织梦做的网站怎么添加关键词,asp与sql做网站,网易 自助网站建设,如何开发公司的网站一、引言 Prometheus Adapter的背景与重要性 在现代的云原生架构中#xff0c;微服务和容器化技术得到了广泛的应用。这些技术带来了系统灵活性和扩展性的提升#xff0c;但同时也增加了系统监控和管理的复杂度。Prometheus作为一款开源的监控系统#xff0c;因其强大的指标… 一、引言 Prometheus Adapter的背景与重要性 在现代的云原生架构中微服务和容器化技术得到了广泛的应用。这些技术带来了系统灵活性和扩展性的提升但同时也增加了系统监控和管理的复杂度。Prometheus作为一款开源的监控系统因其强大的指标收集和查询能力成为了许多企业和开发者的首选。然而随着应用场景的多样化和规模的不断扩大单纯依赖Prometheus内置的功能已经不能满足所有需求。Prometheus Adapter应运而生作为Prometheus生态系统的重要组成部分提供了强大的自定义指标扩展和灵活的指标查询能力。 Prometheus Adapter的核心功能是将Prometheus中的监控数据转换为Kubernetes可识别的自定义指标这对于实现基于自定义指标的自动扩展Horizontal Pod AutoscalerHPA至关重要。在复杂的微服务架构和大规模集群管理中通过Prometheus Adapter用户可以自定义监控指标进行精细化的资源管理和自动化运维从而提升系统的可靠性和性能。 适用场景与应用需求 Prometheus Adapter主要应用于以下几种场景 自定义指标的自动扩展在Kubernetes中HPA主要依赖于CPU和内存等基础资源的使用情况进行自动扩展。但在实际应用中用户往往需要基于业务指标如请求响应时间、队列长度等进行扩展。Prometheus Adapter允许用户定义和使用自定义的Prometheus查询将这些业务指标转化为HPA可识别的指标从而实现更精细的扩展策略。 多集群环境下的统一监控在多集群环境中管理和监控各个集群的资源和应用是一项复杂的任务。通过Prometheus Adapter用户可以将不同集群的Prometheus数据统一处理和展示实现跨集群的集中监控和管理提高运维效率。 复杂业务场景下的灵活监控在一些复杂业务场景中用户需要对特定的应用或服务进行深入监控。例如在电商网站中用户可能需要监控每秒订单数、支付成功率等业务指标。通过Prometheus Adapter用户可以自定义监控这些特定业务指标结合Prometheus强大的查询功能进行灵活多样的监控和分析。 Prometheus Adapter的功能与优势 Prometheus Adapter具备以下几项关键功能和优势 灵活的自定义指标定义用户可以通过简单的配置文件定义复杂的Prometheus查询将结果转化为Kubernetes自定义指标。这使得用户可以根据具体的业务需求灵活定义和使用各种自定义指标。 高效的数据查询与转换Prometheus Adapter通过高效的查询和数据转换机制能够快速处理大量监控数据并将其转换为Kubernetes可识别的格式。这对于大规模集群和高并发场景尤为重要能够确保监控系统的实时性和可靠性。 与Kubernetes的无缝集成作为Prometheus生态系统的一部分Prometheus Adapter与Kubernetes有着紧密的集成。用户可以方便地在Kubernetes中部署和管理Prometheus Adapter实现与现有监控系统的无缝对接简化运维操作。 社区支持与扩展性Prometheus Adapter作为一个开源项目有着活跃的社区支持。用户可以通过参与社区贡献获取最新的功能更新和技术支持。此外Prometheus Adapter还具备良好的扩展性用户可以根据自身需求进行二次开发和定制。 二、Prometheus Adapter的基本概念 什么是Prometheus Adapter Prometheus Adapter是一个开源工具用于将Prometheus中的监控数据转换为Kubernetes自定义指标。这一转换过程使得Kubernetes可以基于这些自定义指标进行自动扩展Horizontal Pod AutoscalerHPA和其他自定义操作。通过Prometheus Adapter用户可以将复杂的业务指标引入到Kubernetes的监控和管理体系中从而实现更灵活、更细致的资源管理。 Prometheus Adapter的出现源于对监控灵活性和扩展性的需求。在传统的监控体系中监控指标通常固定在CPU、内存等基础资源上。然而实际的业务需求往往更加复杂多样。例如在电商网站中监控订单处理时间、用户请求数等业务指标往往比单纯的资源指标更为重要。Prometheus Adapter通过将Prometheus的强大查询功能与Kubernetes的自定义指标相结合提供了一个解决这一需求的有效方案。 Prometheus Adapter的架构与工作原理 Prometheus Adapter的架构设计旨在高效、可靠地实现监控数据的转换和传输。其核心组件包括配置解析器、数据查询模块和指标转发模块。以下是对这些组件的详细解析 配置解析器配置解析器负责读取和解析用户定义的配置文件。这些配置文件中定义了Prometheus查询规则、自定义指标名称和转换逻辑。配置解析器将这些配置转化为内部数据结构供后续模块使用。 数据查询模块数据查询模块负责与Prometheus实例通信执行配置文件中定义的查询操作。通过使用Prometheus的HTTP API数据查询模块可以获取实时的监控数据。数据查询模块需要具备高效的数据处理能力以应对大规模集群和高并发环境下的查询需求。 指标转发模块指标转发模块负责将查询到的数据转换为Kubernetes可识别的自定义指标格式并将这些指标推送到Kubernetes API服务器。