KubeSphere 后端源碼深度解析

這篇文章我們將學習在 vscode 上的 ssh remote 插件基礎上，嘗試 debug 和學習 KubeSphere 后端模塊架構。

前提

• 安裝好 vscode 以及 ssh remote container 插件；
• 在遠程主機上安裝好 kubenertes 容器 " 操作系統 " 和 KubeSphere >= v3.1.0 雲“控制面板”；
• 安裝 go >=1.16;
• 在 KubeSphere 上安裝了需要 debug 的 ks 組件，如 devops、kubeedge 或者 whatever, 如果是默認激活的組件，像 monitoring，不需要去激活。

配置 launch 文件

$ cat .vscode/launch.json
{
    // 使用 IntelliSense 了解相關屬性。 
    // 懸停以查看現有屬性的描述。
    // 欲了解更多信息，請訪問: https://go.microsoft.com/fwlink/?linkid=830387
    "version": "0.2.0",
    "configurations": [
        {
            "name": "ks-apiserver",
            "type": "go",
            "request": "launch",
            "mode": "auto",
            "program": "${workspaceFolder}/cmd/ks-apiserver/apiserver.go"
        }
        
    ]
}

ks-apiserver 調試依賴文件

在相對路徑 cmd/ks-apiserver/ 下配置 kubesphere.yaml。

首先，查看集群之中的 cm 配置文件 :

$ kubectl -n kubesphere-system get cm kubesphere-config -oyaml

因為上述 configmap 中差少 kubeconfig 相關配置，所以需要將上述 yaml 文件拷貝出來整合以下。

為啥要用添加 kubeconfig 文件？

主要是因為 k8s 在創建 client 時需要這么一個文件 , 而容器中會用到 inclusterconfig 就不需要添加了。

感興趣可以看下 client-go 的例子：

https://github.com/kubernetes/client-go/blob/master/examples/in-cluster-client-configuration/main.go#L41

https://github.com/kubernetes/client-go/blob/master/examples/out-of-cluster-client-configuration/main.go#L53

所以完整的配置啟動文件如下：

$ cat ./cmd/ks-apiserver/kubesphere.yaml
kubernetes:
  kubeconfig: "/root/.kube/config"
  master: https://192.168.88.6:6443
  $qps: 1e+06
  burst: 1000000
authentication:
  authenticateRateLimiterMaxTries: 10
  authenticateRateLimiterDuration: 10m0s
  loginHistoryRetentionPeriod: 168h
  maximumClockSkew: 10s
  multipleLogin: True
  kubectlImage: kubesphere/kubectl:v1.20.0
  jwtSecret: "Xtc8ZWUf9f3cJN89bglrTJhfUPMZR87d"
  oauthOptions:
    clients:
    - name: kubesphere
      secret: kubesphere
      redirectURIs:
      - '*'
network:
  ippoolType: none
monitoring:
  endpoint: http://prometheus-operated.kubesphere-monitoring-system.svc:9090
  enableGPUMonitoring: false
gpu:
  kinds:
  - resourceName: nvidia.com/gpu
    resourceType: GPU
    default: True
notification:
  endpoint: http://notification-manager-svc.kubesphere-monitoring-system.svc:19093
  
kubeedge:
  endpoint: http://edge-watcher.kubeedge.svc/api/

gateway:
  watchesPath: /var/helm-charts/watches.yaml
  namespace: kubesphere-controls-system

除了 kubernetes, 第一層的 key 表示我們集群中已經按照或者默認激活的 ks 組件，現在就可以通過 F5 來啟動 debug 了。

在 debug 之前，你可能會問，這個配置文件為啥要放在 /cmd/ks-apiserver/kubesphere.yaml?

我們先來探索一波 ks-apiserver 的運行邏輯。

啟動 ks-apiserver

查看 cmd/ks-apiserver/app/server.go 的邏輯 :

// Load configuration from file
conf, err := apiserverconfig.TryLoadFromDisk()

TryLoadFromDisk 的邏輯如下：

viper.SetConfigName(defaultConfigurationName) // kubesphere
viper.AddConfigPath(defaultConfigurationPath) // /etc/kubesphere

// Load from current working directory, only used for debugging
viper.AddConfigPath(".")

