李乾坤

AI、系统与工程实践

1 分钟阅读

简介

喜马的容器化历程伴随着 公司的发展，并带有很深刻的喜马的烙印

  1. 以java 项目为主
  2. java 项目主要分为 web 项目和rpc 项目（基于公司自研的、类似dubbo的框架）
  3. 发布平台、rpc微服务框架、网关自研

在这个过程中，我们坚持了一些原则

  1. 开发不用写Dockerfile，即开发不需要懂容器相关知识
  2. 测试环境下，开发的电脑可以直接访问容器，即ip 可以互通。在任何环境，容器集群的物理机上的容器可以和其它物理机ip互通。
  3. k8s 分为test、uat、product 三个环境，项目配置分为 跟环境有关的部分和无关的部分，发布系统及项目信息db部署在测试环境，发布系统可以 跨环境访问 test、uat、product 的三个k8s 集群。
  4. 项目启动失败后，保留现场，不要一直重启

如何让开发发布代码到容器环境

2016年底，我在jenkins 机器上安装了docker，制作一个基于docker的项目模板。开发克隆docker 项目模板，更改源码地址、cpu、内存等配置，由jenkins 触发shell 脚本：maven编译项目得到war/jar 包；根据war/jar 拼装Dockerfile；docker build 制作docker 镜像并push 到镜像仓库；调用marathon 发布指令。

当时大概用了5天时间搭建了组件，跑通了所有步骤，我们的容器化事业就是从这个最low 的版本开始发展起来的，后来逐步做了以下演进

  1. 从marathon 逐步迁移到kubernetes，在过渡时期，我们自己实现了一个docker 发布系统，对外提供发布接口，屏蔽marathon 和 Kubernetes 的差异。
  2. 实现了一个命令行工具barge。开发在项目文件中附加一个barge.yaml 文件，里面设定了项目名等基本配置
    1. 开发只需barge deploy 便可以发布项目，barge exec -m $projectName 便可以进入容器内调试代码
    2. 使用google jib 框架基于代码直接制作docker 镜像，免去了开发电脑上装docker的要求，此外也将代码编译、镜像制作过程分散到了每个开发的电脑上，绕过了jenkins 单机负载的瓶颈。
    3. 镜像仓库 harbor的单词 含义的是海港（对应容器的集装箱），大船是没办法直接开到海港的，到港口后要靠接驳船弄进去，接驳船英文是barge，所以给项目起名叫barge， 形容给harbor 送镜像。至今仍很得意这个命名。
  3. 与公司的发布系统对接（类似阿里云效），屏蔽物理机与容器环境的使用差异

一个容器要不要多进程

容器世界盛行的理念是：one process per container。 但容器在最开始落地时，为了降低推广成本，减少使用差异过大（相比物理机）给开发带来的不适应，需要在容器内运行ssh，实质上要求在容器内运行多进程，这需要一个多进程管理工具（entrypoint不能是业务进程），最终在 runit/systemd/supervisor 中选择了runit。

此外，web 服务每次发布时ip 会变化，需要让nginx 感知到web 服务ip的变化。我们在每个容器内启动了一个nile 进程，负责将项目信息注册到zookeeper 上。使用微博一位小伙伴 开源的upsync 插件，并改写了部分源码使其支持了zookeeper（upsync 只支持etcd和consul），进而使得nginx 的upstream 可以感知到项目实例ip的变化。后来在另一个场景中，nginx 改用了其它插件，我们将实例信息写入到 consul 上即可。

随着Kubernetes 的铺开，我们使用gotty + kubectl exec 逐步推广了在 浏览器上通过web console 访问容器。专门的网关系统也投入使用，http访问由nginx ==> web服务变成了nginx ==> 网关 ==> web服务，网关提供了web 接口同步web实例数据。 ssh 及nile 进程 逐步退出历史舞台。目前，我们的entrypoint 仍是runit， 并对其做了微调，当业务进程 进程启动失败时，不会重启（如果entrypoint是业务进程时则会频繁重启），以保留现场方便开发排查问题。

健康检查的三心二意

Kubernetes 有一个readiness probe，用来检测项目的健康状态，上下游组件可以根据项目的 健康状态采取 相关措施。在readiness probe 的设置上，经过多次改变