通过与Kubernetes的Metric API集成指标转发模块确保这些自定义指标可以被Kubernetes中的其他组件如HPA识别和使用。 Prometheus Adapter与Prometheus的关系与区别 Prometheus Adapter与Prometheus之间存在紧密的关系但两者的功能定位和使用场景有所不同 功能定位Prometheus是一个强大的监控系统负责数据的采集、存储和查询。它通过抓取各类监控目标的数据提供丰富的查询和告警功能。Prometheus Adapter则是一个数据转换工具负责将Prometheus中的监控数据转换为Kubernetes自定义指标。其核心功能是将Prometheus强大的查询能力引入到Kubernetes的监控和管理体系中。 使用场景Prometheus主要用于各类系统和应用的监控其使用场景包括基础设施监控、应用性能监控和业务指标监控等。Prometheus Adapter则主要用于Kubernetes环境中特别是在需要基于自定义指标进行自动扩展和其他自定义操作的场景中。通过Prometheus Adapter用户可以将复杂的业务指标引入到Kubernetes的自动化管理流程中。 技术实现Prometheus通过抓取各类监控目标的HTTP端点收集和存储时序数据。它的架构设计强调高效的数据采集和查询能力。Prometheus Adapter则通过调用Prometheus的HTTP API执行预定义的查询操作并将结果转换为Kubernetes自定义指标。两者在技术实现上有明显的区别但通过API接口实现了紧密的集成。 三、部署与安装 环境要求 在部署Prometheus Adapter之前需要确保以下环境和软件组件已经正确安装和配置 Kubernetes集群 版本要求Kubernetes 1.14及以上 集群内应至少包含一个主节点和若干工作节点 已正确配置kubectl命令行工具并能够正常访问集群 Prometheus实例 版本要求Prometheus 2.0及以上 Prometheus应已经部署并在集群中运行确保能够采集和存储监控数据 确保Prometheus的HTTP API可用并且集群内的组件能够访问该API Helm可选 版本要求Helm 3.0及以上 Helm用于简化Prometheus Adapter的安装和管理但也可以通过手动部署YAML文件进行安装 安装步骤 Prometheus Adapter的安装过程可以通过两种方式完成使用Helm Chart进行安装或手动部署YAML文件。以下将详细介绍这两种安装方式。 使用Helm Chart进行安装 添加Prometheus Adapter的Helm仓库
helm repo add prometheus-community https://prometheus-community.github.io/helm-charts
helm repo update 安装Prometheus Adapter
helm install prometheus-adapter prometheus-community/prometheus-adapter --namespace monitoring 验证安装安装完成后检查Prometheus Adapter的Pod是否成功启动
kubectl get pods -n monitoring -l appprometheus-adapter 手动部署YAML文件 下载Prometheus Adapter的部署文件
可以从Prometheus Adapter的GitHub仓库获取最新的部署文件
git clone https://github.com/kubernetes-sigs/prometheus-adapter.git
cd prometheus-adapter/deploy/manifests 部署Prometheus Adapter
kubectl apply -f . 验证安装
同样检查Prometheus Adapter的Pod是否成功启动
kubectl get pods -n custom-metrics 配置详解 安装完成后需要对Prometheus Adapter进行详细的配置以确保其能够正确地与Prometheus和Kubernetes集成。配置主要通过一个YAML文件进行定义其中包括Prometheus的地址、自定义查询规则、以及Kubernetes API服务器的相关设置。 配置文件结构 Prometheus Adapter的配置文件通常包含以下几个部分 MetricMappings
定义Prometheus查询规则和Kubernetes自定义指标的映射关系。 Rules
定义自定义的Prometheus查询规则包括指标名称、查询语法等。 ResourceRules
定义与Kubernetes资源相关的查询规则如节点、Pod等。 MetricsRelabelings
定义如何从Prometheus查询结果中提取和转换指标。 以下是一个示例配置文件
apiVersion: v1
kind: ConfigMap
metadata:name: custom-metrics-confignamespace: custom-metrics
data:config.yaml: |rules:default: falseseriesQuery: http_requests_total{namespace!,pod!}resources:overrides:namespace: {resource: namespace}pod: {resource: pod}name:matches: ^(.*)_totalas: ${1}_per_secondmetricsQuery: sum(rate(.Series[5m])) by (.GroupBy) 如何定义自定义的指标 在配置文件中可以通过rules部分定义自定义的Prometheus查询规则。以下是一个详细的示例
