Flink Metrics指标采集方案
创建一个带Volume的Pod：本文讨论的都是基于Flink On K8s场景下，该场景下存在几个特点，一是存在线上业务系统资源复用，二是调度存在"随机性"，对现有的Flink Metrics采集及使用姿势提出了新的要求：
influxdb安装 influxdb安装包大小
influxdb安装 influxdb安装包大小
metrics.reporter.influxdb.password: qwerty
Flink任务自动扩缩容，智能诊断场景依赖Metrics指标进行加工分析处理，现有Promeus存储方案不再适合。
期望在Flink On K8s场景下，Flink Metrics指标采集，能够不依赖于基础环境，对扩缩容友好，，支持指标采集及分析数据存储统一，降低指标维护使用成本，对Flink Metrics指标采集方案进行调研
2.1.1、 原理架构图如下
2.1.2、 配置方式
将flink-metrics-promeus-1.14.3.jar 包放入到flink安装目录/lib下
修改flink-conf.yaml配置文件，设置属性
Example configurat也就是在etcd集群背景下，存在多个kube-apiserver，并用pod-保证仅是主可用。同时kube-sheduller和kube-controller-mar也存在多个，而且伴随着kube-apiserver 同一时间只能有一套运行。ion:
metrics.reporter.promgateway.host: localhost
metrics.reporter.promgateway.port: 90
metrics.reporter.promgateway.deleteOnShutdown: false
metrics.reporter.promgateway.groupingKey: k1=v1;k2=v2
metrics.reporter.promgateway.interval: 60 SECONDS
2.2.1、原理架构图如下
2.2.2、配置方式
将flink-metrics-promeus-1.14.3.jar 包放入到flink安装目录/lib下
修改flink-conf.yaml配置文件，设置属性
Example configuration:
metrics.reporter.prom.class: 9-9260
2.3..1、原理架构图如下
2.3.2、配置方式
将flink-metrics-influxdb-1.14.3.jar 包放入到flink安装目录/lib下
修改flink-conf.yaml配置文件，设置属性
Example configuration:
metrics.reporter.influxdb.factory.class: localhost
metrics.reporter.influxdb.port: 8086
metrics.reporter.influxdb.db: flink
metrics.reporter.influxdb.username: flink-metrics
metrics.reporter.influxdb.retentionPolicy: one_hour
metrics.reporter.influxdb.consistency: ANY
metrics.reporter.influxdb.connectTimeout: 60000
metrics.reporter.influxdb.writeTimeout: 60000
2.4.1、原理架构图如下
2.4.2、配置方式
将flink-metrics-jmx-1.14.3.jar 包放入到flink安装目录/lib下
修改flink-conf.yaml配置文件，设置属性
Example configuration:
metrics.reporter.jmx.factory.class: 9-9260
2.5.1、配置方式
修改flink-conf.yaml配置文件，设置属性
Example configuration:
metrics.reporter.slf4j.factory.class: 60 SECONDS
GraphiteReporter、StatsDReporter、DatadogHttpReporter
指标采集到Kafka后，将全量指标实时写入ClickHouse.
