metrics

大家可能都知道k8s默认有个ui界面，但是呢，一般都使用的是1版本的，今天给大家部署的是2版本页面 完整部署文件 Github 地址： https://github.com/my-dlq/blog-example/tree/master/kubernetes/kubernetes-dashboard2.0.0-deploy 接下来开始部署 部署一共分5个步骤： 1、创建RBAC 2、创建configmap和secret 3、创建dashboard 4、创建metrics-scraper 5、创建访问的serviceaccount 我吧文件直接都配好了放到了百度网盘，你们可以直接下载解压使用 链接： https://pan.baidu.com/s/1wdp-zJE6FqpuJdGYgyESmg 提取码：stzw 完成之后就可以通过web页面访问了 这里使用的是kubeadmin部署的，如果是二进制，需要修改api-server的参数不然无法支持metrics-server服务的 1、创建 Dashboard RBAC 部署文件 cat > k8s-dashboard-rbac.yaml <<EOF apiVersion: v1 kind: ServiceAccount metadata: labels: k8s-app: kubernetes-dashboard name:

安全漏洞CVE-2019-3874分析 Kubernetes近期重要bug fix分析 Kubernetes v1.13.5 bug fix数据分析 ——本周更新内容 安全漏洞CVE-2019-3874分析 3月21日，Kubernetes社区通过Google Group频道Kubernetes developer/contributor discussion发布了安全漏洞CVE-2019-3874以及解决方法。 这个安全漏洞最早由红帽的工程师Matteo Croce，Natale Vinto和Andrea Spagnolo发现。当Kubernetes中的Pod以Root用户运行时，它可以绕过cgroup内存隔离，通过SCTP网络传输，创建一个潜在的DoS***，此问题本身与Kubernetes无关，但是涉及到Kubernetes调用的内核模块。问题的严重性被定义为中等，社区建议将SCTP内核模块列入黑名单来规避此问题。用户可以通过执行如下命令来测试是否会到此类***。 modprobe sctp; lsmod | grep sctp 用户可以通过执行如下命令来把SCTP列入内核模块的黑名单。 echo "install sctp /bin/true" > /etc/modprobe.d/sctp.conf 如果SCTP模块已经载入内核，则需要重启机器来从内核中卸载SCTP模块

3 月，跳不动了？>>> 序 本文主要研究一下skywalking的jvm-receiver-plugin JVMModuleProvider skywalking-6.6.0/oap-server/server-receiver-plugin/skywalking-jvm-receiver-plugin/src/main/java/org/apache/skywalking/oap/server/receiver/jvm/provider/JVMModuleProvider.java public class JVMModuleProvider extends ModuleProvider { @Override public String name() { return "default"; } @Override public Class<? extends ModuleDefine> module() { return JVMModule.class; } @Override public ModuleConfig createConfigBeanIfAbsent() { return null; } @Override public void prepare() { } @Override public void start() { GRPCHandlerRegister

Router#sh ip route 1.0.0.0/32 is subnetted, 1 subnets C 1.1.1.1 is directly connected, Loopback0 2.0.0.0/32 is subnetted, 1 subnets O 2.2.2.2 [110/11] via 12.12.12.2, 00:06:44, Ethernet0/0 12.0.0.0/8 is variably subnetted, 2 subnets, 2 masks C 12.12.12.0/24 is directly connected, Ethernet0/0 L 12.12.12.1/32 is directly connected, Ethernet0/0 13.0.0.0/8 is variably subnetted, 2 subnets, 2 masks C 13.13.13.0/24 is directly connected, Ethernet0/1 L 13.13.13.1/32 is directly connected, Ethernet0/1 23.0.0.0/24 is subnetted, 1 subnets O 23.23.23.0 [110/20] via 13.13.13.3, 00:04:52, Ethernet0/1 [110

我们讨论了hystrix+feign+ribbon，但是可能很多人都知道hystrix还有线程隔离，信号量隔离，等等各种参数配置，在这几就记录下hystrix的参数， 一、hystrix参数使用方法 通过注解@HystrixCommand的commandProperties去配置， 如下就是hystrix命令超时时间命令执行超时时间，为1000ms和执行是不启用超时 了解springcloud架构可以加求求：三五三六二四七二五九 @RestController public class MovieController { @Autowired private RestTemplate restTemplate; @GetMapping("/movie/{id}") @HystrixCommand(commandProperties = { @HystrixProperty(name = "execution.isolation.thread.timeoutInMilliseconds", value = "1000"), @HystrixProperty(name = "execution.timeout.enabled", value = "false")},fallbackMethod = "findByIdFallback") public User findById(