// Load from Environment variables
viper.SetEnvPrefix("kubesphere")
viper.AutomaticEnv()
viper.SetEnvKeyReplacer(strings.NewReplacer(".", "_"))

// 上面一頓配置之后，單步調試，ReadInConfig這一步讀取的文件路徑是	
// v.configPaths：["/etc/kubesphere","/root/go/src/kubesphere.io/kubesphere/cmd/ks-apiserver"]
if err := viper.ReadInConfig(); err != nil {
	if _, ok := err.(viper.ConfigFileNotFoundError); ok {
		return nil, err
	} else {
		return nil, fmt.Errorf("error parsing configuration file %s", err)
	}
}

conf := New() // 初始化各組件配置

// 從讀取的實際路徑配置文件來反序列化到conf這個struct
if err := viper.Unmarshal(conf); err != nil {
	return nil, err
}

return conf, n

上面的注釋，解釋了需要在指定路徑下添加 kubesphere.yaml 啟動 ks-apiserver 命令行。

我們接着往下擼，這里使用 cobra.Command 這個 package 來做命令行的集成：

func Run(s *options.ServerRunOptions, ctx context.Context) error {
	// NewAPIServer 通過給定的配置啟動apiserver實例，綁定實例化的各組件的client
	// 這一步還通過AddToScheme來注冊一些自定義的GVK到k8s，最終暴露為apis API
	// 借助rest.Config和scheme 初始化runtimecache和runtimeClient 
	apiserver, err := s.NewAPIServer(ctx.Done())
	if err != nil {
		return err
	}
	
	// PrepareRun 主要是使用resful-go集成kapis API
	// 上一步綁定了各組件的client，這一步就可以調用各組件的client來訪問對應組件的server端了
	// 猜猜4.0后端可插拔架構會是什么樣子的？
	err = apiserver.PrepareRun(ctx.Done())
	if err != nil {
		return nil
	}
	
	// 運行各種informers同步資源，並開始ks-apiserver監聽請求
	return apiserver.Run(ctx)
}

s.NewAPIServer(ctx.Done()) 主要是創建一個 apiserver 實例。創建 apiserver 實例這一步，還通過 scheme 注冊 ks 自定義的 GVK 到 k8s, 暴露為 apis 請求路徑的 API。

PrepareRun 主要是使用 resful-go 框架集成了各子模塊代理請求或集成服務， 暴露為 kapis 請求路徑的 API 功能 。

apiserver.Run(ctx) 則是做了資源同步，並啟動 server 監聽。

下面分開闡述說明。

NewAPIServer

首先是綁定各種 client 和 informers:

// 調用各組件的NewForConfig方法整合clientset
kubernetesClient, err := k8s.NewKubernetesClient(s.KubernetesOptions)
if err != nil {
	return nil, err
}
apiServer.KubernetesClient = kubernetesClient
informerFactory := informers.NewInformerFactories(kubernetesClient.Kubernetes(), kubernetesClient.KubeSphere(),kubernetesClient.Istio(), kubernetesClient.Snapshot(), kubernetesClient.ApiExtensions(), kubernetesClient.Prometheus())
apiServer.InformerFactory = informerFactory
...
// 根據kubesphere.yaml或者kubesphere-config configmap的配置來綁定ks組件的client
...

初始化綁定完畢后 , 會啟動一個 server 來響應請求 , 所以這里會做一個 addr 綁定 :

...
server := &http.Server{
	Addr: fmt.Sprintf(":%d", s.GenericServerRunOptions.InsecurePort),
}

if s.GenericServerRunOptions.SecurePort != 0 {
	certificate, err := tls.LoadX509KeyPair(s.GenericServerRunOptions.TlsCertFile, s.GenericServerRunOptions.TlsPrivateKey)
	if err != nil {
		return nil, err
	}

	server.TLSConfig = &tls.Config{
		Certificates: []tls.Certificate{certificate},
	}
	server.Addr = fmt.Sprintf(":%d", s.GenericServerRunOptions.SecurePort)
}

sch := scheme.Scheme
if err := apis.AddToScheme(sch); err != nil {
	klog.Fatalf("unable add APIs to scheme: %v", err)
}
...

