metrics

import re import time import requests import argparse from pprint import pprint import os from sys import exit from prometheus_client import start_http_server, Summary from prometheus_client.core import GaugeMetricFamily, REGISTRY DEBUG = int(os.environ.get('DEBUG', '0')) #DEBUG = True COLLECTION_TIME = Summary('jenkins_collector_collect_seconds', 'Time spent to collect metrics from Jenkins') class JenkinsCollector(object): # The build statuses we want to export about. #statuses = ["lastBuild", "lastCompletedBuild", "lastFailedBuild", # "lastStableBuild", "lastSuccessfulBuild",

1. 单位 - px(pixel): 普通的像素点描述，位图中的一个颜色点（RGBA或者YUV） - dip(device independent pixels): 设备独立像素。 - dp: 与dip一样。 - pt(point): 标准长度单位。1pt = 1.0 / 72 (in)。 - sp(scaled pixel): 用于字体显示。 - in(inch): 英寸 - mm(millimeter): 毫米 2. 屏幕密度 屏幕类型 宽度(pixels) 高度(pixels) 尺寸(inches) 屏幕密度 QVGA 240 320 2.6 - 3.0 low WQVGA 240 400 3.2 - 3.5 low FWQVGA 240 432 3.5 - 3.8 low HVGA 320 480 3.0 - 3.5 medium WVGA 480 800 3.3 - 4.0 high FWVGA 480 854 3.5 - 4.0 high WVGA 480 800 4.8 - 5.5 medium FWVGA 480 854 5.0 - 5.8 medium 默认屏幕密度：low = 120; medium = 160; high = 240 3. 屏幕单位的换算 / frameworks / base / core / java / android / util /

本文介绍使用基于prometheus的自定义metric进行HPA。一般来说，前文介绍的根据CPU和内存做metric进行HPA就已经满足了绝大多数应用场景。 现在主流公有云产商的弹性伸缩服务支持的metric类型也较为丰富。以华为云的弹性伸缩服务为例，指标主要涵盖：CPU、内存、网络、磁盘这些资源层面。针对应用级别的就比较少见了，因此本文将介绍基于http请求访问次数的HPA。 一、创建pormetheus # cd k8s-prom-hpa/ # kubectl create -f namespaces.yaml # kubectl create -f ./prometheus 由于apiserver的端口配置限制问题，这里修改了service的监听端口，其余的配置和github上下载的一致 # cat prometheus/prometheus-svc.yaml --- apiVersion: v1 kind: Service metadata: name: prometheus namespace: monitoring labels: app: prometheus spec: type: NodePort ports: - port: 9090 targetPort: 9090 nodePort: 8500 protocol: TCP selector: app:

本文将介绍基于heapster获取metric的HPA配置。在开始之前，有必要先了解一下K8S的HPA特性。 1、HPA全称Horizontal Pod Autoscaling，即pod的水平自动扩展。 自动扩展主要分为两种，其一为水平扩展，针对于实例数目的增减；其二为垂直扩展，即单个实例可以使用的资源的增减。HPA属于前者。 2、HPA是Kubernetes中实现POD水平自动伸缩的功能。 云计算具有水平弹性的特性，这个是云计算区别于传统IT技术架构的主要特性。对于Kubernetes中的POD集群来说，HPA可以实现很多自动化功能，比如当POD中业务负载上升的时候，可以创建新的POD来保证业务系统稳定运行，当POD中业务负载下降的时候，可以销毁POD来提高资源利用率。 3、HPA控制器默认每隔30秒就会运行一次。 如果要修改间隔时间，可以设置horizontal-pod-autoscaler-sync-period参数。 4、HPA的操作对象是RC、RS或Deployment对应的Pod 根据观察到的CPU等实际使用量与用户的期望值进行比对，做出是否需要增减实例数量的决策。 5、hpa的发展历程 在Kubernetes v1.1中首次引入了hpa特性。hpa第一个版本基于观察到的CPU利用率，后续版本支持基于内存使用。 在Kubernetes 1

This question already has an answer here: What is a plain English explanation of “Big O” notation? 39 answers I'm asking more about what this means to my code. I understand the concepts mathematically, I just have a hard time wrapping my head around what they mean conceptually. For example, if one were to perform an O(1) operation on a data structure, I understand that the number of operations it has to perform won't grow because there are more items. And an O(n) operation would mean that you would perform a set of operations on each element. Could somebody fill in the blanks here? Like what

本文介绍在k8s集群中使用node-exporter、prometheus、grafana对集群进行监控。 其实现原理有点类似ELK、EFK组合。node-exporter组件负责收集节点上的metrics监控数据，并将数据推送给prometheus, prometheus负责存储这些数据，grafana将这些数据通过网页以图形的形式展现给用户。 在开始之前有必要了解下Prometheus是什么? Prometheus （中文名：普罗米修斯）是由 SoundCloud 开发的开源监控报警系统和时序列数据库(TSDB).自2012年起,许多公司及组织已经采用 Prometheus,并且该项目有着非常活跃的开发者和用户社区.现在已经成为一个独立的开源项目。Prometheus 在2016加入 CNCF ( Cloud Native Computing Foundation ), 作为在 kubernetes 之后的第二个由基金会主持的项目。 Prometheus 的实现参考了Google内部的监控实现，与源自Google的Kubernetes结合起来非常合适。另外相比influxdb的方案，性能更加突出，而且还内置了报警功能。它针对大规模的集群环境设计了拉取式的数据采集方式，只需要在应用里面实现一个metrics接口，然后把这个接口告诉Prometheus就可以完成数据采集了