指标采集到Kafka后，将全量指标实时写入ClickHouse同时满足大盘需求及指标数据长期存储和二次加工分析，该方式优势指标数据源统一，任务大盘及告警
kubernetes 如何获取dashboard cpu使用率是怎么计算的
5. go语言二次开发我们先从整体上看一下Kubernetes的一些理念和基本架构， 然后从网络、 资源管理、存储、服务发现、负载均衡、高可用、rolling upgrade、安全、等方面向大家简单介绍Kubernetes的这些主要特性。
当然也会包括一些需要注意的问题。主要目的是帮助大家快速理解 Kubernetes的主要功能，今后在研究和使用这个具的时候有所参考和帮助。
1.Kubernetes的一些理念：
用户不需要关心需要多少台机器，只需要关心软件（服务）运行所需的环境。以服务为中心，你需要关心的是api，如何把大服务拆分成小服务，如何使用api去整合它们。
保证系统总是按照用户指定的状态去运行。
不仅仅提给你供容器服务，同样提供一种软件系统升级的方式；在保持HA的前提下去升级系统是很多用户最想要的功能，也是最难实现的。
那些需要担心和不需要担心的事情。
更好的支持微服务理念，划分、细分服务之间的边界，比如lablel、pod等概念的引入。
对于Kubernetes的架构，可以参考文档。
大致由一些主要组件构成，包括Master上的kube-apiserver、kube-scheduler、kube-controller-mar、控制组件kubectl、状态存储etcd、Sle上的kubelet、kube-proxy，以及底层的网络支持（可以用Flannel、OpenVSwitch、Wee等）。
看上去也是微服务的架构设计，不过目前还不能很好支持单个服务的横向伸缩，但这个会在 Kubernetes 的未来版本中解决。
2.Kubernetes的主要特性
会从网络、服务发现、负载均衡、资源管理、高可用、存储、安全、等方面向大家简单介绍Kubernetes的这些主要特性 -> 由于时间有限，只能简单一些了。
另外，对于服务发现、高可用和的一些更详细的介绍，感兴趣的朋友可以通过这篇文章了解。
Kubernetes的网络方式主要解决以下几个问题：
a. 紧耦合的容器之间通信，通过 Pod 和 localhost 访问解决。
b. Pod之间通信，建立通信子网，比如隧道、路由，Flannel、Open vSwitch、Wee。
c. Pod和Serv，以及外部系统和Serv的通信，引入Serv解决。
Kubernetes的网络会给每个Pod分配一个IP地址，不需要在Pod之间建立链接，也基本不需要去处理容器和主机之间的端口映射。
注意：Pod重建后，IP会被重新分配，所以内网通信不要依赖Pod IP；通过Serv环境变量或者DNS解决。
注意：kube-proxy 在集群规模较大以后，可能会有访问的性能问题，可以考虑用其他方式替换，比如HAProxy，直接导流到Serv 的endpints 或者 Pods上。Kubernetes也在修复这个问题。
3）资源管理
有3 个层次的资源限DNS服务以addon的方式，需要安装skydns和kube2dns。kube2dns会通过读取Kubernetes API获取服务的clusterIP和port信息，同时以watch的方式检查serv的变动，及时收集变动信息，并将对于的ip信息提交给etcd存档，而skydns通过etcd内的DNS记录信息，开启53端口对外提供服务。大概的DNS的域名记录是servname.namespace.tenx.domain, “tenx.domain”是提前设置的主域名。制方式，分别在Container、Pod、Namespace 层次。Container层次主要利用容器本身的支持，比如Docker 对CPU、内存、磁盘、网络等的支持；Pod方面可以限制系统内创建Pod的资源范围，比如或者最小的CPU、memory需求；Namespace层次就是对用户级别的资源限额了，包括CPU、内存，还可以限定Pod、rc、serv的数量。
目前的资源分配计算也相对简单，没有什么资源抢占之类的强大功能，通过每个上的资源总量、以及已经使用的各种资源加权和，来计算某个Pod优先非配到哪些，还没有加入对实际可用资源的评估，需要自己的scheduler plugin来支持。其实kubelet已经可以拿到的资源，只要进行收集计算即可，相信Kubernetes的后续版本会有支持。
4）高可用
主要是指Master的 HA方式 利用etcd实现 选举，从多个Master中得到一个kube-apiserver 保证至少有一个可用，实现high ailability。对外以loadbalancer的方式提供入口。这种方式可以用作ha，但仍未成熟，据了解，未来会更新升级ha的功能。
5） rolling upgrade
RC 在开始的设计就是让rolling upgrade变的更容易，通过一个一个替换Pod来更新serv，实现服务中断时间的最小化。基本思路是创建一个复本为1的新的rc，并逐步减少老的rc的复本、增加新的rc的复本，在老的rc数量为0时将其删除。
