Kafka上K8S实战 Kafka上K8S实战

背景随着业务规模的发展，需要的kafka集群越来越来，这给部署与管理带来了很大的挑战。我们期望能够利用K8S优秀的扩容能力与快速部署能力，为日常的工作减负。所以就kafka上K8S的可行性方案进行了调研。
像kafka集群这种，涉及到的组件比较多，且都是有状态的集群，业界采用自定义operator的解决方案。目前GitHub上有多个相关的仓库，根据社区活跃度及使用数等综合考虑，此次采用Strimzi Github地址。

文章图片
kafka组件交互图
方案

使用阿里云K8S集群部署Strimzi
由于组内使用的kafka是由开源版本二次开发而来，所以需要维护一个自定义的Strimzi-kafka镜像
Strimzi管理kafka集群，其中包含kafka、zk、kafka-exporter、
使用zoo-entrance 代理集群中的zk GitHub地址
部署prometheus，采集kafka和zk的metrics
开启服务端口，暴露kafka及zk给K8S集群外部使用

实战过程构建自定义kafka镜像

从公司Git上拉取最新代码 strimzi-kafka-operator （与开源版本有些微的改动，做实验可直接用开源版）
在docker-images 文件夹下，有个Makefile文件，执行其中的docker_build, 它会去执行其中的build.sh脚本；此步会从官网拉取kafka的安装包，我们需要将这一步的包修改为我司内部的安装包。
构建完镜像，镜像在本地，我们需要将镜像上传到公司内部的harbor服务器上

部署operator
每个K8S集群仅需部署一个operator

充分必要条件：一个健康的k8s集群
创建namespace, 如已有则跳过，默认使用kafka，kubectl create namespace kafka
从公司Git上拉取最新代码（地址在前边）
目前文件中默认监听的是名称为 kafka 的namespace，如果需要修改则执行 sed -i 's/namespace: ./namespace: kafka/' install/cluster-operator/RoleBinding*.yaml （将命令中的kafka/ 替换掉）
然后将所有文件都应用一下 kubectl apply -f install/cluster-operator/ -n kafka
此时稍等片刻，就能查看到创建的自定义资源以及operator了 kubectl get pods -nkafka,
从阿里云的k8s管控台查看这些资源的创建情况，以及operator的运行情况

部署kafka集群
确保你的operator已经部署成功，且kafka部署的namespace需在上边operator的监控中

还是来到最新的代码目录中，其中examples/kafka目录下边就是本次部署所需要的文件了
部署 kafka及zk
- 查看kafka-persistent.yaml, 该文件就是核心文件了，这个文件部署了kafka与zk及kafka-exporter，部分内容如下：

apiVersion: kafka.strimzi.io/v1beta2 kind: Kafka metadata: name: my-cluster spec: kafka: version: 2.8.1 replicas: 3 resources: requests: memory: 16Gi cpu: 4000m limits: memory: 16Gi cpu: 4000m image: repository.poizon.com/kafka-operator/poizon/kafka:2.8.4 jvmOptions: -Xms: 3072m -Xmx: 3072m listeners: - name: external port: 9092 type: nodeport tls: false - name: plain port: 9093 type: internal tls: false config: offsets.topic.replication.factor: 2 transaction.state.log.replication.factor: 2 transaction.state.log.min.isr: 1 default.replication.factor: 2 *** template: pod: affinity: podAntiAffinity: requiredDuringSchedulingIgnoredDuringExecution: - labelSelector: matchExpressions: - key: strimzi.io/name operator: In values: - my-cluster-kafka topologyKey: "kubernetes.io/hostname" storage: type: persistent-claim size: 100Gi class: rocketmq-storage deleteClaim: false metricsConfig: type: jmxPrometheusExporter valueFrom: configMapKeyRef: name: kafka-metrics key: kafka-metrics-config.yml zookeeper: replicas: 3 resources: requests: memory: 3Gi cpu: 1000m limits: memory: 3Gi cpu: 1000m jvmOptions: -Xms: 2048m -Xmx: 2048m jmxOptions: {} template: pod: affinity: podAntiAffinity: *** storage: type: persistent-claim size: 50Gi class: rocketmq-storage deleteClaim: false metricsConfig: type: jmxPrometheusExporter valueFrom: configMapKeyRef: name: kafka-metrics key: zookeeper-metrics-config.yml *** ***