现在最常用的数据分析的编程语言为R和Python。每种语言都有自己的特点，Python因为Scikit-Learn库赢得了优势。Scikit-Learn有完整的文档，并实现很多机器学习算法，而每种算法使用的接口几乎相同，可以非常快的测试其它学习算法。 Pandas一般和Scikit-Learn配合使用，它是基于Numpy构建的含有更高级数据结构和工具的数据统计工具，可以把它当成excel。 加载数据 首先把数据加载到内存。下载UCI数据集： 1 2 3 4 5 6 7 8 9 10 11 import numpy as np import urllib # 数据集的url url = "http://archive.ics.uci.edu/ml/machine-learning-databases/pima-indians-diabetes/pima-indians-diabetes.data" # 下载文件 raw_data = urllib . urlopen ( url ) # 把数据加载到numpy matrix dataset = np . loadtxt ( raw_data , delimiter = "," ) # 分离数据集 X = dataset [ : , 0 : 7 ] # 属性集 y = dataset [ : , 8 ] # 标签 数据标准化

1. 数据拆分 数据拆分，即划分训练数据集&测试数据集 现在也多直接调用sklearn中的库 from sklearn . model_selection import train_test_split X_train , X_test , y_train , y_test = train_test_split ( X , y , test_size = 0.3 , random_state = 10 ) "注意X_train, X_test, y_train, y_test顺序" 2. 评价分类结果 2.1 准确度(accuracy) accuracy_score ：函数计算分类准确率，返回被正确分类的样本比例（default）或者是数量（normalize=False） from sklearn . metrics import accuracy_score 但是它在某些情况下并不一定是评估模型的最佳工具。比如一个经典例子—癌症预测系统，如果癌症的发病率只有百分之0.1，那么只要系统都预测成健康，那么准确就达到了99.9%，但是这样的系统基本上没有什么价值，因为我们关注的是比较少的那一部分样本，但是这一部分样本，并没有预测出来。 这是就需要使用混淆矩阵(Confusion Matrix)做进一步分析。 2.2 混淆矩阵(Confusion Matrix) from

1、Azkaban安装部署 azkaban-web-server-2.5.0.tar.gz azkaban-executor-server-2.5.0.tar.gz azkaban-sql-script-2.5.0.tar.gz 2、安装 将安装文件上传到集群,最好上传到安装 spark，hive、sqoop的机器上,方便命令的执行 　　mkdir azkaban azkaban web服务器安装 解压azkaban-web-server-2.5.0.tar.gz 　　tar –zxvf azkaban-web-server-2.5.0.tar.gz 将解压后的azkaban-web-server-2.5.0 移动到 azkaban目录中,并重新命名 server 　　mv azkaban-web-server-2.5.0 ../azkaban cd ../azkaban mv azkaban-web-server-2.5.0 server azkaban 执行服器安装 解压azkaban-executor-server-2.5.0.tar.gz 　　tar –zxvf azkaban-executor-server-2.5.0.tar.gz 将解压后的azkaban-executor-server-2.5.0 移动到 azkaban目录中,并重新命名 executor 　　mv

下载yaml文件到目录中 https://github.com/kubernetes-sigs/metrics-server/tree/master/deploy/kubernetes cd ~ mkdir metrics-server cd metrics-server wget https://raw.githubusercontent.com/kubernetes-sigs/metrics-server/master/deploy/kubernetes/aggregated-metrics-reader.yaml wget https://raw.githubusercontent.com/kubernetes-sigs/metrics-server/master/deploy/kubernetes/auth-delegator.yaml wget https://raw.githubusercontent.com/kubernetes-sigs/metrics-server/master/deploy/kubernetes/auth-reader.yaml wget https://raw.githubusercontent.com/kubernetes-sigs/metrics-server/master/deploy/kubernetes/metrics