rules:- seriesQuery: http_requests_total{namespace!,pod!}resources:overrides:namespace: {resource: namespace}pod: {resource: pod}name:matches: ^(.*)_totalas: ${1}_per_secondmetricsQuery: sum(rate(.Series[5m])) by (.GroupBy) seriesQuery定义需要查询的Prometheus指标。 resources定义如何将Prometheus指标中的标签映射到Kubernetes资源。 name定义转换后的自定义指标名称。 metricsQuery定义具体的Prometheus查询语法用于计算自定义指标的值。 不同数据源的适配 除了PrometheusPrometheus Adapter还可以适配其他数据源如Thanos、VictoriaMetrics等。通过在配置文件中定义不同的数据源地址和查询规则可以实现多数据源的灵活适配。例如
prometheus:url: http://thanos-query:9090/path: /api/v1/query 常见问题与解决方案 在部署和配置Prometheus Adapter的过程中可能会遇到一些常见问题。以下是几种典型问题及其解决方案 无法连接到Prometheus实例 解决方案 检查Prometheus的服务地址和端口确保Prometheus Adapter的配置文件中地址正确无误。 使用curl或wget命令测试Prometheus API的可访问性。
curl http://prometheus-server:9090/api/v1/query?queryup 自定义指标无法被Kubernetes识别 解决方案 确保自定义查询规则符合Prometheus Adapter的配置规范并且Prometheus中确实存在相应的指标数据。 使用Prometheus的表达式浏览器Expression Browser验证查询语法确保查询结果正确。 查询结果为空 解决方案 检查Prometheus中的原始数据确保数据确实存在并且符合查询条件。 调整查询窗口或查询条件确保能够匹配到预期的数据。 查询语法错误 解决方案 使用Prometheus的表达式浏览器验证查询语法确保语法正确。 检查配置文件中的查询规则确保没有语法错误或拼写错误。
curl http://prometheus-server:9090/api/v1/query?querysum(rate(http_requests_total[5m])) by (namespace, pod) 验证配置 完成配置后可以通过以下步骤验证Prometheus Adapter的工作情况 检查Prometheus Adapter的日志
kubectl logs -n custom-metrics prometheus-adapter-pod-name 验证自定义指标
使用kubectl命令查看自定义指标是否成功导入Kubernetes API服务器
kubectl get --raw /apis/custom.metrics.k8s.io/v1beta1 | jq . 测试HPA配置
创建一个基于自定义指标的HPA资源验证其是否能够正常工作
apiVersion: autoscaling/v2beta2
kind: HorizontalPodAutoscaler
metadata:name: custom-metrics-hpanamespace: default
spec:scaleTargetRef:apiVersion: apps/v1kind: Deploymentname: my-deploymentminReplicas: 1maxReplicas: 10metrics:- type: Podspods:metric:name: http_requests_per_secondtarget:type: AverageValueaverageValue: 100 通过以上步骤可以验证Prometheus Adapter的安装和配置是否正确以及自定义指标是否能够被Kubernetes正常识别和使用。 四、Prometheus Adapter的配置 配置文件详解 Prometheus Adapter的配置文件主要用于定义如何将Prometheus中的监控数据转换为Kubernetes可识别的自定义指标。配置文件通常使用YAML格式包含多个部分每一部分都负责特定的配置任务。 核心配置组件 metricsRelabelings 用于重新标记和筛选Prometheus中的原始指标。 例子
metricsRelabelings:- sourceLabels: [__name__]separator: ;regex: (.*)targetLabel: metric_namereplacement: ${1}action: replace rules 定义如何从Prometheus查询中生成自定义指标。 例子
rules:- seriesQuery: http_requests_total{namespace!,pod!}resources:overrides:namespace: {resource: namespace}pod: {resource: pod}name:matches: ^(.*)_totalas: ${1}_per_secondmetricsQuery: sum(rate(.Series[5m])) by (.GroupBy) resourceRules 用于定义与Kubernetes资源相关的查询规则例如节点和Pod的指标。 例子