注意這一步 apis.AddToScheme(sch), 將我們定義的 GVK 注冊到 k8s 中。

順帶一提，GVK 指的是 Group,Version, Kind, 舉個栗子：

{Group: "", Version: "v1", Resource: "namespaces"}
{Group: "", Version: "v1", Resource: "nodes"}
{Group: "", Version: "v1", Resource: "resourcequotas"}
...
{Group: "tenant.kubesphere.io", Version: "v1alpha1", Resource: "workspaces"}
{Group: "cluster.kubesphere.io", Version: "v1alpha1", Resource: "clusters"}
...

Scheme 管理 GVK 和 Type 的關系 , 一個 GVK 只能對應一個 reflect.Type, 一個 reflect.Type 可能對應多個 GVK；此外，Scheme 還聚合了 converter 及 cloner, 用來轉換不同版本的結構體和獲取結構體值的拷貝；限於篇幅有限，感興趣的童鞋可以深入探索下。

回歸正文，下面我們看下怎么注入 scheme 的：

// AddToSchemes may be used to add all resources defined in the project to a Schemevar AddToSchemes runtime.SchemeBuilder
// AddToScheme adds all Resources to the Schemefunc 
AddToScheme(s *runtime.Scheme) error {	return AddToSchemes.AddToScheme(s)}

而 AddToSchemes 這個類型的是[]func(*Scheme) error 的別名，只需要在 package apis 下的接口文件中實現相應的 init() 方法來導入實現的版本 API，就可以注入 Scheme 中。

舉個例子：

$ cat pkg/apis/addtoscheme_dashboard_v1alpha2.go
package apis
import monitoringdashboardv1alpha2 "kubesphere.io/monitoring-dashboard/api/v1alpha2"
func init() {	
  AddToSchemes = append(AddToSchemes, monitoringdashboardv1alpha2.SchemeBuilder.AddToScheme)
}

也就是，我們開發的插件集成的版本化資源，必須實現 xxx.SchemeBuilder.AddToScheme 功能，才能注冊到 scheme 中，最終暴露為 apis 訪問 API 服務。

至此，所有子模塊對應的 client 已經與這個 apiserver 綁定。

PrepareRun

下面，我們探討下 PrepareRun 是怎么注冊 kapis 以及綁定 handler 的。

主要是通過 restful-go 框架來實現的。

restful-go 框架使用 container 來 hold 住擁有特定 GVR 的 webservice, 一個 webserver 可以綁定多個 router，允許 container 或者 webserver 添加自定義攔截器，也就是調用 filter 方法。

func (s *APIServer) PrepareRun(stopCh <-chan struct{}) error {
  // container來hold住擁有特定GVR的webservice
	s.container = restful.NewContainer()
	// 添加請求Request日志攔截器
	s.container.Filter(logRequestAndResponse)
	s.container.Router(restful.CurlyRouter{})
	
	// 發生Recover時，綁定一個日志handler
	s.container.RecoverHandler(func(panicReason interface{}, httpWriter http.ResponseWriter) {
		logStackOnRecover(panicReason, httpWriter)
	})
	
	// 每個API組都構建一個webservice，然后根據路由規則來並綁定回調函數
  // 通過AddToContainer來完成綁定
	s.installKubeSphereAPIs()
	
	// 注冊metrics指標: ks_server_request_total、ks_server_request_duration_seconds
	// 綁定metrics handler
	s.installMetricsAPI()
	
	// 為有效請求增加監控計數
	s.container.Filter(monitorRequest)

	for _, ws := range s.container.RegisteredWebServices() {
		klog.V(2).Infof("%s", ws.RootPath())
	}
	
	s.Server.Handler = s.container
	
	// 添加各個調用鏈的攔截器, 用於驗證和路由分發
	s.buildHandlerChain(stopCh)

	return nil
}

上面主要使用 restful-go 框架給 s.Server.handler 綁定了一個 container, 添加了各種攔截器。

在 s.installKubeSphereAPIS() 這一步安裝 GVR 綁定了 kapis 代理，具體是這樣實現的：

// 調用各api組的AddToContainer方法來向container注冊kapi:
urlruntime.Must(monitoringv1alpha3.AddToContainer(s.container, s.KubernetesClient.Kubernetes(), s.MonitoringClient, s.MetricsClient, s.InformerFactory, s.KubernetesClient.KubeSphere(), s.Config.OpenPitrixOptions))

