本来生活网K8S架构方案

本来生活网(benlai.com)是一家生鲜电商平台,公司很早就停止了烧钱模式,开始追求盈利。既然要把利润最大化,那就要开源节流,作为技术可以在省钱的方面想想办法。我们的生产环境是由 IDC 机房的 100 多台物理机所组成,占用率高达 95%,闲置资源比较多,于是我们考虑借助 k8s 来重构我们的基础设施,提高我们资源的利用率。

容器化项目团队最初加上我就只有三个人,同时我们还有各自的工作任务要做,留给容器化的时间较少,因此我们要考虑如何快速的搭建容器平台,避免走全部自研这条路,这对我们来说是个巨大的挑战。在经历了一年的容器化之旅后,分享下我们这一年所踩过的坑和获得的经验。

面临的问题

在搭建 k8s 集群前,有很多问题摆在我们面前:

  • 人手不足,时间也不充裕,不能有太多自研的需求
  • 我们目前的发布是由测试人员完成的,不可能要求他们去写一个 yaml 或执行 kubectl 做发布,这个学习成本太高也容易出错,因此我们必须构建一个用户体验良好的可视化平台给发布人员使用
  • 我们有大量的 .NET 项目,而 .NET 环境又依赖 Windows
  • ConfigMap/Secret 不支持版本控制,同时用来存业务配置也不是很方便
  • k8s 集群和外部的通信如何打通

容器平台

作为小团队去构建一个容器平台,自研的工作量太大了。前期我们调研过很多可视化平台,比如 k8s dashboard 和 rancher 等等,但是要操作这些平台得需要专业的 k8s 运维知识,这对我们的测试人员不太友好。后来我们尝试了 KubeSphere(kubesphere.io) 平台,各方面都比较符合我们的需求,于是决定使用该平台作为我们容器平台的基础,在这之上构建我们自己的发布流程。感兴趣的朋友可以去了解下这个平台。

我们的项目有 Java 也有 .NET 的,.NET 项目占了 80% 以上。要支持 .NET 意味着要支持 Windows。在我们去年开始启动项目的时候,k8s 刚升级到 1.14 版本,是支持 Windows 节点的第一个版本,同时功能也比较弱。经过实验,我们成功对 .NET Framework 的程序进行了容器化,在不改代码的前提下运行在了 Windows 服务器上,并通过 k8s 进行管理。不过我们也遇到了一些比较难处理的问题,使用下来的总结如下:

1)Kubernetes 版本必须是 1.14 版本或以上 2)大多数 Linux 容器若不做处理会自动调度到 Windows 节点上 3)Windows 基础镜像体积普遍比较大 4)必须使用 Windows Server 2019 及以上版本 5)k8s 关键性组件以 Windows 服务形式运行,而非 Pod 6)存储和网络的支持有局限性 7)部署步骤复杂,易出错

我们调研了一段时间后决定放弃使用 Linux 和 Windows 的混合集群,因为这些问题会带来巨大的运维成本,而且也无法避免 Windows 的版权费。 我们也考虑过把这些项目转换成 Java,但其中包含大量的业务逻辑代码,把这些重构为 Java 会消耗巨大的研发和测试的人力成本,显然这对我们来说也是不现实的。那么有没有一种方案是改动很少的代码,却又能支持 Linux 的呢?答案很明显了,就是把 .NET 转 .NET Core。我们采用了这种方案,并且大多数情况能很顺利的转换一个项目而不需要修改一行业务逻辑代码

当然这个方案也有它的局限性,比如遇到如下情况就需要修改代码无法直接转换

这些修改的成本是可控的,也是我们可以接受的。到目前为止我们已经成功转换了许多 .NET 项目,并且已运行在 k8s 生产环境之上。

1)项目里使用了依赖 Windows API 的代码 2)引用的第三方库无 .NET Core 版本 3)WCF 和 Web Forms 的代码

集群暴露

由于我们是基于物理机部署也就是裸金属(Bare Metal)环境,所以无论基于什么平台搭建,最终还是要考虑如何暴露 k8s 集群这个问题。

暴露方式:

1)LoadBalancer LoadBalancer 是 Kubernetes 官方推荐的暴露方式,很可惜官方支持的方式都需要部署在云上。我们公司全部是裸机环境部署,无法使用云方案。

2)NodePort NodePort 的端口范围一般是 30000 以上,每个端口只能对应一种服务。如果应用越来越多,那端口可能就不够用了。它最大的问题是如果你暴露某一个节点给外部访问,那么这个节点会成为单点。如果你要做高可用,这几个节点都暴露出去,前面一样也要加一个负载均衡,这样事情就复杂了。

3)Ingress Ingress 可以解决 NodePort 端口复用的问题,它一般工作在7层上可以复用 80 和 443 端口。使用 Ingress 的前提是必须要有 Ingress Controller 配合,而 Ingress Controller 同样会出现你需要暴露端口并公开的问题。这时候如果你用 HostNetwork 或 HostPort 把端口暴露在当前的节点上,就存在单点问题;如果你是暴露多个节点的话,同样需要在前面再加一个LB。

4)HostNetwork/HostPort 这是更暴力的方式,直接把 Pod 的端口绑定到宿主机的端口上。这时候端口冲突会是一个很大的问题,同时单点问题依旧存在。

裸金属方案:

我们分别试用了两套方案 MetalLB(metallb.universe.tf)和 Porter(github.com/kubesphere/porter),这两个都是以 LoadBalancer 方式暴露集群的。我们测试下来都能满足需求。Porter 是 KubeSphere 的子项目,和 KubeSphere 平台兼容性更好,但是目前 Porter 没有如何部署高可用的文档,我在这里简单分享下:

前置条件:

1)首先你的路由器,必须是三层交换机,需要支持 BGP 协议。现在大多数路由设备都会支持这个协议,所以这个条件一般都能满足

2)其次集群节点上不能有建立 BGP 通信的其他服务。举例来说,当使用 Calico 时,开启了BGP模式。它的 BGP 端口运行在每个集群节点,Calico 和 Porter 同时启用 BGP 协议,会有部分节点同时运行两个组件与交换机建立 BGP 协议造成冲突。而 KubeSphere 默认安装的 Calico 是 ipip 模式的,所以我们没有遇到冲突问题

3)最后一定要有网络运维人员支持,配合你完成路由器配置以及了解整个网络拓扑结构。了解网络拓扑结构是非常重要的,否则会遇到很多问题

配置和部署:

架构和逻辑:

mark

Porter有两个插件:Porter-Manager 和 Porter-Agent

mark

Porter-Manager 是使用 Deployment 部署到 Master 节点上的,但默认只部署1个副本,它负责同步 BGP 路由到物理交换机(单向 BGP 路由,只需将 kubernetes 私有路由发布给交换机即可,无需学习交换机内物理网络路由)。还有一个组件,Porter-Agent,它以 DaemonSet 的形式在所有节点都部署一个副本,功能是维护引流规则。

mark

高可用架构:

部署好后,你可能会有疑问: 1)单个路由器挂了怎么办 2)单个 porter-manager 挂了怎么办 3)porter-manager 和路由器网络断了怎么办 4)EIP 下一跳地址所在的节点挂了怎么办 5)某个 EIP 流量突然飙升,一个节点扛不住怎么办

一般路由器或交换机都会准备两台做 VSU (Virtual Switching Unit) 实现高可用,这个是网络运维擅长的,这里不细讲了。主要说下其他几点怎么解决:

1)确保一个 EIP 有多条 BGP 路由规则,交换机和 Manager 是多对多部署的 2)确保交换机开启等价路由(ECMP) 3)要做好故障演练和压力测试

MetalLB 的高可用部署也是类似思路,虽然架构稍有不同,比如它和路由器进行 BGP 通信的组件是 Speaker,对应 Porter 的 Manager;它与 Porter 的区别在于高可用目前做的比较好;但是 Local 引流规划不如 Porter,EIP 的下一跳节点必须是 BGP 对等体(邻居)。