resourceRules:cpu:name:matches: ^(.*)_cpu_usageas: custom_cpu_usagemetricsQuery: sum(rate(container_cpu_usage_seconds_total{.LabelMatchers}[1m])) by (.GroupBy) 如何定义自定义的指标 自定义指标的定义过程涉及编写Prometheus查询并将其转换为Kubernetes自定义指标。以下是详细步骤 步骤1编写Prometheus查询 首先在Prometheus中编写查询以获取所需的数据。例如要获取每秒HTTP请求数可以使用以下查询
sum(rate(http_requests_total[5m])) by (namespace, pod) 步骤2定义配置规则 在Prometheus Adapter的配置文件中定义对应的查询规则和指标转换逻辑。例如
rules:- seriesQuery: http_requests_total{namespace!,pod!}resources:overrides:namespace: {resource: namespace}pod: {resource: pod}name:matches: ^(.*)_totalas: ${1}_per_secondmetricsQuery: sum(rate(.Series[5m])) by (.GroupBy) 上述配置中 seriesQuery指定Prometheus中的原始指标。 resources定义如何将Prometheus指标中的标签映射到Kubernetes资源。 name指定自定义指标的命名规则。 metricsQuery定义Prometheus查询语法计算自定义指标的值。 步骤3部署配置文件 将配置文件部署到Kubernetes中
kubectl apply -f custom-metrics-config.yaml 不同数据源的适配 Prometheus Adapter不仅可以与Prometheus集成还可以适配其他数据源例如Thanos和VictoriaMetrics。配置方法类似通过定义不同的数据源地址和查询规则实现灵活的多数据源适配。 适配Thanos Thanos是一个用于Prometheus高可用性、长时间存储和多集群聚合的解决方案。可以通过以下配置适配Thanos
prometheus:url: http://thanos-query:9090/path: /api/v1/query 在这种配置中url指向Thanos查询服务的地址path指定查询API路径。 适配VictoriaMetrics VictoriaMetrics是一个高性能的开源时间序列数据库兼容Prometheus。适配VictoriaMetrics的配置示例如下
prometheus:url: http://victoriametrics:8428/path: /api/v1/query 高级配置技巧 动态标签处理 Prometheus Adapter支持动态标签处理通过metricsRelabelings和rules部分的配置可以灵活处理Prometheus指标中的标签。例如
metricsRelabelings:- sourceLabels: [__name__]separator: ;regex: (.*)targetLabel: metric_namereplacement: ${1}action: replace 分片与聚合 在大规模集群中可以通过分片和聚合策略提升查询性能和数据处理效率。例如
rules:- seriesQuery: container_cpu_usage_seconds_total{namespace!,pod!}resources:overrides:namespace: {resource: namespace}pod: {resource: pod}name:matches: ^(.*)_cpu_usage_seconds_totalas: ${1}_cpu_usagemetricsQuery: sum(rate(.Series[5m])) by (.GroupBy) 上述配置通过sum(rate(...))实现数据的聚合处理适用于大规模数据场景。 常见问题与解决方案 在配置和使用Prometheus Adapter时可能会遇到一些常见问题。以下是几种典型问题及其解决方案 自定义指标查询失败 问题描述配置的自定义指标无法在Kubernetes中查询到。 解决方案 检查Prometheus查询语法确保其在Prometheus表达式浏览器中能够返回预期结果。 确认Prometheus Adapter配置文件的语法和内容正确。 查看Prometheus Adapter的日志排查错误信息。
kubectl logs -n custom-metrics prometheus-adapter-pod-name 连接Prometheus失败 问题描述Prometheus Adapter无法连接到Prometheus实例。 解决方案 确认Prometheus实例的地址和端口正确无误。 检查网络连接确保Prometheus Adapter所在Pod能够访问Prometheus实例。
curl http://prometheus-server:9090/api/v1/query?queryup 指标名称冲突 问题描述配置的自定义指标名称与现有指标名称冲突。 解决方案 在定义自定义指标时使用独特的命名规则避免与现有指标名称重复。 通过name配置部分灵活调整自定义指标名称。
name:matches: ^(.*)_totalas: ${1}_custom_per_second 验证配置 完成配置后可以通过以下步骤验证Prometheus Adapter的工作情况 检查Prometheus Adapter的日志
kubectl logs -n custom-metrics prometheus-adapter-pod-name 验证自定义指标使用kubectl命令查看自定义指标是否成功导入Kubernetes API服务器