// 詳細來說，各個組件實現的AddToContainer方法
// 為帶有GroupVersion信息的webserver添加route，不同路由路徑綁定不同的handler
ws := runtime.NewWebService(GroupVersion)
// 給子路由綁定回調函數
ws.Route(ws.GET("/kubesphere").
    To(h.handleKubeSphereMetricsQuery).
    Doc("Get platform-level metric data.").
    Metadata(restfulspec.KeyOpenAPITags, []string{constants.KubeSphereMetricsTag}).
    Writes(model.Metrics{}).
    Returns(http.StatusOK, respOK, model.Metrics{})).
    Produces(restful.MIME_JSON)

我們知道 apis 對應 k8s 的請求，而在 ks 中 kapis 對應子組件的代理請求，由 ks-apiserver 自身或者轉發目標組件 server 來提供響應，那么 ks-apiserver 是怎么區分這些請求的？

答案是通過 buildHandlerChain 來進行分發的。

buildHandlerChain

上面說到 buildHandlerChain 構建了各種服務的攔截器，按序排列如下。

handler = filters.WithKubeAPIServer(handler, s.KubernetesClient.Config(), &errorResponder{})

if s.Config.AuditingOptions.Enable {
	handler = filters.WithAuditing(handler,
		audit.NewAuditing(s.InformerFactory, s.Config.AuditingOptions, stopCh))
}

handler = filters.WithAuthorization(handler, authorizers)
if s.Config.MultiClusterOptions.Enable {
	clusterDispatcher := dispatch.NewClusterDispatch(s.InformerFactory.KubeSphereSharedInformerFactory().Cluster().V1alpha1().Clusters())
	handler = filters.WithMultipleClusterDispatcher(handler, clusterDispatcher)
}

handler = filters.WithAuthentication(handler, authn)
handler = filters.WithRequestInfo(handler, requestInfoResolver)

WithRequestInfo 這個 filter 定義了如下邏輯：

info, err := resolver.NewRequestInfo(req)
---
func (r *RequestInfoFactory) NewRequestInfo(req *http.Request) (*RequestInfo, error) {
   ...
   defer func() {
		prefix := requestInfo.APIPrefix
		if prefix == "" {
			currentParts := splitPath(requestInfo.Path)
			//Proxy discovery API
			if len(currentParts) > 0 && len(currentParts) < 3 {
				prefix = currentParts[0]
			}
		}
    // 通過api路由路徑中的攜帶apis還是kapis就可以區分
		if kubernetesAPIPrefixes.Has(prefix) {
			requestInfo.IsKubernetesRequest = true
		}
	}()
	
	...
	// URL forms: /clusters/{cluster}/*
	if currentParts[0] == "clusters" {
		if len(currentParts) > 1 {
			requestInfo.Cluster = currentParts[1]
		}
		if len(currentParts) > 2 {
			currentParts = currentParts[2:]
		}
	}
	...
}

代碼很多，我就不一一截圖了，大概意思可以從注釋看到：

// NewRequestInfo returns the information from the http request.  If error is not nil, RequestInfo holds the information as best it is known before the failure
// It handles both resource and non-resource requests and fills in all the pertinent information for each.
// Valid Inputs:
//
// /apis/{api-group}/{version}/namespaces
// /api/{version}/namespaces
// /api/{version}/namespaces/{namespace}
// /api/{version}/namespaces/{namespace}/{resource}
// /api/{version}/namespaces/{namespace}/{resource}/{resourceName}
// /api/{version}/{resource}
// /api/{version}/{resource}/{resourceName}
//
// Special verbs without subresources:
// /api/{version}/proxy/{resource}/{resourceName}
// /api/{version}/proxy/namespaces/{namespace}/{resource}/{resourceName}
//
// Special verbs with subresources:
// /api/{version}/watch/{resource}
// /api/{version}/watch/namespaces/{namespace}/{resource}
//
// /kapis/{api-group}/{version}/workspaces/{workspace}/{resource}/{resourceName}
// /
// /kapis/{api-group}/{version}/namespaces/{namespace}/{resource}
// /kapis/{api-group}/{version}/namespaces/{namespace}/{resource}/{resourceName}
// With workspaces:
// /kapis/clusters/{cluster}/{api-group}/{version}/namespaces/{namespace}/{resource}
// /kapis/clusters/{cluster}/{api-group}/{version}/namespaces/{namespace}/{resource}/{resourceName}

