37、生产环境中应用的监控、故障排查及云部署指南

生产环境中应用的监控、故障排查及云部署指南

1. 生产环境应用监控与故障排查

在生产环境中，监控和排查应用故障是保障系统稳定运行的关键环节。

1.1 Prometheus监控微服务

Prometheus是监控微服务的理想选择。我们只需暴露一个指标端口，无需增加过多复杂性或运行额外服务。Prometheus会定期抓取配置的目标，服务无需担心指标的发送。

1.2 生产环境服务故障排查

为了降低安全风险和提高系统性能，生产环境通常使用最小化镜像，不包含调试和故障排查工具。但当应用服务出现意外行为甚至崩溃时，仅依靠日志可能无法找到问题根源，需要在集群节点上进行排查。

直接SSH到集群节点运行诊断工具不可行，因为节点运行的是最小化Linux发行版，未安装相关工具。让开发人员直接访问生产集群节点也存在安全风险，只有少数集群管理员应具备此权限。

更好的解决方案是让集群管理员为开发人员运行一个堡垒容器（bastion container）。这个容器安装了定位应用服务中bug根源所需的所有工具，还可以在主机的网络命名空间中运行，从而完全访问容器主机的所有网络流量。

1.3 netshoot容器

前Docker员工Nicola Kabar创建了一个名为 nicolaka/netshoot 的便捷Docker镜像，Docker的现场工程师经常使用它来排查在Kubernetes或Docker Swarm上运行的生产应用。我们为本书创建了该镜像的副本，可在 fundamentalsofdocker/netshoot