配置中心:

Kubernetes 的 ConfigMap 和 Secret 在一定程度上解决了配置的问题,我们可以很轻松的使用它们进行更改配置而不需要重新生成镜像,但我们在使用的过程中还是会遇到一些痛点:

1. 不支持版本控制

Deployment 和 StatefulSet 都有版本控制,我们可以使用 rollout 把应用回滚到老的版本,但是 ConfigMap/Secret 却没有版本控制,这会产生一个问题就是当我们的 Deployment 要进行回滚时,使用的 ConfigMap 还是最新的,我们必须把 ConfigMap 改回上一个 Deployment 版本所使用的 ConfigMap 内容,再进行回滚,但是这样的操作是很危险的,假设改完 ConfigMap 后有个 Pod 出了问题自动重启了,又或者 ConfigMap 以文件形式挂载到 Pod 中,都会造成程序读取到了错误的配置。一个折中的做法是每个版本都关联一个单独的 ConfigMap。

2. 不太适合管理业务配置

一个应用有时候会需要加很多业务配置,在维护大量业务配置时,我们可能需要搜索关键字、查看某个 key 的备注、对 value 的格式进行校验、批量更新配置等等,但是如果使用了 ConfigMap ,我们就不得不再做一些工具来满足这些需求,而这些需求对于配置的维护效率是有非常大的影响。

3. 热更新

我们知道如果 ConfigMap 是以文件形式进行挂载,那么当修改了 ConfigMap 的值后,过一会所有的 Pod 里相应的文件都会变更,可是如果是以环境变量的方式挂载却不会更新。为了让我们的程序支持热更新,我们需要把 ConfigMap 都挂载成文件,而当配置有很多时麻烦就来了,如果 Key 和文件是一对一挂载,那么 Pod 里会有很多小文件;如果所有 Key 都放到一个文件里,那么维护配置就成了噩梦。

4. 配置大小限制

ConfigMap 本身没有大小限制,但是 etcd 有,默认情况下一个 ConfigMap 限制为 1MB,我们估算了下,有个别应用的配置加起来真有可能突破这个限制,为了绕过这个大小限制,目前也只有切割成多个 ConfigMap 的方法了。

为了解决这些痛点,我们综合考虑了很多方案,最终决定还是使用一套开源的配置中心作为配置的源,先通过 Jenkins 把配置的源转换成 ConfigMap,以文件形式挂载到 Pod 中进行发布,这样以上的问题都可以迎刃而解。

我们选择了携程的 Apollo(github.com/ctripcorp/apollo) 作为配置中心 ,其在用户体验方面还是比较出色的,能满足我们日常维护配置的需求。

微服务

在迁移微服务到 k8s 集群的时候基本都会遇到一个问题,服务注册的时候会注册成 Pod IP,在集群内的话没有问题,在集群外的服务可就访问不到了。

我们首先考虑了是否要将集群外部与 Pod IP 打通,因为这样不需要修改任何代码就能很平滑的把服务迁移过来,但弊端是这个一旦放开,未来是很难收回来的,并且集群内部的 IP 全部可访问的话,等于破坏了 k8s 的网络设计,思考再三觉得这不是一个好的方法。

我们最后选择了结合集群暴露的方式,把一个微服务对应的 Service 设置成 LoadBalancer,这样得到的一个 EIP 作为服务注册后的 IP,手动注册的服务只需要加上这个 IP 即可,如果是自动注册的话就需要修改相关的代码。

这个方案有个小小的问题,因为一个微服务会有多个 Pod,而在迁移的灰度过程中,外部集群也有这个微服务的实例在跑,这时候服务调用的权重会不均衡,因为集群内的微服务只有一个 IP,通常会被看作是一个实例。因此如果你的业务对负载均衡比较敏感,那你需要修改这里的逻辑。

