项目隔离——案例研究

简介

• 简介
• 测试环境的特点
  • 资源配置低
  • 频繁的代码提交
• 环境隔离
  • 环境包括什么？
  • 解决方案
• 弱隔离 实现方案
  • 实现原理
  • 信息关联
  • 对调度系统的要求
  • 弱隔离有多弱
• 全链路灰度
• service mesh

每个公司都有一个测试环境 供技术开发和调试。随着公司的壮大，会产生一个问题：一个测试环境够用么？不够用。只有一个测试环境的痛点：开发5分钟，联调1小时。为何呀？

假设你的服务依赖ABC，你联调的时候，极有可能ABC 中的某一个服务也在开发阶段，于是便可能：

1. ABC 某一个服务直接不可用
2. ABC 代码可能有bug，进而导致联调失败，耗费时间定位bug 在哪个服务上。

以上述问题为引子，可以看到：测试环境 应随着公司的壮大 而逐渐调整和规范，本文尝试梳理下 测试环境 管理 相关的几个问题，尤其关注的是环境隔离问题。

开发之痛：稳定的测试环境，怎么就那么难在测试环境中常用的实践主要有：双机部署、N+1部署、隔离环境等。

1. 双机部署，一个应用至少部署两个Pod。资源占用高
2. N+1部署
3. 隔离环境，既然我们将环境隔离出来了，但隔离依赖的基础环境不稳定，这个时候假如我们有一个稳定的环境是否就能解决问题了呢？什么样的环境是稳定环境呢？就是能够发布到线上版本的环境，线上环境肯定是稳定环境，所以我们的稳定环境其实是由与线上版本一致的应用服务组成的，跟线上的服务是一致的。当有了稳定的基础环境，在应用部署到生产环境之后，也同样要把它部署到基础环境中去，提供一个给测试环境作为依赖的基础环境。
4. 生产环境做基础环境，要解决两个重要的问题，第一个是流量隔离，流量隔离相对来说问题不太大，从以前面向资源到现在面向流量的隔离有很多现成的手段可以做。第二个是数据隔离。这个是挺大的挑战，数据形式有很多种，比如说消息队列和普通的数据库不一样，数仓又不一样，很多麻烦的问题在这里，但是具体到某一个点上都有办法解决。

毕玄：测试是个大问题，到现在也是，很多公司尤其服务化以后更严重。因为你原来就一个系统，测试还好，不存在互相干扰，服务化以后好了，有几百上千个系统，那完蛋了，一放到测试环境，你都不知道谁影响了你，所以各家公司就搞出了 N 套方案，来解决互相干扰的问题。比如阿里以前先搞了一套测试环境，所有人都在上面放新的代码，但慢慢的大家就发现这环境还是不要用了，没法用，全是异常，你查问题可能发现根本不是你代码的问题，都是别人的，但别人不理你，这就没法搞下去了。所以，我们又搞了一套日常环境，日常环境是比较稳定的，里面只允许放测试过的正常代码，但因为前面的测试环境不受大家认可，所以大家就时不时在日常环境里跑，然后就又尴尬了（笑），所以日常环境也慢慢变成测试环境了。后来希望从中间件的层面去解决，我们把这个叫二套环境，比如在这个环境里，你现在是测试，但别人调用的时候不会调用到你，会调用一个稳定版本。但是中间件要解决，很复杂，因为不光有服务调用，还有消息各种各样的问题。最后我觉得也解的不是很好。所以阿里后来都已经直接到预发环境去测了，预发其实就是线上生产环境，只不过用户访问不到，但我们内部能访问。因为用的是线上，可以确保如果出问题，应该就是我的问题。但是后来预发环境也乱套了（笑）。反正为了一个环境问题，尝试了不知道多少年，现在应该还有个团队尝试新的，专注怎么解决环境干扰问题。