通过kubectl提供，可以指定更新的镜像、替换pod的时间间隔，也可以rollback 当前正在执行的upgrade作。
同样， Kuberntes也支持多版本同时部署，并通过lable来进行区分，在serv不变的情况下，调整支撑服务的Pod，测试、新Pod的工作情况。
6）存储
大家都知道容器本身一般不会对数据进行持久化处理，在Kubernetes中，容器异常退出，kubelet也只是简单的基于原有镜像重启一个新的容器。另外，如果我们在同一个Pod中运行多个容器，经常会需要在这些容器之间进行共享一些数据。Kuberenetes 的 Volume就是主要来解决上面两个基础问题的。
Docker 也有Volume的概念，但是相对简单，而且目前的支持很有限，Kubernetes对Volume则有着清晰定义和广泛的支持。其中最核心的理念：Volume只是一个目录，并可以被在同一个Pod中的所有容器访问。而这个目录会是什么样，后端用什么介质和里面的内容则由使用的特定Volume类型决定。
spec.volumes 指定这个Pod需要的volume信息 spec.containers.volumeMounts 指定哪些container需要用到这个Volume Kubernetes对Volume的支持非常广泛，有很多贡献者为其添加不同的存储支持，也反映出Kubernetes社区的活跃程度。
emptyDir 随Pod删除，适用于临时存储、灾难恢复、共享运行时数据，支持 RAM-backed filehostPath 类似于Docker的本地Volume 用于访问一些本地资源（比如本地Docker）。
gcePersistentDisk GCE disk - 只有在 Google Cloud Engine 平台上可用。
awsElasticBlockStore 类似于GCE disk 必须是 AWS EC2的实例 nfs - 支持网络文件系统。
rbd - Rados Block Dev - Ceph
secret 用来通过Kubernetes API 向Pod 传递敏感信息，使用 tmpfs （a RAM-backed file）
persistentVolumeClaim - 从抽象的PV中申请资源，而无需关心存储的提供方
glusterfs
is用户名密码写在URL中csi
gitRepo
根据自己的需求选择合适的存储类型，反正支持的够多，总用一款适合的 :）
7）安全
一些主要原则：
基础设施模块应该通过API server交换数据、修改系统状态，而且只有API server可以访问后端存储（etcd）。
把用户分为不同的角色：Dlopers/Project Admins/Administrators。
允许Dlopers定义secrets 对象，并在pod启动时关联到相关容器。
以secret 为例，如果kubelet要去pull 私有镜像，那么Kubernetes支持以下方式：
通过docker login 生成 .dockercfg 文件，进行全局授权。
认证 （Authentication）
API server 支持证书、token、和基本信息三种认证方式。
授权 （Authorization）
通过apiserver的安全端口，authorization会应用到所有的请求上
AlwaysDeny、AlwaysAllow、ABAC三种模式，其他需求可以自己实现Authorizer接口。
比较老的版本Kubernetes需要外接caisor主要功能是将node主机的container metrics抓取出来。在较新的版本里，caior功能被集成到了kubelet组件中，kubelet在与docker交互的同时，对外提供服务。
Kubernetes集群范围内的主要由kubelet、heapster和storage backend（如influxdb）构建。Heapster可以在集群范围获取metrics和数据。它可以以pod的方式运行在k8s平台里，也可以单独运行以standalone的方式。
注意： heapster目前未到1.0版本，对于小规模的集群比较方便。但对于较大规模的集群，heapster目前的cache方式会吃掉大量内存。因为要定时获取整个集群的容器信息，信息在内存的临时存储成为问题，再加上heaspter要支持api获取临时metrics，如果将heapster以pod方式运行，很容易出现OOM。所以目前建议关掉cache并以standalone的方式出k8s平台。
mac安装influxdb及golang的简单调用
基本命令：1.mac肯定是brew通过在每个namespace上创建用户的secret对象，在创建Pod时指定 imagePullSecrets 属性（也可以统一设置在servAcouunt 上），进行授权。安装啦
cache-ma将flink-metrics-slf4j-1.14.3.jar 包放入到flink安装目录/lib下x-memory-size是用来配置缓存的