调用链监控

为了把 CAT 部署成一个 StatefulSet 并且支持扩容,我们参考了 Kafka 的 Helm 部署方式,做了以下的工作:

我们一直使用的是点评的 CAT(github.com/dianping/cat) 作为我们的调用链监控,但是要把 CAT 部署到 k8s 上比较困难,官方也无相关文档支持。总结部署 CAT 的难点主要有以下几个:

1)CAT 每个实例都是有状态的,并且根据功能不同,相应的配置也会不同,因此每个实例的配置是需要不一样的,不能简单的挂载 ConfigMap 来解决 2)CAT 每个实例需要绑定一个 IP 给客户端使用,不能使用 Service 做负载均衡。 3)CAT 每个实例必须事先知道所有实例的 IP 地址 4)CAT 每个实例会在代码层面获取自己的 IP,这时候获取到的是可变的 Pod IP,与绑定的 IP不一致,这就会导致集群内部通信出问题

1)我们为每个 Pod 创建了一个 Service,并且启用 LoadBalancer 模式绑定了 IP,使每个 Pod 都会有一个独立的对外 IP 地址,称它为 EIP; 2)我们把所有实例的信息都保存在配置中心,并且为每个实例生成了不同的配置,比如有些实例是跑 Job,有些实例是跑监控的; 3)我们会预先规划好 EIP,并把这些 EIP 列表通过动态生成配置的方式传给每个实例; 4)最后我们给每个实例里塞了一个特殊的文件,这个文件里存的是当前这个实例所绑定的 EIP 地址。接着我们修改了 CAT 的代码,把所有获取本地 IP 地址的代码改成了读取这个特定文件里的 IP 地址,以此欺骗每个实例认为这个 EIP 就是它自己的本地 IP。

扩容很简单,只需要在配置中心里添加一条实例信息,重新部署即可。

CI/CD

发布流程:

由于 KubeSphere 平台集成了 Jenkins ,因此我们基于 Jenkins 做了很多 CI/CD 的工作。

处理配置:

由于前面提到了 ConfigMap 不支持版本控制,因此配置中心拉取配置生成 ConfigMap 的事情就由 Jenkins 来实现了。我们会在 ConfigMap 名称后加上当前应用的版本号,将该版本的 ConfigMap 关联到 Deployment 中。这样在执行回滚应用时 ConfigMap 也可以一起回滚。同时 ConfigMap 的清理工作也可以在这里完成。

起初我们为每个应用都写了一个 Jenkinsfile,里面的逻辑有拉取代码、编译应用、上传镜像到仓库和发布到 k8s 集群等。接着我为了结合现有的发布流程,通过 Jenkins 的动态参数实现了完全发布、制作镜像、发布配置、上线应用、回滚应用这样五种流程。

复用代码:

随着应用的增多,Jenkinsfile 也越来越多,如果要修改一个部署逻辑将会修改全部的 Jenkinsfile,这显然是不可接受的,于是我们开始优化 Jenkinsfile。

首先我们为不同类型的应用创建了不同的 yaml 模板,并用模板变量替换了里面的参数。接着我们使用了 Jenkins Shared Library 来编写通用的 CI/CD 逻辑,而 Jenkinsfile 里只需要填写需要执行什么逻辑和相应的参数即可。这样当一个逻辑需要变更时,我们直接修改通用库里的代码就全部生效了。

数据落地:

随着越来越多的应用接入到容器发布中,不可避免的要对这些应用的发布及部署上线的发布效率、失败率、发布次数等指标进行分析;其次我们当前的流程虽然实现了 CI/CD 的流程代码复用,但是很多参数还是要去改对应应用的 Jenkinsfile 进行调整,这也很不方便。于是我们决定将所有应用的基本信息、发布信息、版本信息、编译信息等数据存放在指定的数据库中,然后提供相关的 API,Jenkinsfile 可以直接调用对应的发布接口获取应用的相关发布信息等;这样后期不管是要对这些发布数据分析也好,还是要查看或者改变应用的基本信息、发布信息、编译信息等都可以游刃有余;甚至我们还可以依据这些接口打造我们自己的应用管理界面,实现从研发到构建到上线的一体化操作。