通過路由定義的信息，就可以區分這個請求是什么級別的，以及這個請求要分發到哪個 server 了。

我們給各個 filter 的回調函數加上斷點， 然后做個小實驗看下攔截器的攔截順序是怎樣的。

假設遠程雲主機的服務已經啟動，服務端口在 9090，以及你為 anonymous 這個 globalrole 設定了 monitoring.kubesphere.io 這個組下資源類型為 ClusterDashboard 的訪問權限。當然了，你也可以用有訪問權限的賬號來直接測試。

接下來，我們來發送一個 kapis 請求，看這個鏈路怎么跳躍的：

curl -d '{"grafanaDashboardUrl":"https://grafana.com/api/dashboards/7362/revisions/5/download", "description":"this is a test dashboard."}' -H "Content-Type: application/json" localhost:9090/kapis/monitoring.kubesphere.io/v1alpha3/clusterdashboards/test1/template

測試結果如下：

WithRequestInfo -> WithAuthentication -> WithAuthorization -> WithKubeAPIServer

Run

這個方法主要干了兩件事，一是啟動 informers 同步資源 , 二是啟動 ks apiserver。

func (s *APIServer) Run(ctx context.Context) (err error) {
  // 啟動informer工廠，包括k8s和ks的informers
	// 同步資源，包括k8s和ks的GVR
	// 檢查GVR是否存在，不存在報錯警告，存在就同步
	err = s.waitForResourceSync(ctx)
	if err != nil {
		return err
	}

	shutdownCtx, cancel := context.WithCancel(context.Background())
	defer cancel()

	go func() {
		<-ctx.Done()
		_ = s.Server.Shutdown(shutdownCtx)
	}()
	
	// 啟動server
	klog.V(0).Infof("Start listening on %s", s.Server.Addr)
	if s.Server.TLSConfig != nil {
		err = s.Server.ListenAndServeTLS("", "")
	} else {
		err = s.Server.ListenAndServe()
	}

	return err
}

至此，調用完 Run 方法后，ks-apiserver 就啟動了。

現在我們做一下簡單總結：

• 根據配置文件創建 ks-apiserver 實例 , 該實例調用了三個關鍵方法，分別是 NewAPIServer、PrepareRun 以及 Run 方法；
• NewAPIServer 通過給定的配置，綁定各個模塊的 client，將自定義的 GVK 注冊到 Scheme，暴露 apis 路由服務；
• PrepareRun 通過 restful-go 框架來注冊、綁定 kapi 路由和回調函數，用來自身響應或者下發組件 server 查詢合並數據返回給客戶端 ;
• 最后 , 調用 Run 方法，同步資源並啟動 ks-apiserver 服務；

GVK 探索實戰

顯然，我們只需要關注各模塊的 AddToContainer 方法就行了。

iam.kubesphere.io

pkg/kapis/iam/v1alpha2/register.go

從代碼注釋來看，這個模塊管理着 users、clustermembers、globalroles、clusterroles、workspaceroles、roles、workspaces groups 、workspace members、devops members 等賬號角色的 CRUD。

現在我們可以在 handler 中打上斷點，去請求這些 api。

$ curl "localhost:9090/kapis/iam.kubesphere.io/v1alpha2/users"
$ curl "localhost:9090/kapis/iam.kubesphere.io/v1alpha2/clustermembers"
$ curl "localhost:9090/kapis/iam.kubesphere.io/v1alpha2/users/admin/globalroles"
...

