KubeSphere 后端源码深度解析

这篇文章我们将学习在 vscode 上的 ssh remote 插件基础上，尝试 debug 和学习 KubeSphere 后端模块架构。

前提

• 安装好 vscode 以及 ssh remote container 插件；

• 在远程主机上安装好 kubenertes 容器 " 操作系统 " 和 KubeSphere >= v3.1.0 云“控制面板”；

• 安装 go >=1.16;

• 在 KubeSphere 上安装了需要 debug 的 ks 组件，如 devops、kubeedge 或者 whatever, 如果是默认激活的组件，像 monitoring，不需要去激活。

配置 launch 文件

$ cat .vscode/launch.json
{
    // 使用 IntelliSense 了解相关属性。 
    // 悬停以查看现有属性的描述。
    // 欲了解更多信息，请访问: http://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 调试依赖文件

在相对路径 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

因为上述 configmap 中差少 kubeconfig 相关配置，所以需要将上述 yaml 文件拷贝出来整合一下。

为啥要用添加 kubeconfig 文件？

主要是因为 k8s 在创建 client 时需要这么一个文件 , 而容器中会用到 inclusterconfig 就不需要添加了。

感兴趣可以看下 client-go 的例子：

http://github.com/kubernetes/client-go/blob/master/examples/in-cluster-client-configuration/main.go#L41
http://github.com/kubernetes/client-go/blob/master/examples/out-of-cluster-client-configuration/main.go#L53

所以完整的配置启动文件如下：

$ cat ./cmd/ks-apiserver/kubesphere.yaml
kubernetes:
  kubeconfig: "/root/.kube/config"
  master: http://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, 第一层的 key 表示我们集群中已经按照或者默认激活的 ks 组件，现在就可以通过 F5 来启动 debug 了。

在 debug 之前，你可能会问，这个配置文件为啥要放在 /cmd/ks-apiserver/kubesphere.yaml?

我们先来探索一波 ks-apiserver 的运行逻辑。

启动 ks-apiserver

查看 cmd/ks-apiserver/app/server.go 的逻辑 :

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

TryLoadFromDisk 的逻辑如下：

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(".", "_"))

// 上面一顿配置之后，单步调试，ReadInConfig这一步读取的文件路径是 
// 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() // 初始化各组件配置

// 从读取的实际路径配置文件来反序列化到conf这个struct
if err := viper.Unmarshal(conf); err != nil {
 return nil, err
}

return conf, n

上面的注释，解释了需要在指定路径下添加 kubesphere.yaml 启动 ks-apiserver 命令行。

我们接着往下撸，这里使用 cobra.Command 这个 package 来做命令行的集成：

func Run(s *options.ServerRunOptions, ctx context.Context) error {
 // NewAPIServer 通过给定的配置启动apiserver实例，绑定实例化的各组件的client
 // 这一步还通过AddToScheme来注册一些自定义的GVK到k8s，最终暴露为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
 // 上一步绑定了各组件的client，这一步就可以调用各组件的client来访问对应组件的server端了
 // 猜猜4.0后端可插拔架构会是什么样子的？
 err = apiserver.PrepareRun(ctx.Done())
 if err != nil {
  return nil
 }
 
 // 运行各种informers同步资源，并开始ks-apiserver监听请求
 return apiserver.Run(ctx)
}

s.NewAPIServer(ctx.Done()) 主要是创建一个 apiserver 实例。创建 apiserver 实例这一步，还通过 scheme 注册 ks 自定义的 GVK 到 k8s,  暴露为 apis 请求路径的 API。

PrepareRun 主要是使用 resful-go 框架集成了各子模块代理请求或集成服务， 暴露为 kapis 请求路径的 API 功能 。

apiserver.Run(ctx) 则是做了资源同步，并启动 server 监听。

下面分开阐述说明。

NewAPIServer

首先是绑定各种 client 和 informers:

// 调用各组件的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
...
// 根据kubesphere.yaml或者kubesphere-config configmap的配置来绑定ks组件的client
...

初始化绑定完毕后 , 会启动一个 server 来响应请求 , 所以这里会做一个 addr 绑定 :

...
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)
}
...

