• k8s-prometheus课程答疑和运维开发职业发展规划

• 白嫖当然没关系，我已经贡献了很多文章和开源项目，当然还有免费的视频
• 但是客观的讲，如果你能力超强是可以一直白嫖的，可以看源码。什么问题都可以解决
• 看似免费的资料很多，但大部分都是边角料，核心的东西不会免费，更不会有大神给你答疑
• thanos和kube-prometheus如果你对prometheus源码把控很好的话，再加上k8s知识的话就觉得不难了

• 这个stree-index之前写的比较挫
• 比如node_path的自身id拼接
• 比如全局变量没有使用接口容器
• 比如没有mock公有云更新的方法
• 比如没有考虑物理机agent rpc上报信息的case
• 比如倒排索引模块没有抽取出来

• 更有课程放送，让你也学会写go项目

项目地址: https://github.com/ning1875/stree-index

服务树效果图 可以看我之前写的文章 服务树系列(一)：什么是服务树及其核心功能

• 树级结构
• 灵活的资源查询
• 权限相关 今天仅讨论前两种的实现

• 左右值编码
• 区间嵌套
• 闭包表
• 物化路径 而stree-index采用的是物化路径

在创建节点时，将节点的完整路径进行记录，方案借助了unix文件目录的**，主要时以空间换时间

+-----+-------+------------+-------------------------+
| id  | level | path       | node_name               |
+-----+-------+------------+-------------------------+
|  84 |     3 | /1/18/84   | ads-schedule            |
| 213 |     3 | /1/212/213 | share                   |
| 317 |     3 | /1/212/317 | ssr                     |
| 320 |     3 | /1/212/320 | prod                    |
| 475 |     3 | /1/212/475 | share-server-plus       |
| 366 |     3 | /1/365/366 | minivideo               |
| 368 |     3 | /1/365/368 | userinfo                |
+-----+-------+------------+-------------------------+

• 接口代码在 E:\go_path\src\stree-index\pkg\web\controller\node-path\path_controller.go中
• level 字段代表层级 eg: a.b.c 对应的level分别为2.3.4
• path 路径 path最后的字段为其id值，上一级为其父节点id值
• node_name 叶子节点name

+-----------+--------------+------+-----+---------+----------------+
| Field     | Type         | Null | Key | Default | Extra          |
+-----------+--------------+------+-----+---------+----------------+
| id        | int(11)      | NO   | PRI | NULL    | auto_increment |
| level     | tinyint(4)   | NO   | MUL | NULL    |                |
| path      | varchar(200) | YES  |     | NULL    |                |
| node_name | varchar(200) | YES  |     | NULL    |                |
+-----------+--------------+------+-----+---------+----------------+

• 只需要判断传入的g.p.a各层级是否存在并添加即可
• 为了避免过多查询，我这里使用getall后变更。TODO 改为事务型

需要分两种情况

• 查询下一级子节点 即 根据获取g下gp列表

def get_gp():
    """

    :return:  返回请求的子节点
    t = ['hawkeye', 'stree', 'gateway']
    """
    data = {"node": "sgt", "level": 2, "max_dep": 1}
    tree_uri = '{}/query/node-path'.format(base_url)
    res = requests.get(tree_uri, params=data)
    print(res.json())

• 查询所有子孙节点

def get_node():
    """
    :return:  返回请求的子节点
    t = ['sgt.hawkeye.m3coordinator',
         'sgt.hawkeye.etcd',
         'sgt.hawkeye.collecter',
         'sgt.hawkeye.rule-eval',
         'sgt.hawkeye.query',
         'sgt.hawkeye.m3db',
         'sgt.stree.index',
         ]
    """
    data = {"node": "sgt", "level": 2}
    tree_uri = '{}/node-path'.format(base_url)
    res = requests.get(tree_uri, params=data)
    print(res.json())

比如:查询 G.P.A=a.hawkeye.etcd的ecs资源 拼出的sql类似

select * from  ecs where group="a" and product="hawkeye" and app="etcd"

同时mysql也满足下面5中查询条件

- eq 等于            : key=value 
- not_eq 不等于      : key!=value
- reg 正则匹配       : key=~value
- not_reg 正则非匹配 : key!~value
- 对比               : key> value

弊端

• 需要拼接的sql中每个条件是table 的字段
• 当然经常变动的字段可以存json字段使用 tags->'$."stree-project"'='hawkeye'
• 性能问题：单表字段过多导致的查询问题
• 不能直接给出分布情况，只能再叠加count

简单来说根据id查询记录叫索引，反过来根据tag匹配查找id就是倒排索引

• 核心结构MemPostings是一个双层map ，把tag=value 的记录按照tag作为第一层map的key， value作为内层map的key 内存map值为对应id set

type MemPostings struct {
   mtx     sync.RWMutex
   m       map[string]map[string][]uint64
   ordered bool
}

• 同时为了反向匹配和统计需求需要维护 values 和symbols

type HeadIndexReader struct {
   postings *index.MemPostings
   values   map[string]stringset
   symbols  map[string]struct{}
   symMtx   sync.RWMutex
}