  1. 每一个web项目会提供一个/healthcheck 接口，/healthcheck 通过即表示项目启动成功
  2. 后来发现，对于rpc 服务，/healthcheck 有时不能表示项目启动成功，需要检测rpc 服务启动时监听的端口 是否开启
  3. readiness probe配置（http 和 tcp方式任选）加大了业务开发的配置负担，经常出现配置不准确或中途改变导致readiness probe 探测失败，进而发出报警，业务开发不胜其烦，我们也非常困扰
  4. 于是将 readiness probe 配置为 exec 方式，由nile 根据项目情况 自动执行http 和tcp 探测，但仍然依赖 项目配置信息（比如rpc 服务端口）的准确性
  5. 基于“rpc 服务场景下，/healthcheck 接口成功 但rpc 服务启动失败 的场景非常的少”的判断，我们将readiness probe 改回了http /healthcheck 方式。

liveness 起初是/healthcheck

  1. 有一次运维改动机房网络，导致liveness probe 探测失败（kubelet 无法访问本机所在 容器ip），kubelet 认为liveness probe 不通过 ==> livenessProbe涉及到 RestartPolicy，大量项目重启 ==> 因为项目之间存在依赖关系，依赖服务失败，项目本身启动失败 ==> 频繁重启
  2. 后来我们不再配置 liveness probe ，仅配置readiness probe
    1. 对于物理机坏等场景，k8s 可以正常恢复
    2. 如果容器内存不足 导致实例挂掉，k8s 无法自动重启，这个可以通过内存报警来预防

与发布平台对接

image

喜马拉雅在发布平台的实践中，为了保障线上服务的稳定，沉淀了一套自己的经验和规则。其中一条硬性规定就是：服务端发布任何项目，最开始只能先发布一个实例，观察效果，确认无误后，再发布剩余实例。 在实际使用时，验证时间可能会非常长，有时持续一周。这时，Kubernetes deployment 自带的滚动发布机制便有些弱。

因此，在容器发布系统的设计上，我们让一个项目对应两个deployment。新代码的发布 就是旧deployment replicas 逐步缩小，新deployment replicas 逐步扩大的过程。 业界有两种方案

  1. 每次发布新实例，都创建一个deployment，扩大新deployment 数量，缩小旧deployment 数量。
  2. 每次发布新实例，都创建一个deployment 作为灰度deployment。灰度验证成功，则更新旧的deployment。 我们最开始使用的是第一种方案，缺点就是发布工作分散在两个deployment 上，所有实例的销毁与创建速度无法控制。此外因为deployment 名字不确定，导致hpa 配置比较麻烦。

阿里的openkruise 实现了一个crd 名为 cloneset，可以实现上述类似的功能，后续计划逐步替换掉两个deployment方案 以精简发布系统代码。 全新设计一个crd 也是一个很不错的方案 阿里云 ACK + OpenKruise 助力掌门教育实现下一代容器发布系统 Triton

此外，容器发布系统对下屏蔽Kubernetes ，对上提供项目发布、回滚、扩缩容等接口，在接口定义上也多次反复。kubernetes client-java库 也较为臃肿，为此对发布代码也进行了多次优化。

针对开发日常的各种问题，比如项目ip是多少，项目为什么启动失败等，我们专门开发了一个后台，起了一个很唬的名字：容器云平台。试图将我们日常碰到的客服问题通过技术问题来解决，通过一个平台来归拢，哪怕不能实现开发完全自助式的操作，也可以尽量减少容器开发的排查时间。比如我们开发了一个wrench 检查组件，用来扫描java 项目的classpath、日志等，分析项目是否有jar 冲突、类冲突、tomcat 日志报错、业务日志报错等，开发在web页面 上触发wrench 执行即可。

云原生下的灰度体系建设阿里对灰度发布的系统性描述。 云原生 CI/CD 框架 Tekton 初体验

与已有中间件对接

喜马有自己自研的网关及rpc 框架，最初很少考虑容器的使用场景（比如每次发布ip 会变化）。此外，服务实例需要先调用 网关和rpc 框架提供的上线接口，才可以对外提供服务。服务销毁时，也必须先调用下线接口，待服务实例将已有流量处理完毕后再销毁。