kubectl get --raw /apis/custom.metrics.k8s.io/v1beta1 | jq . 测试HPA配置创建一个基于自定义指标的HPA资源验证其是否能够正常工作
apiVersion: autoscaling/v2beta2
kind: HorizontalPodAutoscaler
metadata:name: custom-metrics-hpanamespace: default
spec:scaleTargetRef:apiVersion: apps/v1kind: Deploymentname: my-deploymentminReplicas: 1maxReplicas: 10metrics:- type: Podspods:metric:name: http_requests_per_secondtarget:type: AverageValueaverageValue: 100 通过以上步骤可以验证Prometheus Adapter的配置是否正确自定义指标是否能够被Kubernetes正常识别和使用。 五、Prometheus Adapter实践案例 在这一部分我们将通过实际案例展示Prometheus Adapter的应用帮助用户理解如何在不同场景中配置和使用Prometheus Adapter以满足复杂的监控需求。以下是三个详细的实践案例。 案例一Kubernetes集成Prometheus Adapter 背景 在Kubernetes集群中水平自动扩展HPA主要依赖于CPU和内存的使用情况。然而在实际应用中许多业务场景需要基于其他指标如请求数、响应时间等进行扩展。通过Prometheus Adapter可以将自定义的Prometheus指标引入到Kubernetes HPA中实现更精细的扩展策略。 目标 通过Prometheus Adapter将HTTP请求数这一业务指标引入到Kubernetes HPA中实现基于请求数的自动扩展。 步骤 配置Prometheus Adapter 首先编写Prometheus Adapter的配置文件定义从Prometheus中获取HTTP请求数的查询规则。
apiVersion: v1
kind: ConfigMap
metadata:name: custom-metrics-confignamespace: custom-metrics
data:config.yaml: |rules:- seriesQuery: http_requests_total{namespace!,pod!}resources:overrides:namespace: {resource: namespace}pod: {resource: pod}name:matches: ^(.*)_totalas: ${1}_per_secondmetricsQuery: sum(rate(.Series[5m])) by (.GroupBy) 部署配置文件
kubectl apply -f custom-metrics-config.yaml 部署Prometheus Adapter
使用Helm或YAML文件部署Prometheus Adapter。
helm install prometheus-adapter prometheus-community/prometheus-adapter --namespace custom-metrics 验证自定义指标
确认Prometheus Adapter已经成功导入自定义指标
kubectl get --raw /apis/custom.metrics.k8s.io/v1beta1 | jq . 配置HPA
创建一个HPA资源基于自定义的HTTP请求数指标进行扩展
apiVersion: autoscaling/v2beta2
kind: HorizontalPodAutoscaler
metadata:name: http-requests-hpanamespace: default
spec:scaleTargetRef:apiVersion: apps/v1kind: Deploymentname: my-deploymentminReplicas: 1maxReplicas: 10metrics:- type: Podspods:metric:name: http_requests_per_secondtarget:type: AverageValueaverageValue: 100 部署HPA配置文件
kubectl apply -f http-requests-hpa.yaml 效果 通过上述步骤Kubernetes集群中的应用将基于HTTP请求数的变化进行自动扩展从而确保在高负载时有足够的资源来处理请求同时在低负载时释放资源优化资源利用率。 案例二结合自定义指标进行业务监控 背景 在实际业务场景中某电商平台需要监控每秒订单数以确保在高峰期能够及时扩展资源避免系统过载。 目标 通过Prometheus Adapter将订单数这一业务指标引入到Kubernetes HPA中实现基于订单数的自动扩展。 步骤 配置Prometheus Adapter
编写Prometheus Adapter的配置文件定义从Prometheus中获取订单数的查询规则。
apiVersion: v1
kind: ConfigMap
metadata:name: order-metrics-confignamespace: custom-metrics