2.启动客户端
3.基本作
Flink Metrics指标采集方案
当配置了admin认证用户之后，进行的api请求的时候就要带上用户名和密码的参数，不然无法执行，示例如下：本文讨论的都是基于Flink On K8s场景下，该场景下存在几个特点，一是存在线上业务系统资源复用，二是调度存在"随机性"，对现有的Flink Metrics采集及使用姿势提出了新的要求：
LAMP和LNMP的架构Flink任务自动扩缩容，智能诊断场景依赖Metrics指标进行加工分析处理，现有Promeus存储方案不再适合。
期望在Flink On K8s场景下，Flink Metrics指标采集，能够不依赖于基础环境，对扩缩容友好，，支持指标采集及分析数据存储统一，降低指标维护使用成本，对Flink Metrics指标采集方案进行调研
2.1.1、 原理架构图如下
2.1.2、 配置方式
将flink-metrics-promeus-1.14.3.jar 包放入到flink安装目录/lib下
修改flinmetrics.reporter.promgateway.randomJobNameSuffix: truek-conf.yaml配置文件，设置属性
Example configuration:
metrics.reporter.promgateway.host: localhost
metrics.reporter.promgateway.port: 90
metrics.reporter.promgateway.deleteOnShutdown: false
metrics.reporter.promgateway.groupingKey: k1=v1;k2=v2
metrics.reporter.promgateway.interval: 60 SECONDS
2.2.1、原理架构图如下
2.2.2、配置方式
将flink-metrics-promeus-1.14.3.jar 包放入到flink安装目录/lib下
修改flink-conf.yaml配置文件，设置属性
Example configuration:
metrics.reporter.prom.class: 9-9260
2.3..1、原理架构图如下
2.3.2、配置方式
将flink-metrics-influxdb-1.14.3.jar 包放入到flink安装目录/lib下
修改flink-conf.yaml配置文件，设置属性
Example configuration:
metrics.reporter.influxdb.factory.class: localhost
metrics.reporter.influxdb.port: 8086
metrics.reporter.influxdb.db: flink
metrics.reporter.influxdb.username: flink-metrics
metrics.reporter.influxdb.retentionPolicy: one_hour
metrics.reporter.influxdb.consistency: ANY
metrics.reporter.influxdb.connectTimeout: 60000
metrics.reporter.influxdb.writeTimeout: 60000
2.4.1、原理架构图如下
2.4.2、配置方式
将flink-metrics-jmx-1.14.3.jar 包放入到flink安装目录/lib下
修改flink-conf.yaml配置文件，设置属性
Example configuration:
metrics.reporter.jmx.factory.class: 9-9260
2.5.1、配置方式
修改flink-conf.yaml配置文件，设置属性
Example configuration:
metrics.reporter.slf4j.factory.class: 60 SECONDS
GraphiteReporter、StatsDReporter、DatadogHttpReporter
指标采集到Kafka后，将全量指标实时写入ClickHouse.
指标采集到Kafka后，将全量指标实时写入ClickHouse同时满足大盘需求及指标数据长期存储和二次加工分析，该方式优势指标数据源统一，任务大盘及告警
8. InfluxDB配置admin用户认证登陆
不管是yum安装，亦或者是docker安装的方式，influxdb默认安装完毕之后，并不会自带用户认证的功能，直接就可以进行访问的了。
情况如下：
或者c直接查询出来数据，不需要用户认证，如下：
对于这种不设置防备的措施，总体来说，不是很好。
所以，下面来看看怎么设置用户认证。
实际作如下：
默认情况下，influxdb的配置文件是禁用认证策略的，所以需要修改设置一下。
编辑配置文件 vim /etc/influxdb/influxdb.conf ，把 [] 下的 auth-enabled 选项设置为 true 。
