Bottlerocket OS中通过SSM和Kubernetes API收集节点日志的实践指南
2025-05-25 02:04:30作者:明树来
背景介绍
Bottlerocket作为一款专为容器环境设计的操作系统,其安全设计理念中移除了传统SSH服务。这种设计虽然提高了安全性,但也给运维人员收集节点日志带来了新的挑战。本文将详细介绍两种在Amazon EKS环境中获取Bottlerocket工作节点日志的有效方法。
方法一:通过SSM建立SSH隧道
这是官方推荐的标准化方法,适用于所有AWS环境:
-
本地SSH配置准备 在运维人员的本地机器上编辑SSH配置文件(~/.ssh/config),添加以下内容:
host i-* mi-* ProxyCommand sh -c "aws ssm start-session --target %h --document-name AWS-StartSSHSession --parameters 'portNumber=%p'" -
建立SSH连接 配置完成后,可以通过标准SSH命令连接节点:
ssh ec2-user@i-xxxxxxxxxxxxx -
进入管理容器 连接成功后,依次执行:
enter-admin-container sudo sheltie logdog -
获取日志文件 生成的日志文件位于容器内的固定路径:
/var/log/support/bottlerocket-logs.tar.gz
方法二:通过Kubernetes API获取
针对EKS环境的特殊优化方案,无需SSH配置:
-
通过SSM接入节点 使用AWS Systems Manager会话管理器直接连接节点
-
执行日志收集命令 在节点上依次执行:
enter-admin-container sudo sheltie logdog -
通过kubectl获取日志 从任意可访问Kubernetes API的位置执行:
kubectl get --raw "/api/v1/nodes/<node-name>/proxy/logs/support/bottlerocket-logs.tar.gz" > bottlerocket-logs.tar.gz
技术原理分析
- logdog工具:Bottlerocket内置的日志收集工具,会自动打包系统关键日志
- Kubernetes节点代理:kubelet提供的/proxy功能允许通过API Server访问节点文件系统
- SSM隧道:利用AWS Systems Manager的会话管理功能建立加密通道
方案对比
| 特性 | SSM+SSH方案 | Kubernetes API方案 |
|---|---|---|
| 适用范围 | 所有AWS环境 | 仅限Kubernetes集群 |
| 网络要求 | 需要出网 | 仅需API Server可达 |
| 安全层级 | 较高 | 最高 |
| 依赖组件 | AWS CLI | kubectl |
最佳实践建议
- 对于常规运维,推荐使用SSM+SSH方案,兼容性更好
- 在严格的安全策略环境下,优先考虑Kubernetes API方案
- 可将日志收集命令集成到CI/CD流水线中实现自动化
- 定期清理旧的日志文件,避免磁盘空间占用
注意事项
- 执行操作需要相应的IAM权限和kubeconfig配置
- 日志文件可能包含敏感信息,传输过程建议加密
- 不同Bottlerocket版本日志路径可能略有差异
- 生产环境建议通过DaemonSet实现集群级别的日志收集
通过以上方法,运维人员可以在保持Bottlerocket安全特性的同时,有效获取节点日志进行故障排查和系统监控。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C030
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
424
3.26 K
Ascend Extension for PyTorch
Python
231
264
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
334
暂无简介
Dart
686
161
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
266
326
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.22 K
667
仓颉编译器源码及 cjdb 调试工具。
C++
136
869