注意这一步 apis.AddToScheme(sch), 将我们定义的 GVK 注册到 k8s 中。

顺带一提，GVK 指的是 Group,Version, Kind, 举个栗子：

{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 的关系 ,  一个 GVK 只能对应一个 reflect.Type, 一个 reflect.Type 可能对应多个 GVK；此外，Scheme 还聚合了 converter 及 cloner, 用来转换不同版本的结构体和获取结构体值的拷贝；限于篇幅有限，感兴趣的童鞋可以深入探索下。

回归正文，下面我们看下怎么注入 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 这个类型的是 []func(*Scheme) error 的别名，只需要在 package apis 下的接口文件中实现相应的 init() 方法来导入实现的版本 API，就可以注入 Scheme 中。

举个例子：

$ 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，我们开发的插件集成的版本化资源，必须实现 xxx.SchemeBuilder.AddToScheme 功能，才能注册到 scheme 中，最终暴露为 apis 访问 API 服务。

至此，所有子模块对应的 client 已经与这个 apiserver 绑定。

PrepareRun

下面，我们探讨下 PrepareRun 是怎么注册 kapis 以及绑定 handler 的。

主要是通过 restful-go 框架来实现的。

restful-go 框架使用 container 来 hold 住拥有特定 GVR 的 webservice, 一个 webserver 可以绑定多个 router，允许 container 或者 webserver 添加自定义拦截器，也就是调用 filter 方法。

func (s *APIServer) PrepareRun(stopCh <-chan struct{}) error {
  // container来hold住拥有特定GVR的webservice
 s.container = restful.NewContainer()
 // 添加请求Request日志拦截器
 s.container.Filter(logRequestAndResponse)
 s.container.Router(restful.CurlyRouter{})
 
 // 发生Recover时，绑定一个日志handler
 s.container.RecoverHandler(func(panicReason interface{}, httpWriter http.ResponseWriter) {
  logStackOnRecover(panicReason, httpWriter)
 })
 
 // 每个API组都构建一个webservice，然后根据路由规则来并绑定回调函数
  // 通过AddToContainer来完成绑定
 s.installKubeSphereAPIs()
 
 // 注册metrics指标: ks_server_request_total、ks_server_request_duration_seconds
 // 绑定metrics handler
 s.installMetricsAPI()
 
 // 为有效请求增加监控计数
 s.container.Filter(monitorRequest)

 for _, ws := range s.container.RegisteredWebServices() {
  klog.V(2).Infof("%s", ws.RootPath())
 }
 
 s.Server.Handler = s.container
 
 // 添加各个调用链的拦截器, 用于验证和路由分发
 s.buildHandlerChain(stopCh)

 return nil
}

上面主要使用 restful-go 框架给 s.Server.handler 绑定了一个 container, 添加了各种拦截器。

在 s.installKubeSphereAPIS() 这一步安装 GVR 绑定了 kapis 代理，具体是这样实现的：

// 调用各api组的AddToContainer方法来向container注册kapi:
urlruntime.Must(monitoringv1alpha3.AddToContainer(s.container, s.KubernetesClient.Kubernetes(), s.MonitoringClient, s.MetricsClient, s.InformerFactory, s.KubernetesClient.KubeSphere(), s.Config.OpenPitrixOptions))

// 详细来说，各个组件实现的AddToContainer方法
// 为带有GroupVersion信息的webserver添加route，不同路由路径绑定不同的handler
ws := runtime.NewWebService(GroupVersion)
// 给子路由绑定回调函数
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)

我们知道 apis 对应 k8s 的请求，而在 ks 中 kapis 对应子组件的代理请求，由 ks-apiserver 自身或者转发目标组件 server 来提供响应，那么 ks-apiserver 是怎么区分这些请求的？

答案是通过 buildHandlerChain 来进行分发的。

buildHandlerChain

上面说到 buildHandlerChain 构建了各种服务的拦截器，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 这个 filter 定义了如下逻辑：

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]
   }
  }
    // 通过api路由路径中的携带apis还是kapis就可以区分
  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:]
  }
 }
 ...
}

代码很多，我就不一一截图了，大概意思可以从注释看到：

// 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}

通过路由定义的信息，就可以区分这个请求是什么级别的，以及这个请求要分发到哪个 server 了。

我们给各个 filter 的回调函数加上断点， 然后做个小实验看下拦截器的拦截顺序是怎样的。

假设远程云主机的服务已经启动，服务端口在 9090，以及你为 anonymous 这个 globalrole 设定了 monitoring.kubesphere.io 这个组下资源类型为 ClusterDashboard 的访问权限。当然了，你也可以用有访问权限的账号来直接测试。

接下来，我们来发送一个 kapis 请求，看这个链路怎么跳跃的：

curl -d '{"grafanaDashboardUrl":"http://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

