动化报告
- 配置定期生成日志分析报告，帮助团队了解并发量的变化趋势。
- 设置告警规则，当日志中出现异常并发量时，自动发送通知。

四、使用自定义脚本

使用自定义脚本 可以根据具体需求，灵活地查看和分析并发量。通过编写脚本，定期收集和处理性能数据，生成报告或触发告警。

脚本编写
- 使用 Python、Go 等编程语言，编写脚本从 Kubernetes API 或 Prometheus 中获取数据。
- 处理并发请求的数据，计算平均并发量、最大并发量等指标。
自动化执行
- 配置定时任务，定期运行脚本，收集和分析数据。
- 将分析结果存储到数据库或文件中，方便后续查询和展示。
集成其他工具
- 将脚本与其他监控工具、告警系统集成，实现数据的自动收集和处理。
- 配置通知系统，当并发量达到某个阈值时，自动发送告警通知。