data:config.yaml: |rules:- seriesQuery: orders_total{namespace!,pod!}resources:overrides:namespace: {resource: namespace}pod: {resource: pod}name:matches: ^(.*)_totalas: ${1}_per_secondmetricsQuery: sum(rate(.Series[5m])) by (.GroupBy) 部署配置文件
kubectl apply -f order-metrics-config.yaml 部署Prometheus Adapter
使用Helm或YAML文件部署Prometheus Adapter。
helm install prometheus-adapter prometheus-community/prometheus-adapter --namespace custom-metrics 验证自定义指标
确认Prometheus Adapter已经成功导入自定义指标
kubectl get --raw /apis/custom.metrics.k8s.io/v1beta1 | jq . 配置HPA
创建一个HPA资源基于自定义的订单数指标进行扩展
apiVersion: autoscaling/v2beta2
kind: HorizontalPodAutoscaler
metadata:name: orders-hpanamespace: default
spec:scaleTargetRef:apiVersion: apps/v1kind: Deploymentname: order-serviceminReplicas: 2maxReplicas: 20metrics:- type: Podspods:metric:name: orders_per_secondtarget:type: AverageValueaverageValue: 50 部署HPA配置文件
kubectl apply -f orders-hpa.yaml 效果 通过上述步骤电商平台的订单处理服务将基于每秒订单数的变化进行自动扩展确保在订单高峰期能够及时扩展资源保证服务的可用性和响应速度。 案例三多集群环境下的Prometheus Adapter应用 背景 在多集群环境中需要统一监控和管理不同集群的资源和应用。通过Prometheus Adapter可以实现跨集群的统一监控和管理。 目标 通过Prometheus Adapter实现多个Kubernetes集群的统一监控和管理。 步骤 配置多集群环境
假设已有两个Kubernetes集群Cluster A和Cluster B分别部署了Prometheus实例。 在每个集群中部署Prometheus Adapter
在Cluster A中
helm install prometheus-adapter prometheus-community/prometheus-adapter --namespace custom-metrics 在Cluster B中
helm install prometheus-adapter prometheus-community/prometheus-adapter --namespace custom-metrics 配置跨集群Prometheus查询
在每个集群的Prometheus Adapter配置文件中分别定义从对方集群获取数据的查询规则。例如在Cluster A的配置文件中
prometheus:url: http://prometheus-cluster-b:9090/path: /api/v1/query 在Cluster B的配置文件中
prometheus:url: http://prometheus-cluster-a:9090/path: /api/v1/query 定义跨集群自定义指标
在Cluster A的Prometheus Adapter配置文件中定义从Cluster B获取的指标查询规则
rules:- seriesQuery: cluster_b_http_requests_total{namespace!,pod!}resources:overrides:namespace: {resource: namespace}pod: {resource: pod}name:matches: ^(.*)_totalas: ${1}_per_secondmetricsQuery: sum(rate(.Series[5m])) by (.GroupBy) 在Cluster B的Prometheus Adapter配置文件中定义从Cluster A获取的指标查询规则
rules:- seriesQuery: cluster_a_http_requests_total{namespace!,pod!}resources:overrides:namespace: {resource: namespace}pod: {resource: pod}name:matches: ^(.*)_totalas: ${1}_per_secondmetricsQuery: sum(rate(.Series[5m])) by (.GroupBy) 验证配置
在两个集群中分别验证Prometheus Adapter是否成功导入跨集群自定义指标
kubectl get --raw /apis/custom.metrics.k8s.io/v1beta1 | jq . 效果 通过上述配置两个集群中的Prometheus Adapter能够互相获取对方的监控数据实现跨集群的统一监控和管理。在多集群环境中用户可以通过自定义指标实现对不同集群资源的灵活管理和自动扩展提高系统的整体监控效率和响应能力。 文章转载自techlead_krischang 原文链接https://www.cnblogs.com/xfuture/p/18231193 体验地址引迈 - JNPF快速开发平台_低代码开发平台_零代码开发平台_流程设计器_表单引擎_工作流引擎_软件架构