测试结果如下：

WithRequestInfo -> WithAuthentication -> WithAuthorization -> WithKubeAPIServer

Run

这个方法主要干了两件事，一是启动 informers 同步资源 , 二是启动 ks apiserver。

func (s *APIServer) Run(ctx context.Context) (err error) {
  // 启动informer工厂，包括k8s和ks的informers
 // 同步资源，包括k8s和ks的GVR
 // 检查GVR是否存在，不存在报错警告，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)
 }()
 
 // 启动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，调用完 Run 方法后，ks-apiserver 就启动了。

现在我们做一下简单总结：

• 根据配置文件创建 ks-apiserver 实例 , 该实例调用了三个关键方法，分别是 NewAPIServer、PrepareRun 以及 Run 方法；

• NewAPIServer 通过给定的配置，绑定各个模块的 client，将自定义的 GVK 注册到 Scheme，暴露 apis 路由服务；

• PrepareRun 通过 restful-go 框架来注册、绑定 kapi 路由和回调函数，用来自身响应或者下发组件 server 查询合并数据返回给客户端 ;

• 最后 , 调用 Run 方法，同步资源并启动 ks-apiserver 服务；

GVK 探索实战

显然，我们只需要关注各模块的 AddToContainer 方法就行了。

iam.kubesphere.io

pkg/kapis/iam/v1alpha2/register.go

从代码注释来看，这个模块管理着 users、clustermembers、globalroles、clusterroles、workspaceroles、roles、workspaces groups 、workspace members、devops members 等账号角色的 CRUD。

现在我们可以在 handler 中打上断点，去请求这些 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

代码里面使用的代理转发请求：

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 的请求会转发到 http://edge-watcher.kubeedge.svc/api/，也就是 kubeedge 这个 namespace 下的 service，相关的接口集成在那里。

关于整合边缘计算平台的集成，除了需要做一个主流边缘框架的快速安装和集成外，还可以集成一个类似 edge-shim 的适配器，大概需要从一下几个方面考虑：

• 代理 endpoint: 现在的 kubeedge 就是使用代理模式转发；

• 健康检查接口：至少要确保云端的组件已经成功部署；

• 事件、长期日志、审计等可观测组件的支持；

• 其他边缘辅助功能，如文件或者配置下发等；

notification.kubesphere.io

pkg/kapis/notification/v2beta1/register.go

这个组下的 api 主要实现了 notification 的全局或租户级别的 config 和 receivers 资源的 CRUD。

config 资源

用于配置对接通知渠道相关参数的一些配置，分为全局的和租户级别的 config 资源；

reciever 资源

用于配置接收者的一些配置信息，区分全局的和租户级别的接收者；

我们挑选一个回调函数进行剖析：

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) {
 // 租户或用户的名称
 user := req.PathParameter("user")
 // 资源类型，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)
}

我们看下 list object 的逻辑：

// 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 := ""
 // 如果没有给定租户的名称，则获取全局的对象
 if user == "" {
  if isConfig(o.GetObject(resource)) {
      // type=default对config资源来说是全局的
   filter = "type=default"
  } else {
      // type=global对receiever资源来说是全局的
   filter = "type=global"
  }
 } else {
 // 否则就给过滤器绑定租户名称
  filter = "type=tenant,user=" + user
 }
 // 组装过滤标签
 q.LabelSelector = q.LabelSelector + filter
 ...
 // 通过过滤标签获取cluster或者namespace下的指定资源
 res, err := o.resourceGetter.List(resource, ns, q)
 if err != nil {
  return nil, err
 }

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

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

这样一来，就实现了租户级别的通知告警 CR 配置的 CRUD，这些 CR 是这么分类的：

• config 分为全局 type = default, 租户 type = tenant 两种级别；

• reciever 分为全局 type = global, 租户 type = tenant 两种级别；

那么 config 和 reciever 怎么相互绑定、告警是如何通过渠道给租户发消息的？

http://github.com/kubesphere/notification-manager/blob/master/pkg/webhook/v1/handler.go#L45
http://github.com/kubesphere/notification-manager/blob/master/pkg/notify/notify.go#L66

notification-manager 简称 nm，我这里断章取义地简要回答一下。

功能方面：

• 全局配置 reciever 通过配置的渠道将所有的 alerts 发送给其定义好的接收者名单， 配置了租户信息的 reciever 只能通过渠道发送当前 ns 下的 alerts；

• reciever 中可以通过配置 alertSelector 参数来进一步过滤告警消息；

• 通过修改名为 notification-manager-template 的 confimap 来定制发送消息模板；

告警到通知的流程：

• nm 使用端口 19093 和 API 路径 /api/v2/alerts 接收从 Alertmanager  发送的告警 ;