• 将db的记录每条记录按照tag和id的对应关系构建索引
• 最内层set存储的是db 记录的主键id
• 这样就能够根据一组标签查询到主键id再去db中获取全量信息即可
• 这样查询速度是最快的
• db中所有的字段出timestamp外都可以用来构建索引，而后能所有的字段都可以被用作查询条件 举例

req_data = {
    'resource_type': 'elb',
    'use_index': True,
    'labels': [
        # 查询 group 不等于CBS，name ，正则匹配.*0dff.*，stree-app等于collecter的elb资源列表
        {'key': 'group', 'value': 'CBS', 'type': 2},
        {'key': 'name', 'value': '.*0dff.*', 'type': 3},
        {'key': 'stree-app', 'value': 'collecter', 'type': 1}]
}

• 匹配过程和上述一致
• 再用构建一个堆就可以得到分布情况 举例：根据kv组合查询 某一个key的分布情况 eg: 查询 G.P.A=SGT.hawkeye.m3db 的ecs资源按cluster标签分布情况

def query_dis():
    """

    :return:
    返回的是条件查询后按照目标label的分布情况
    dis = {
        'group': [
            {'name': 'business', 'value': 9},
            {'name': 'inf', 'value': 9},
            {'name': 'middleware', 'value': 9},
            {'name': 'bigdata', 'value': 9}
        ]
    }
    """


    req_data = {
        'resource_type': 'ecs',
        'use_index': True,
        'labels': [
            # 查询 G.P.A=SGT.hawkeye.m3db 的ecs资源按cluster标签分布情况
            {'key': 'group', 'value': 'SGT', 'type': 1},
            {'key': 'stree-project', 'value': 'hawkeye', 'type': 1},
            {'key': 'stree-app', 'value': 'm3db', 'type': 1}],
        'target_label': 'cluster'
    }
    query_uri = "{}/query/resource-distribution".format(base_url)
    res = requests.post(query_uri, json=req_data)
    print(res.json())

准备mysql和redis，并修改配置文件对应字段

根据scripts/db_schema.sql 建表

资源数据表

• ecs 云服务器
• elb 云负载均衡器
• rds 云关系型数据库
• dcs 云缓存
• 对应表名为 service_tree_ecs service_tree_elb service_tree_rds service_tree_dcs

ecs 云服务器规格表 service_tree_cloud_instance_type 树结构path表

• 资源数据可以由同步得来，自行实现即可
• 各个资源表中数据tags字段为json类型，切必须包含stree-index.yml的服务树tag

# g.p.a模型key对应table中json字段名称
tree_info:
 name_g: group
  name_p: stree-project
  name_a: stree-app

• ecs 云服务器规格表 可以由scripts/instance_type_insert.sh灌入，其中包含华为和aws的大部分规格数据

直接下载

wget https://github.com/ning1875/stree-index/releases/download/v1.0/stree-index-1.0.linux-amd64.tar.gz

自行编译

git clone https://github.com/ning1875/stree-index.git
cd  stree-index && make 

补充stree-index.yml 中db，redis等信息

直接启动

./stree-index --config.file=stree-index.yml

使用systemd启动

/bin/cp -f stree-index.service /etc/systemd/system/
/bin/cp -f stree-index /bin/
mkdir -pv /etc/stree-index 
/bin/cp -f stree-index.yml /etc/stree-index/
systemctl enable /etc/systemd/system/stree-index.service
systemctl start stree-index.service

观察日志

tail -f /var/log/messages |grep stree-index

查询path表应该有数据

select * from service_tree_path_tree limit 20;

{
    "resource_type":"ecs",
    "use_index":true,
    "labels":[
        {
            "key":"group",
            "value":"sgt",
            "type":1
        }],
	'target_label': 'cluster' # 查询分布时才需要
}

 {
        'code': 0,
        'current_page': 2, # 当前分页
        'page_size': 10,   # 每页limit
        'page_count': 0,   # 页数
        'total_count': 0,  # 总数
        'result': [] # 为符合查询条件的资源列表
    }

• page_size 代表每页数量，默认10
• current_page 代表当前分页num，默认1
• get_all 等于1时代表不分页获取符合条件的全部数据，默认0

目前支持的类型如下

• ecs 云服务器
• elb 云负载均衡器
• rds 云关系型数据库
• dcs 云缓存

• 1：eq 等于 : key=value
• 2：not_eq 不等于 : key!=value
• 3：reg 正则匹配 : key=~value
• 4：not_reg 正则非匹配 : key!~value - 对比 : key> value (暂时没支持)

• labels可传入多个key和value组合，可自由组合不同kv查询

stree-index 会打点，使用prometheus采集查看即可

  - job_name: stree
    honor_labels: true
    honor_timestamps: true
    scrape_interval: 60s
    scrape_timeout: 4s
    metrics_path: /metrics
    scheme: http
    static_configs:
    - targets:
      - $stree-index:9393