kubeedge.kubesphere.io

pkg/kapis/kubeedge/v1alpha1/register.go

代碼里面使用的代理轉發請求：

func AddToContainer(container *restful.Container, endpoint string) error {
	proxy, err := generic.NewGenericProxy(endpoint, GroupVersion.Group, GroupVersion.Version)
	if err != nil {
		return nil
	}

	return proxy.AddToContainer(container)
}

也就是 kapis/kubeedge.kubesphere.io 的請求會轉發到 http://edge-watcher.kubeedge.svc/api/，也就是 kubeedge 這個 namespace 下的 service，相關的接口集成在那里。

關於整合邊緣計算平台的集成，除了需要做一個主流邊緣框架的快速安裝和集成外，還可以集成一個類似 edge-shim 的適配器，大概需要從一下幾個方面考慮：

• 代理 endpoint: 現在的 kubeedge 就是使用代理模式轉發；
• 健康檢查接口：至少要確保雲端的組件已經成功部署；
• 事件、長期日志、審計等可觀測組件的支持；
• 其他邊緣輔助功能，如文件或者配置下發等；

notification.kubesphere.io

pkg/kapis/notification/v2beta1/register.go

這個組下的 api 主要實現了 notification 的全局或租戶級別的 config 和 receivers 資源的 CRUD。

config 資源

用於配置對接通知渠道相關參數的一些配置，分為全局的和租戶級別的 config 資源；

reciever 資源

用於配置接收者的一些配置信息，區分全局的和租戶級別的接收者；

我們挑選一個回調函數進行剖析：

ws.Route(ws.GET("/{resources}").
		To(h.ListResource).
		Doc("list the notification configs or receivers").
		Metadata(KeyOpenAPITags, []string{constants.NotificationTag}).
		Param(ws.PathParameter("resources", "known values include configs, receivers, secrets")).
		Param(ws.QueryParameter(query.ParameterName, "name used for filtering").Required(false)).
		Param(ws.QueryParameter(query.ParameterLabelSelector, "label selector used for filtering").Required(false)).
		Param(ws.QueryParameter("type", "config or receiver type, known values include dingtalk, email, slack, webhook, wechat").Required(false)).
		Param(ws.QueryParameter(query.ParameterPage, "page").Required(false).DataFormat("page=%d").DefaultValue("page=1")).
		Param(ws.QueryParameter(query.ParameterLimit, "limit").Required(false)).
		Param(ws.QueryParameter(query.ParameterAscending, "sort parameters, e.g. ascending=false").Required(false).DefaultValue("ascending=false")).
		Param(ws.QueryParameter(query.ParameterOrderBy, "sort parameters, e.g. orderBy=createTime")).
		Returns(http.StatusOK, api.StatusOK, api.ListResult{Items: []interface{}{}}))
		
func (h *handler) ListResource(req *restful.Request, resp *restful.Response) {
	// 租戶或用戶的名稱
	user := req.PathParameter("user")
	// 資源類型，configs/recievers/secrets
	resource := req.PathParameter("resources")
	// 通知渠道 dingtalk/slack/email/webhook/wechat
	subresource := req.QueryParameter("type")
	q := query.ParseQueryParameter(req)

	if !h.operator.IsKnownResource(resource, subresource) {
		api.HandleBadRequest(resp, req, servererr.New("unknown resource type %s/%s", resource, subresource))
		return
	}

	objs, err := h.operator.List(user, resource, subresource, q)
	handleResponse(req, resp, objs, err)
}

我們看下 list object 的邏輯：

// List objects.
func (o *operator) List(user, resource, subresource string, q *query.Query) (*api.ListResult, error) {
	if len(q.LabelSelector) > 0 {
		q.LabelSelector = q.LabelSelector + ","
	}

	filter := ""
	// 如果沒有給定租戶的名稱，則獲取全局的對象
	if user == "" {
		if isConfig(o.GetObject(resource)) {
		    // type=default對config資源來說是全局的
			filter = "type=default"
		} else {
		    // type=global對receiever資源來說是全局的
			filter = "type=global"
		}
	} else {
	// 否則就給過濾器綁定租戶名稱
		filter = "type=tenant,user=" + user
	}
	// 組裝過濾標簽
	q.LabelSelector = q.LabelSelector + filter
	...
	// 通過過濾標簽獲取cluster或者namespace下的指定資源
	res, err := o.resourceGetter.List(resource, ns, q)
	if err != nil {
		return nil, err
	}

	if subresource == "" || resource == Secret {
		return res, nil
	}

	results := &api.ListResult{}
    ...
}

這樣一來，就實現了租戶級別的通知告警 CR 配置的 CRUD，這些 CR 是這么分類的：

• config 分為全局 type = default, 租戶 type = tenant 兩種級別；
• reciever 分為全局 type = global, 租戶 type = tenant 兩種級別；