vivo 全链路多版本开发测试环境落地实践 未细读。谈到了http、 rpc、mq 分别如何做流量隔离。

测试环境的特点

阿里测试环境运维及研发效率提升之道：生产环境最关注的就是稳定，测试环境更关注的是研发效率。

测试环境的特点

1. 频繁的代码提交和部署
2. 开发频繁修改自己的代码，但希望别人能够提供一个稳定的服务
3. 资源配置低

线下环境为何不稳定？怎么破 建议细读 测试环境不稳定&复杂的必然性及其对策

一站式动态多环境建设案例 未读

资源配置低

1. 服务器 配置比较低。比如磁盘容量比较低，一个服务打满磁盘，于是同主机的其它服务 直接就挂了。因此 需要进行资源监控，至少要做到支持报警以尽快发现问题。
2. 服务器 运行环境不稳定，一般测试环境 都在公司的办公大楼内，比如笔者公司，每年断一次电是必然事件。

频繁的代码提交

带来的挑战

1. 对于docker 环境来说，频繁部署会产生大量的镜像文件。因此要提供清理机制，尽可能压缩镜像文件大小，方法：直接压缩；尽可能共用layer。
2. 尽可能缩短 代码提交 到开始在测试环境运行的 时间

环境隔离

为什么要隔离？为了避免相互干扰。可以回顾下开篇的案例。

环境包括什么？

1. 互通服务器/容器，提供计算资源
2. 中间件，比如mq、zk等
3. 前端接入，比如nginx；后端存储，比如db、hdfs等

解决方案

有赞是如何高效管理自己的开发测试环境的？

1. 强隔离，一个环境一套业务服务、中间件、数据库等。听起来 服务器成本 很贵的样子，多环境的维护也需要耗费人力。
2. 弱隔离，能共用共用，按需隔离。对于服务A，存在开发版本A1及稳定版本A0，服务B类似。则A 服务调用 B 服务时。A0 会调用B0 服务，A1 服务则若存在B1 服务便调用B1 服务，否则A1 调用B0 服务。

弱隔离 实现方案

实现原理

1. 根据源头的IP所在隔离组进行路由。（阿里文章中的方案）

   

   暂时忽略上图中的红线

   把源头的请求IP放在ID（阿里有一个中间件叫做鹰眼，每个用户请求会生成一个ID，这个ID会随着每一次调用一个一个传下去）里面，当你服务调用的时候，服务路由会把ID取出来，看看你的IP有没有跟隔离组做关联，如果有的话就到那个隔离组里面去调用。

   特别的，把一个服务单独放在一个隔离组里，可以实现“服务在运行，但不会被任何人调用到”的效果

2. 请求链路 中携带 环境标识。（有赞文章中的方案）

   

   注意箭头的颜色

有赞与阿里方案类似，将服务实例信息与env 绑定。不同的是

1. 隔离组的概念 是从 服务粒度来说的，即假设一次开发只涉及到 AB 两个服务，则希望实现：AB 存在开发和稳定两种状态，开发状态 可以访问别人的稳定状态，但开发状态对外不可见，除非AB 本身就是一起开发的，B 的开发状态 对A 可见。

2. 有赞 的方案则是从 隔离角度 来说的，只是说 硬隔离成本太高，通过env 参数化的方式 实现弱隔离。

隔离组的概念 更加通用，你可以一个服务 占用一个隔离组，而一个服务占用env 则一个语义上不太顺。

信息关联

因为阿里 和 有赞的文章 分别提到 环境 和隔离组 等类似概念，以下统一 使用隔离组。

服务的提供方，如何告知 自己提供的是哪个隔离组的服务？ 调用方 如何感知 自己所在的隔离组，以便调用 对应隔离组的服务。

对于rpc 服务，可以提供 第三方配置界面人为关联，将服务实例信息（比如ip）与隔离组 的关联情况 写入到 etcd/zk 等。

对于rpc 服务，服务治理框架 在发起 rpc 调用时

1. 根据本机信息/ip 查询zk，感知自己所在的隔离组
2. 查询目标 服务 在该隔离组 中是否有 实例
3. 若有，则直接调用
4. 若无，则调用默认 隔离组 对应的服务