在配置启动认证以及重启influxdb之后，如果不使用admin用户登陆，则会报错如下：
这里使用admin认证用户登陆访问一下，格式如下：
执行如下：
执行如下：
其中增加 ?pretty=true 可以将kube-proxy和DNS， 在v1之前，Serv含有字段portalip 和publicIPs， 分别指定了服务的虚拟ip和服务的出口机ip，publicIPs可任意指定成集群中任意包含kube-proxy的，可多个。portalIp 通过NAT的方式跳转到container的内网地址。在v1版本中，publicIPS被约定废除，标记为deprecatedPublicIPs，仅用作向后兼容，portalIp也改为ClusterIp, 而在serv port 定义列表里，增加了nodePort项，即对应node上映射的服务端口。 json 展开显示。
当然设置了用户认证之后，写入数据既有的指标采集需要先落本地，再由nodeexporter或lancer导出到目标存储，强依赖于Local环境，线上业务系统资源环境异较大，扩容等维护成本较高，资源隔离性不够好。的时候也要带上用户名以及密码 &u=username&p=password ，如下：
用户名密码写在HTTP头Authorization选项
下面来执行一下：
查看插入后的influxdb数据，如下：metrics.reporter.promgateway.class: 运维工程师需要掌握什么技能？ metrics.reporter.promgateway.jobName: myJob
一、Linux 基础部分
8）1、基础理论知识
2、基础命令（系统命令、目录管理、用户管理、文件权限、磁盘管理、资源查看等等常见作）
3、文本高效处理（vi、vim、awk、grep、find、sed等）
4、bash shell脚本（可以边工作边学习,使用shell编写简单的代替重复性作的脚本）
5. 进程调度，内存管理，文件系统，外设管理等，要熟练使用相关工具，如top iotop iftop iostat vmstat ss等，并且了解其原理
二、网络管理、进程管理
1、TCP/IP协议、DNS服务、CDN原理、iproute常见的网络客户端工具（ping、wget、ftp）
2、crontab任务
3、ps、top、htop、vmstat、lsof等命令
4. tcp，，s，udp等
5. 能做到精通，4层，7层的网络流量分析技能要熟练掌握。
6. 内部路由协议，边际路由，交换原理，域名解析，ipv6相关知识
三. 数据库部分
MySQL各个版本之间的关系和特性
MySQL的安装及增删改查
MySQL的存储引擎
MySQL的优化
MySQL日常使用及运维，包含备份及故障排查
四. 常用开源组件
tomcat的使用及优化
nginx的使用场景及优化
apache的使用场景及优化
其他服务： dhcp,nfs,rsync,dns,等等
一句话概括： mysql，redis，kafka，etcd，zk，influxdb，promues，zabbix，graphana，ansible…
五. shell脚本
使用shell脚本实现系统及应用自动化
使用shell脚本实现各类巡检，故障排查自动化
六. 安全
iptables四表（fiter、mangle、nat、raw）五链（prerouting、iput、forward、output、trouting）、基本匹配
ipta配置文件在/etc/influxdb/influxdb.conf ，如果没有就将/usr/local/etc/influxdb.conf 拷一个过去ble规则保存重载生效
常用加密算法，web安全，网络安全
渗透的常用手段，以及反制手段，sql注入，xss，ddos，cc
跳板机jumpserver
七. 和日志收集
日志收集ELK,EFK
zabbix，promeus
八. 自动化工具
1、常见自动化运维方案：puppet、ansible、salt、fabric
2、ansible安装基础使用
3、持续集成：jekins+gitlab实现ci/cd流水线
4. python 自动化
九. 容器化和虚拟化技术
docker ，k8s，openstack， kvm，vmware的使用
容器编排的技术
十. devops 编译，加速，测试环境，研发自动化
kubernetes 如何获取dashboard cpu使用率是怎么计算的
我们先从整体上看一下Kubernetes的一些理念和基本架构， 然后从网络、 资源管理、存储、服务发现、负载均衡、高可用、rolling upgrade、安全、等方面向大家简单介绍Kubernetes的这些主要特性。
当然也会包括一些需要注意的问题。主要目的是帮助大家快速理解 Kubernetes的主要功能，今后在研究和使用这个具的时候有所参考和帮助。
1.Kubernetes的一些理念：
用户不需要关心需要多少台机器，只需要关心软件（服务）运行所需的环境。以服务为中心，你需要关心的是api，如何把大服务拆分成小服务，如何使用api去整合它们。