那么 config 和 reciever 怎么相互綁定、告警是如何通過渠道給租戶發消息的？

https://github.com/kubesphere/notification-manager/blob/master/pkg/webhook/v1/handler.go#L45

https://github.com/kubesphere/notification-manager/blob/master/pkg/notify/notify.go#L66

notification-manager 簡稱 nm，我這里斷章取義地簡要回答一下。

功能方面：

• 全局配置 reciever 通過配置的渠道將所有的 alerts 發送給其定義好的接收者名單， 配置了租戶信息的 reciever 只能通過渠道發送當前 ns 下的 alerts；
• reciever 中可以通過配置 alertSelector 參數來進一步過濾告警消息；
• 通過修改名為 notification-manager-template 的 confimap 來定制發送消息模板；

告警到通知的流程：

• nm 使用端口 19093 和 API 路徑 /api/v2/alerts 接收從 Alertmanager 發送的告警 ;
• 回調函數接受 alerts 轉換為 notification 模板數據，按照 namespace 區分告警數據；
• 遍歷所有 Recievers，每個 ns 下啟動一個協程來發送消息， 而這里每個 ns 對應着多個通知渠道，因此也使用 waitgroup 來並發編排完成任務；

monitoring.kubesphere.io

pkg/kapis/monitoring/v1alpha3/register.go

將監控指標分為平台級、節點級、workspaces、namespaces、pods 等級別，不僅可以獲取總的統計，還能獲取 nodes/namespaces/workspaces 下的所有 pods/containers 等監控指標。

我們查看回調函數，以 handleNamedMetricsQuery 為例分析：

• 遍歷給定指標級別下的合法 metric 指標，根據請求參數中 metricFilter 的來過濾指標名；
• 判斷為范圍查詢還是實時查詢，來調取 monitoring 包中相關方法，通過對應的 client 請求后端獲取結果返回；

代碼如下：

func (h handler) handleNamedMetricsQuery(resp *restful.Response, q queryOptions) {
	var res model.Metrics

	var metrics []string
	// q.namedMetrics 是一組按照監控指標級別分類好的擁有promsql expr定義的完整指標名數組
	// 監控指標級別分類是根據 monitoring.Levelxxx在上一個棧里細分的，i.e: monitoring.LevelPod
	for _, metric := range q.namedMetrics {
		if strings.HasPrefix(metric, model.MetricMeterPrefix) {
			// skip meter metric
			continue
		}
		// 根據請求參數中的指標名來過濾
		ok, _ := regexp.MatchString(q.metricFilter, metric)
		if ok {
			metrics = append(metrics, metric)
		}
	}
	if len(metrics) == 0 {
		resp.WriteAsJson(res)
		return
	}
	
	// 判斷是否是范圍查詢還是實時查詢，繼續調用相關函數
	// 主要還是用prometheus client去查詢promsql, 邊緣節點的指標目前通過metrics server來查詢
	if q.isRangeQuery() {
		res = h.mo.GetNamedMetricsOverTime(metrics, q.start, q.end, q.step, q.option)
	} else {
		res = h.mo.GetNamedMetrics(metrics, q.time, q.option)
		if q.shouldSort() {
			res = *res.Sort(q.target, q.order, q.identifier).Page(q.page, q.limit)
		}
	}
	resp.WriteAsJson(res)
}