集群稳定性

我们在构建我们的测试环境的时候,由于服务器资源比较匮乏,我们使用了线上过保的机器作为我们的测试环境节点。在很长一段时间里,服务器不停的宕机,起初我们以为是硬件老化引起的,因为在主机告警屏幕看到了硬件出错信息。直到后来我们生产环境很新的服务器也出现了频繁宕机的问题,我们就开始重视了起来,并且尝试去分析了原因。

未来展望

后来我们把 CentOS 7 的内核版本升级到最新以后就再也没发生过宕机了。所以说内核的版本与 k8s 和 Docker 的稳定性是有很大的关系。同样把 k8s 和 Docker 升级到一个稳定的版本也是很有必要的。

我们目前对未来的规划是这样的: 1)支持多集群部署 2)支持容器调试 3)微服务与 istio 的结合 4)应用管理界面

Q&A

Q1:不使用kubeshift rancher等,直接使用原生k8s,如何实现多租户管理?通过什么实现? A:你可以尝试下我在分享中提到的 KubeSphere 平台

Q2:k8s在生产上部署,推荐二进制还是kubeadm安装?kubeadm安装除了提高运维难度,在生产上还有什么弊端 A:我们使用了 kubeadm 部署 k8s;建议选你们运维团队较熟悉的那种方式部署。

Q3:如何入门学习k8s A:很多方式,有本书可以推荐《Kubernetes in Action》

Q4:用prometheus-operator监控k8s的时候,有点不明白为啥默认的阈值要那么配置,比如说apiserver,我怎么去定义我的阈值,只要报警了,我就知道apiserver有问题了

A:若要对 apiserver 的高可用进行监控,可先对 ready/desired 数量进行比对,其次可以在集群外部对 apiserver 进行访问监控。

Q5:我现在看好多项目,用户开始用k8s替换yarn做资源调度,这两者有什么区别或者优劣势? A:对 yarn 不是很了解,不好下结论

Q6:我们这用的是dubbo,pod更新的时候,比如说已经进来的流量,我如何去优雅处理,我这pod更新的时候,有依赖这个服务的应用就会报dubbo超时了 A:这个我们也在优化中,目前的方案是在进程收到 SIGTERM 信号后,先禁止所有新的请求(可以使 readinessProbe 失败),然后等待所有请求处理完毕,根据业务特性设置等待时间,默认可以为30秒,超时后自动强制停止

Q7:请问你们服务如何做HPA的? A:目前还没有使用 HPA

Q8:最近我们在调研把数据库跑在k8s上,不知道大佬有没有这方面的经验可以分享下 A:没有这方面经验,目前我们对存储还处于研究状态,尚未考虑把有状态应用全部部署在 k8s 之上。我的建议是,你必须有一个比较可靠的存储才能做这件事。

Q9:Jar包启动时加jvm限制吗?还是只做request和limit限制? A:我的理解是 request 和 limit 只是对整个容器的资源进行控制; 而jvm的相关参数是对容器内部的应用做限制。 这两者并不冲突;可以同时使用,也可以单独使用request和limit ;只不过jvm的限制上限会受到limit的制约.