- 可修改kafka集群的名称，在第四行的name属性，目前默认为 my-cluster
- 可修改kafka的Pod个数，即节点数，默认为3
- 可修改Pod配置内存CPU
- 可修改kafka JVM 启动的堆内存大小
- 可修改kafka的配置，在36行 config配置
- 可修改磁盘类型及大小，类型为第50行，可修改为其它的存储类，目前可选为高效云盘、SSD、ESSD
- zk修改同kafka，可修改的东西类似, 且在同一个文件中
- 文件下边是kafka与zk需要暴露的metrics，可按需求增删改
- 修改完配置之后，直接执行 kubect apply -f kafka-persistent.yaml -nkafka 即可创建
部署 zk代理
- 由于官方不支持外部组件直接访问zk，所以采用代理的方式访问
- 出于安全性的考虑，官方是故意不支持外部程序访问zk的： https://github.com/strimzi/strimzi-kafka-operator/issues/1337
- 解决方案：https://github.com/scholzj/zo...
- 部署完zk的代理，我们需要在k8s控制台上创建一个loadbalance服务将这个代理暴露给集群外的应用进行连接。具体操作：k8s控制台-->网络-->服务-->创建（选择loadbalance创建，然后找到zoo-entrance这个应用即可）
部署 zk-exporter
- 官方operator中没有zk-exporter，我们采用 https://github.com/dabealu/zo...
- 在文件夹中的zk-exporter.yaml 文件中，我们仅需要修改被监听的zk的地址（spec.container.args）
- 执行kubectl apply -f zk-exporter.yaml即可部署完成
部署 kafka-jmx
- 由于ingress不支持tcp连接，而loadbalance的成本又过高，所以kafka 的 jmx 使用nodeport对外暴露
- 可以在阿里云控制台上创建相应的nodeport，也可以使用kafka-jmx.yaml 文件的方式创建

apiVersion: v1 kind: Service metadata: labels: strimzi.io/cluster: my-cluster strimzi.io/name: my-cluster-kafka-jmx name: my-cluster-kafka-jmx-0 spec: ports: - name: kafka-jmx-nodeport port: 9999 protocol: TCP targetPort: 9999 selector: statefulset.kubernetes.io/pod-name: my-cluster-kafka-0 strimzi.io/cluster: my-cluster strimzi.io/kind: Kafka strimzi.io/name: my-cluster-kafka type: NodePort

部署 kafka-exporter-service
- 前面部署完kafka之后，我们的配置中是开启了exporter的。但是官方开启完exporter之后，并没有自动生成一个相关的service，为了让Prometheus连接更加方便，我们部署了一个service
- 在文件夹中kafka-exporter-service.yaml 文件中

apiVersion: v1 kind: Service metadata: labels: app: kafka-export-service name: my-cluster-kafka-exporter-service spec: ports: - port: 9404 protocol: TCP targetPort: 9404 selector: strimzi.io/cluster: my-cluster strimzi.io/kind: Kafka strimzi.io/name: my-cluster-kafka-exporter type: ClusterIP

- 执行kubectl apply -f kafka-exporter-service.yaml即可部署完成
部署 kafka-prometheus
- 如果将Prometheus部署在k8s集群外，数据采集会比较麻烦，所以我们直接将Prometheus部署到集群内
- 在文件夹中kafka-prometheus.yaml文件中，可以选择性的修改其中prometheus的配置，比如需要的内存CPU的大小，比如监控数据保存时间，外挂的云盘大小，以及需要监听的kafka与zk地址

apiVersion: apps/v1 kind: StatefulSet metadata: name: kafka-prometheus labels: app: kafka-prometheus spec: replicas: 1 revisionHistoryLimit: 10 selector: matchLabels: app: kafka-prometheus serviceName: kafka-prometheus updateStrategy: type: RollingUpdate template: metadata: labels: app: kafka-prometheus spec: containers: - args: - '--query.max-concurrency=800' - '--query.max-samples=800000000' *** command: - /bin/prometheus image: 'repository.poizon.com/prometheus/prometheus:v2.28.1' imagePullPolicy: IfNotPresent livenessProbe: failureThreshold: 10 httpGet: path: /status port: web scheme: HTTP initialDelaySeconds: 300 periodSeconds: 5 successThreshold: 1 timeoutSeconds: 3 name: kafka-prometheus resources: limits: cpu: 500m memory: 512Mi requests: cpu: 200m memory: 128Mi volumeMounts: - mountPath: /etc/localtime name: volume-localtime - mountPath: /data/prometheus/ name: kafka-prometheus-config - mountPath: /data/database/prometheus name: kafka-prometheus-db terminationMessagePath: /dev/termination-log terminationMessagePolicy: File terminationGracePeriodSeconds: 30 restartPolicy: Always schedulerName: default-scheduler securityContext: fsGroup: 0 volumes: - hostPath: path: /etc/localtime type: '' name: volume-localtime - configMap: defaultMode: 420 name: kafka-prometheus-config name: kafka-prometheus-config volumeClaimTemplates: - apiVersion: v1 kind: PersistentVolumeClaim metadata: name: kafka-prometheus-db spec: accessModes: - ReadWriteOnce resources: requests: storage: 20Gi storageClassName: rocketmq-storage volumeMode: Filesystem status: phase: Pending

- 执行kubectl apply -f kafka-prometheus.yaml即可部署完成
- 部署完成后将prometheus暴露给监控组的grafana，可以直连pod IP做验证，然后在k8s管控台的网络-->路由-->创建，创建一个ingress，选择刚刚部署的这个Prometheus的service，然后找运维申请域名，即可。

总结