保证系统总是按照用户指定的状态去运行。
不仅仅提给你供容器服务，同样提供一种软件系统升级的方式；在保持HA的前提下去升级系统是很多用户最想要的功能，也是最难实现的。
那些需要担心和不需要担心的事情。
更好的支持微服务理念，划分、细分服务之间的边界，比如lablel、pod等概念的引入。
对于Kubernetes的架构，可以参考文档。
大致由一些主要组件构成，包括Master上的kube-apiserver、kube-scheduler、kube-controller-mar、控制组件kubectl、状态存储etcd、Sle上的kubelet、kube-proxy，以及底层的网络支持（可以用Flannel、OpenVSwitch、Wee等）。
看上去也是微服务的架构设计，不过目前还不能很好支持单个服务的横向伸缩，但这个会在 Kubernetes 的未来版本中解决。
2.Kubernetes的主要特性
会从网络、服务发现、负载均衡、资源管理、高可用、存储、安全、等方面向大家简单介绍Kubernetes的这些主要特性 -> 由于时间有限，只能简单一些了。
另外，对于服务发现、高可用和的一些更详细的介绍，感兴趣的朋友可以通过这篇文章了解。
Kubernetes的网络方式主要解决以下几个问题：
a. 紧耦合的容器之间通信，通过 Pod 和 localhost 访问解决。
b. Pod之间通信，建立通信子网，比如隧道、路由，Flannel、Open vSwitch、Wee。
c. Pod和Serv，以及外部系统和Serv的通信，引入Serv解决。
Kubernetes的网络会给每个Pod分配一个IP地址，不需要在Pod之间建立链接，也基本不需要去处理容器和主机之间的端口映射。
注意：Pod重建后，IP会被重新分配，所以内网通信不要依赖Pod IP；通过Serv环境变量或者DNS解决。
注意：kube-proxy 在集群规模较大以后，可能会有访问的性能问题，可以考虑用其他方式替换，比如HAProxy，直接导流到Serv 的endpints 或者 Pods上。Kubernetes也在修复这个问题。
3）资源管理
有3 个层次的资源限制方式，分别在Container、Pod、Namespace 层次。Container层次主要利用容器本身的支持，比如Docker 对CPU、内存、磁盘、网络等的支持；Pod方面可以限制系统内创建Pod的资源范围，比如或者最小的CPU、memory需求；Namespace层次就是对用户级别的资源限额了，包括CPU、内存，还可以限定Pod、rc、serv的数量。
目前的资源分配计算也相对简单，没有什么资源抢占之类的强大功能，通过每个上的资源总量、以及已经使用的各种资源加权和，来计算某个Pod优先非配到哪些，还没有加入对实际可用资源的评估，需要自己的scheduler plugin来支持。其实kubelet已经可以拿到的资源，只要进行收集计算即可，相信Kubernetes的后续版本会有支持。
4）高可用
主要是指Master的 HA方式 利用etcd实现 选举，从多个Master中得到一个kube-apiserver 保证至少有一个可用，实现high ailability。对外以loadbalancer的方式提供入口。这种方式可以用作ha，但仍未成熟，据了解，未来会更新升级ha的功能。
5） 1）网络rolling upgrade
RC 在开始的设计就是让rolling upgrade变的更容易，通过一个一个替换Pod来更新serv，实现服务中断时间的最小化。基本思路是创建一个复本为1的新的rc，并逐步减少老的rc的复本、增加新的rc的复本，在老的rc数量为0时将其删除。
通过kubectl提供，可以指定更新的镜像、替换pod的时间间隔，也可以rollback 当前正在执行的upgrade作。
同样， Kuberntes也支持多版本同时部署，并通过lable来进行区分，在serv不变的情况下，调整支撑服务的Pod，测试、新Pod的工作情况。
6）存储
大家都知道容器本身一般不会对数据进行持久化处理，在Kubernetes中，容器异常退出，kubelet也只是简单的基于原有镜像重启一个新的容器。另外，如果我们在同一个Pod中运行多个容器，经常会需要在这些容器之间进行共享一些数据。Kuberenetes 的 Volume就是主要来解决上面两个基础问题的。
Docker 也有Volume的概念，但是相对简单，而且目前的支持很有限，Kubernetes对Volume则有着清晰定义和广泛的支持。其中最核心的理念：Volume只是一个目录，并可以被在同一个Pod中的所有容器访问。而这个目录会是什么样，后端用什么介质和里面的内容则由使用的特定Volume类型决定。
spec.volumes 指定这个Pod需要的volume信息 spec.containers.volumeMounts 指定哪些container需要用到这个Volume Kubernetes对Volume的支持非常广泛，有很多贡献者为其添加不同的存储支持，也反映出Kubernetes社区的活跃程度。