对于restful 等服务，服务方可以 约定 url 规范，提供服务的url 中包含 隔离组信息，并强制通过域名 访问（这样就用到了 nginx）。请求方 则在请求中 加入 带有隔离组信息的cookie（此时一般一个隔离组一个请求方，可以在请求方启动时配置好 隔离组参数，也可以单独做一个代理系统，在代理系统中关联 请求方ip 和隔离组，然后由代理系统转发rest请求），由nginx 根据 cookie 信息 自动 路由到 对应的 隔离组服务。

后续 全链路 压测时，也可以使用 弱隔离的逻辑。

20年11月1日补充：信也科技是如何用Kubernetes搞定1000个应用测试环境的？ 也是弱隔离的方案，细节实现上有独树一帜的地方。

对调度系统的要求

在单一环境下，除了业务上有shard 逻辑的需求 导致项目需要多个实例外，一般一个项目一个实例即可。此时，用户发起一次项目的部署，则调度系统会干掉 老的实例，创建新的实例。

多隔离组环境下会带来以下不同：

1. 项目通常会具备两个状态： 开发和稳定。此时，用户发起一个项目的部署，可以将隔离组 配置 纳入部署参数，调度系统 在隔离组维度上 确保一个 隔离组 只有特定数量（一般是一个）的实例
2. 项目稳定后，通常会删除 开发 版本的隔离组 实例，删除 操作 也应确保 在隔离组 维度下。

弱隔离有多弱

1. 比如mq 是否要做弱隔离？发的消息 带上 隔离组标识，只有对应 隔离组 标识的消费者才可以接收 该隔离组标识的消息。

2. 2019.4.10补充：当某个隔离组的服务挂掉时，比如下图的C1，那么是走A0->B0->C0->D1呢？还是直接告诉用户C1挂了。

   

   请求时除了携带隔离组标识外，还应携带一个白名单：描绘哪些服务挂掉就立即报错。否则就有则调用，无则调用stable（稳定组，对应上图中的v0），再无则报错。

针对第二点有一个背景，笔者最初实现的版本就是：对于A1，有B1则调用，无B1则调用B0。而新的业务需求是，没有B1就要立即报错。然后开始互撕，从中可以发现几个问题

1. 一开始受限于强弱隔离的概念，对”弱隔离有多弱“没有认识。技术概念是人为创造出来的，但创造出来是解决问题的。后来者削足适履，为了满足概念而做事儿，超出概念的却认为提出问题的人有问题。不执念于概念，尤其是权威概念，专注于解决问题。
2. 知道、理解、应用，每一个层次之间都差的挺远的。
3. 技术沟通极易转换为人身攻击，尤其是事先存在偏见的时候

全链路灰度

浅析微服务全链路灰度解决方案 非常好的文章，建议细读。感触就是，没有这么复杂的业务，你很容易觉得istio 很多余，这种体感蛮重要的。

那么全链路灰度具体是如何实现呢？

1. 需要对服务下的所有节点进⾏分组，能够区分版本。即节点打标，对应k8s 的pod.label 或者 nacos label。
2. 需要对流量进⾏灰度标识、版本标识、传递。即流量染色。在请求的源头/前端或网关根据⽤户信息或者平台信息的不同对流量进⾏打标。
3. 需要识别出不同版本的灰度流量。
4. 链路上各个组件和服务能够根据请求流量特征进⾏动态路由。此外，需要引⼊⼀个中⼼化的流量治理平台，⽅便各个业务线的开发者定义⾃⼰的全链路灰度规则。

流量染色，如果不走灰度标识的全链路透传（需要链路上的所有 服务都支持，包括mq 等），实现方式是不是可以理解为：每个pod打了anno，<podIp,流量标识>会被记录下来。一个pod 在收到请求时，根据请求来源podip 即可获取请求的流量标识，这样省得在框架里去透传流量标识了。PS：还不清晰，有没有可能实现，在实例外部做流量染色

service mesh

使用service mesh进行流量隔离

基于Go语言的滴滴DevOps重塑之路