Q10:存储用的什么方案?能分享下么? A:Ceph-RBD

Q11:ceph用的bluestore还是filestore? A:BlueStore

Q12:net core应用部署在k8s中相比Java操作复杂吗,想了解下具体如何从.net转到net core的 A:1)实际在k8s内部署.netcore和部署java都一样,选择好对应的dotnetcore基础镜像版本;然后以该版本的为基础制作应用的镜像后部署到k8s即可 只不过在选择dotnetcore的基础镜像时,我建议直接选择sdk正常版本。我们试过runtime、sdk-alpine等版本,虽然这些版本占用空闲小;但是你不知道它里面会少那些基础库的东西,我们在这个上面踩了很多坑。我们现在选择的基础镜像是:mcr.microsoft.com/dotnet/core/sdk:3.1 2)转换过程根据程序的复杂度决定,有些应用没修改业务逻辑,而有些改的很厉害。

Q13:镜像tag和代码版本是怎样的对应关系? A:我们的镜像tag = 源码的分支: [develop|master] + 日期 + jenkins的编译任务序号; 如:master-200401-27这样。 当这个tag的镜像在线下都测试完毕时准备上线了, 那么就以这个镜像的Tag作为应用代码的Tag编号. 这样就能够通过镜像的Tag追溯到应用代码的Tag版本

Q14:Centos7的系统版本和内核版本号,能说明下么 A:内核版本:3.10.0-1062.12.1.el7.x86_64,这个对应的是 CentOS 7.7,具体可参见 https://access.redhat.com/articles/3078

Q15:本来生活的日志和监控方案是怎样设计的? A:由于 KubeSphere 的日志在老版本有延时,因此我们线上是采集到 Kafka 然后通过现有的 Kibana 进行查询,也就是 ELK,监控是基于 KubeSphere 自带的 prometheus,没做太多修改

Q16:KubeSphere 是开源的吗? A:是开源的,项目地址(https://github.com/kubesphere/kubesphere),是由青云团队研发的

Q17:你们有没有对 Porter 进行二次开发? A:读过源码,目前还没有人力和需求进行二次开发

Q18:Jenkinsfile 调用接口是采用插件还是使用shell的呢 A:我们暂时采用的shell的方式。

吕祥坤: Q17:你们有没有对 Porter 进行二次开发? A:读过源码,目前还没有人力和需求进行二次开发

Q18:Jenkinsfile 调用接口是采用插件还是使用shell的呢 A:我们暂时采用的shell的方式。

Q19:kubesphere的terminal不是很好用,请问您那边是否对此有何改进;另外我之前查看kubesphere的代码,发现开启elk之后,容器日志读取会直接转向elasticsearch,如果不对容器做elk日志收集的话,那么我们在kubesphere界面中将无法读取到容器的日志,对此您那边有过类似的遭遇吗。谢谢 A:1)我们遇到的不好用的情况主要有会话保持问题,在进入 web terminal时,输入 while :; do sleep 5; echo -n ' ' >&2; done & 即可保持会话。 2)关于日志延时的问题在 2.1.1中修复了,你可以尝试下

Q20:应用的回滚过程 (Deployment 或者 Statefulset) 是手动回滚还是通过 pipeline 自动化回滚? A:pipeline 自动化,分享里讲到我们有几种 pipeline 类型,其中一个就是应用回滚

Q21:你们对容器监控是采用哪种方式,另外应用的监控是如何做的,主要是性能这部分,比如阿里云的ARMS,目前在看这个 A:监控的部分我们还在优化中,主要思路是对 ready/desired 数量进行比对;应用的监控是指业务监控吗?

Q22:kubesphere 对 Istio 微服务治理支持得怎么样?你们后续的微服务治理是基于 Istio 来管理吗? A:KubeSphere 默认支持 Istio,不过我们目前的微服务还无法与 Istio 对接,因此没有使用,你可以参考他们官方的文档和视频

Q23:你们yaml模版复用是怎么使用的,helm有用到吗? A:我们把yaml文件内一些应用相关的数据抽取成变量,使之成为应用yaml文件的基础模板; 然后在pipeline构建时通过接口获取到对应应用的相关参数,将这些参数结合yaml文件模板自动填充后生成对应应用的yaml文件;然后进行部署操作。Helm 没有在应用部署中使用,但中间件有。