emptyDir 随Pod删除，适用于临时存储、灾难恢复、共享运行时数据，支持 RAM-backed filehostPath 类似于Docker的本地Volume 用于访问一些本地资源（比如本地Docker）。
gcePersistentDisk GCE disk - 只有在 Gmetrics.reporter.influxdb.interval: 60 SECONDSoogle Cloud Engine 平台上可用。
awsElasticBlockStore 类似于GCE disk 必须是 AWS EC2的实例 nfs - 支持网络文件系统。
rbd - Rados Block Dev - Ceph
secret 用来通过Kubernetes API 向Pod 传递敏感信息，使用 tmpfs （a RAM-backed file）
persistentVolumeClaim - 从抽象的PV中申请资源，而无需关心存储的提供方
glusterfs
iscsi
gitRepo
根据自己的需求选择合适的存储类型，反正支持的够多，总用一款适合的 :）
7配置完毕之后，重启influxdb服务即可。）安全
一些主要原则：
基础设施模块应该通过API server交换数据、修改系统状态，而且只有API server可以访问后端存储（etcd）。
把用户分为不同的角色：Dlopers/Project Admins/Administrators。
允许Dlopers定义secrets 对象，并在pod启动时关联到相关容器。
以secret 为例，如果kubelet要去pull 私有镜像，那么Kubernetes支持以下方式：
通过docker login 生成 .dockercfg 文件，进行全局授权。
认证 （Authentication）
API server 支持证书、token、和基本信息三种认证方式。
授权 （Authorization）
通过apiserver的安全端口，authorization会应用到所有的请求上
AlwaysDeny、AlwaysAllow、ABAC三种模式，其他需求可以自己实现Authorizer接口。
比较老的版本Kubernetes需要外接caisor主要功能是将node主机的container metrics抓取出来。在较新的版本里，caior功能被集成到了kubelet组件中，kubelet在与docker交互的同时，对外提供服务。
Kubernetes集群范围内的主要由kubelet、heapster和storage backend（如influxdb）构建。Heapster可以在集群范围获取metrics和数据。它可以以pod的方式运行在k8s平台里，也可以单独运行以standalone的方式。
注意： heapster目前未到1.0版本，对于小规模的集群比较方便。但对于较大规模的集群，heapster目前的cache方式会吃掉大量内存。因为要定时获取整个集群的容器信息，信息在内存的临时存储成为问题，再加上heaspter要支持api获取临时metrics，如果将heapster以pod方式运行，很容易出现OOM。所以目前建议关掉cache并以standalone的方式出k8s平台。
mac安装influxdb及golang的简单调用
使用shell脚本实现各种服务的自动化部署1.mac肯定是brew安装啦
一张图帮助大家理解：cache-max-memory-siz2） 服务发现及负载均衡e是用来配置缓存的
2.启动客户端
3.基本作
8. InfluxDB配置admin用户认证登陆
这里已经报错提示需要权限验证： ERR: unable to parse authentication credentials不管是yum安装，亦或者是docker安装的方式，influxdb默认安装完毕之后，并不会自带用户认证的功能，直接就可以进行访问的了。
资源管理模型 －》 简单、通用、准确，并可扩展情况如下：
或者c直接查询出来数据，不需要用户认证，如下：
对于这种不设置防备的措施，总体来说，不是很好。
所以，下面来看看怎么设置用户认证。
实际作如下：
默认情况下，influxdb的配置文件是禁用认证策略的，所以需要修改设置一下。
编辑配置文件 vim /etc/influxdb/influxdb.conf ，把 [] 下的 auth-enabled 选项设置metrics.reporter.influxdb.scheme: 为 true 。
在配置启动认证以及重启influxdb之后，如果不使用admin用户登陆，则会报错如下：
这里使用admin认证用户登陆访问一下，格式如下：
执行如下：
执行如下：
其中增加 ?pretty=true 可以将 json 展开显示。
当然设置了用户认证之后，写入数据的时候也要带上用户名以及密码 &u=username&p=password ，如下：
用户名密码写在HTTP头Authorization选项
下面来执行一下：
查看插入后的influxdb数据，如下：