• 回调函数接受 alerts 转换为 notification 模板数据，按照 namespace 区分告警数据；

• 遍历所有 Recievers，每个 ns 下启动一个协程来发送消息， 而这里每个 ns 对应着多个通知渠道，因此也使用 waitgroup 来并发编排完成任务；

monitoring.kubesphere.io

pkg/kapis/monitoring/v1alpha3/register.go

将监控指标分为平台级、节点级、workspaces、namespaces、pods 等级别，不仅可以获取总的统计，还能获取 nodes/namespaces/workspaces 下的所有 pods/containers 等监控指标。

我们查看回调函数，以 handleNamedMetricsQuery 为例分析：

• 遍历给定指标级别下的合法 metric 指标，根据请求参数中 metricFilter 的来过滤指标名；

• 判断为范围查询还是实时查询，来调取 monitoring 包中相关方法，通过对应的 client 请求后端获取结果返回；

代码如下：

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

 var metrics []string
 // q.namedMetrics 是一组按照监控指标级别分类好的拥有promsql expr定义的完整指标名数组
 // 监控指标级别分类是根据 monitoring.Levelxxx在上一个栈里细分的，i.e: monitoring.LevelPod
 for _, metric := range q.namedMetrics {
  if strings.HasPrefix(metric, model.MetricMeterPrefix) {
   // skip meter metric
   continue
  }
  // 根据请求参数中的指标名来过滤
  ok, _ := regexp.MatchString(q.metricFilter, metric)
  if ok {
   metrics = append(metrics, metric)
  }
 }
 if len(metrics) == 0 {
  resp.WriteAsJson(res)
  return
 }
 
 // 判断是否是范围查询还是实时查询，继续调用相关函数
 // 主要还是用prometheus client去查询promsql, 边缘节点的指标目前通过metrics server来查询
 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)
}

现在，我们将视角移植到 :

pkg/models/monitoring/monitoring.go:156

以 GetNamedMetricsOverTime 为例，这里阐述了会合并 prometheus 和 metrics-server 的查询结果进行返回：

func (mo monitoringOperator) GetNamedMetricsOverTime(metrics []string, start, end time.Time, step time.Duration, opt monitoring.QueryOption) Metrics {
    // 获取prometheus client查询结果，主要使用sync.WaitGroup并发查询，每个指标启动一个goroutine，最后将结果和并返回
 ress := mo.prometheus.GetNamedMetricsOverTime(metrics, start, end, step, opt)
 // 如果metrics-server激活了
 if mo.metricsserver != nil {

  //合并边缘节点数据
  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 包还定义了各监控查询 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

在聊 api 之前，顺带一提多租户在隔离的安全程度上，我们可以将其分为软隔离 (Soft Multi-tenancy) 和硬隔离 (Hard Multi-tenancy) 两种。

• 软隔离更多的是面向企业内部的多租需求；

• 硬隔离面向的更多是对外提供服务的服务供应商，需要更严格的隔离作为安全保障。

这个 group 下比较重要的部分是实现租户查询 logs/audits/events：

以查询日志为例：

func (h *tenantHandler) QueryLogs(req *restful.Request, resp *restful.Response) {
    // 查询上下文中携带的租户信息
 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
 }
 // 解析查询的参数，比如确定属于哪个ns/workload/pod/container的查询、时间段，是否为柱状查询等
 queryParam, err := loggingv1alpha2.ParseQueryParameter(req)
 if err != nil {
  klog.Errorln(err)
  api.HandleInternalError(resp, req, err)
  return
 }
 // 导出数据
 if queryParam.Operation == loggingv1alpha2.OperationExport {
  resp.Header().Set(restful.HEADER_ContentType, "text/plain")
  resp.Header().Set("Content-Disposition", "attachment")
  // 验证账号是否有权限
  // admin账号可以导出所有ns的日志，租户只能导出本ns的日志
  // 组装loggingclient进行日志导出
  err := h.tenant.ExportLogs(user, queryParam, resp)
  if err != nil {
   klog.Errorln(err)
   api.HandleInternalError(resp, req, err)
   return
  }
 } else {
  // 验证账号是否有权限
  // admin账号可以查看所有ns的日志，租户只能查看本ns的日志
  // 组装loggingclient进行日志返回
  result, err := h.tenant.QueryLogs(user, queryParam)
  if err != nil {
   klog.Errorln(err)
   api.HandleInternalError(resp, req, err)
   return
  }
  resp.WriteAsJson(result)
 }
}

由于篇幅有限，只对以上 GVR 进行了调试，感兴趣可以深入了解~