現在，我們將視角移植到 :

pkg/models/monitoring/monitoring.go:156

以 GetNamedMetricsOverTime 為例，這里闡述了會合並 prometheus 和 metrics-server 的查詢結果進行返回：

func (mo monitoringOperator) GetNamedMetricsOverTime(metrics []string, start, end time.Time, step time.Duration, opt monitoring.QueryOption) Metrics {
    // 獲取prometheus client查詢結果，主要使用sync.WaitGroup並發查詢，每個指標啟動一個goroutine，最后將結果和並返回
	ress := mo.prometheus.GetNamedMetricsOverTime(metrics, start, end, step, opt)
	// 如果metrics-server激活了
	if mo.metricsserver != nil {

		//合並邊緣節點數據
		edgeMetrics := make(map[string]monitoring.MetricData)

		for i, ressMetric := range ress {
			metricName := ressMetric.MetricName
			ressMetricValues := ressMetric.MetricData.MetricValues
			if len(ressMetricValues) == 0 {
				// this metric has no prometheus metrics data
				if len(edgeMetrics) == 0 {
					// start to request monintoring metricsApi data
					mr := mo.metricsserver.GetNamedMetricsOverTime(metrics, start, end, step, opt)
					for _, mrMetric := range mr {
						edgeMetrics[mrMetric.MetricName] = mrMetric.MetricData
					}
				}
				if val, ok := edgeMetrics[metricName]; ok {
					ress[i].MetricData.MetricValues = append(ress[i].MetricData.MetricValues, val.MetricValues...)
				}
			}
		}
	}

	return Metrics{Results: ress}
}

此外，monitoring 包還定義了各監控查詢 client 的接口方法，可以按需探索：

• GetMetric(expr string, time time.Time) Metric

• GetMetricOverTime(expr string, start, end time.Time, step time.Duration) Metric

• GetNamedMetrics(metrics []string, time time.Time, opt QueryOption) []Metric

• GetNamedMetricsOverTime(metrics []string, start, end time.Time, step time.Duration, opt QueryOption) []Metric

• GetMetadata(namespace string) []Metadata

• GetMetricLabelSet(expr string, start, end time.Time) []map[string]string

tenant.kubesphere.io

再聊 api 之前，順帶一提多租戶在隔離的安全程度上，我們可以將其分為軟隔離 (Soft Multi-tenancy) 和硬隔離 (Hard Multi-tenancy) 兩種。

• 軟隔離更多的是面向企業內部的多租需求；
• 硬隔離面向的更多是對外提供服務的服務供應商，需要更嚴格的隔離作為安全保障。

這個 group 下比較重要的部分是實現租戶查詢 logs/audits/events：

以查詢日志為例：

func (h *tenantHandler) QueryLogs(req *restful.Request, resp *restful.Response) {
    // 查詢上下文中攜帶的租戶信息
	user, ok := request.UserFrom(req.Request.Context())
	if !ok {
		err := fmt.Errorf("cannot obtain user info")
		klog.Errorln(err)
		api.HandleForbidden(resp, req, err)
		return
	}
	// 解析查詢的參數，比如確定屬於哪個ns/workload/pod/container的查詢、時間段，是否為柱狀查詢等
	queryParam, err := loggingv1alpha2.ParseQueryParameter(req)
	if err != nil {
		klog.Errorln(err)
		api.HandleInternalError(resp, req, err)
		return
	}
	// 導出數據
	if queryParam.Operation == loggingv1alpha2.OperationExport {
		resp.Header().Set(restful.HEADER_ContentType, "text/plain")
		resp.Header().Set("Content-Disposition", "attachment")
		// 驗證賬號是否有權限
		// admin賬號可以導出所有ns的日志，租戶只能導出本ns的日志
		// 組裝loggingclient進行日志導出
		err := h.tenant.ExportLogs(user, queryParam, resp)
		if err != nil {
			klog.Errorln(err)
			api.HandleInternalError(resp, req, err)
			return
		}
	} else {
		// 驗證賬號是否有權限
		// admin賬號可以查看所有ns的日志，租戶只能查看本ns的日志
		// 組裝loggingclient進行日志返回
		result, err := h.tenant.QueryLogs(user, queryParam)
		if err != nil {
			klog.Errorln(err)
			api.HandleInternalError(resp, req, err)
			return
		}
		resp.WriteAsJson(result)
	}
}

由於篇幅有限，只對以上 GVR 進行了調試，感興趣可以深入了解~

本文由博客一文多發平台 OpenWrite 發布！