为此我们提供了一个k8s-sync 组件，监听pod 状态变化，在适当实际调用 实例的上下线接口。后续计划自定义crd 比如WebService/RpcService，由自定义controller 完成实例的上下线 及其它工作。

如何做到web/rpc 服务的无损上下线？

  1. 上线，pod 配置readiness probe 对项目的healthcheck 进行健康检查。健康检查通过后，pod 进入ready 状态， k8s-sync 监听到pod ready事件，调用web/rpc 上线接口。readiness 由k8s 确保执行，可保证健康检查不成功不会上线。风险是如果k8s-sync 挂了 则健康检查通过的 pod 无法上线。解决办法
    1. k8s-sync 容器部署，或者systemctl 管理，挂了之后可以立即重启
    2. k8s-sync 通过Prometheus 抓取数据，配置了报警，挂了之后可以迅速通知到容器开发。
  2. 下线，k8s 先执行pod preStop逻辑，preStop 先调用web/rpc 下线接口，执行xdcs 提供的零流量检查接口， 检查通过，则preStop 执行完毕，销毁。 若项目未接入xdcs，则等待preStop 等待10s后，执行完毕。 销毁 ==> preStop 由k8s 负责确保执行， 正常发布/删除/节点移除/节点驱逐 都可以确保被执行，以确保服务无损。如果物理机节点直接挂了，则无法保证无损，因为一系列机制都来不及执行。

k8s-sync 同时也将 pod 信息同步到mysql 中，方便开发根据项目名、ip 等在后台查询并访问项目容器。随着k8s-sync 功能的丰富，我们对k8s-sync 也进行了多次重构。

解决微服务架构下流量有损问题的实践和探索总结的很全面。中间件的云原生化就是中间件基于k8s的场景进行各种适配。

K8s 有损发布问题探究

微服务与K8s生命周期对齐

体会

从16年到现在，一路走来，容器的各种上下游组件、公司的中间件并不是一开始就有或成熟的，落地过程真的可以用“逢山开路遇水搭桥” 来形容。

  1. 我们花了很大的精力 在容器 与公司已有环境的融合上，比学习容器技术本身花的精力都多。为此我经常跟小伙伴讲，我们的工作是容器化，其实质上容器技术“喜马拉雅化”
    1. 技术上与各种中间件做整合。为此开发了k8s-sync，改造了upsync
    2. 不要求开发docker，写dockerfile。为此开发barge，容器云平台等
  2. 实践的过程仿佛在走夜路，很多方案心里都吃不准，为此看了很多文章，加了很多微信，很感谢一些大牛无私的交流。对于一些方案，走了弯路，兜兜转转又回到了原点。但这个过程逼得我们去想本质，去反思哪些因素是真正重要的，哪些因素其实没那么重要，哪些问题必须严防死守，哪些问题事后处理即可。
  3. 成长经常不是以你计划的方式得到的。
    1. 比如最开始搞Kubernetes 落地的时候，想着成为一个Kubernetes 高手，但最后发现大量的时间在写发布系统、k8s-sync，但再回过头，发现增进了对k8s的理解。
    2. 笔者java 开发出身，容器相关的组件都是go语言实现的，在最开始给了笔者很大的学习负担。但两相交融，有幸对很多事情任何的更深刻，比如亲身接触java的共享内存模型与go的CSP模型，最终促进了对并发模型的理解。
    3. 为了大家多用容器，我们做了很多本不归属于容器开发的工作。尤其是在容器化初期，很多开发项目启动一有问题便认为是docker的问题， 我们经常要帮小伙伴排查到问题原因，以证明不是docker的问题。这是一个很烦人的事情，但又逼着我们把事情做的更好，更有利于追求卓越。 比如wrench 的开发，真的用技术解决了一个看似不是技术的问题。
  4. 一定要共同成长，多沟通，容器改变了基础设施、开发模式、习惯，尽量推动跟上级、同事同步，单靠一个人寸步难行。

最后想想，感慨很多，还是那句：凡是过往，皆为序章。

2年云原生落地实践在运维和开发侧踩过的6个坑 头两个故障排查很有启发。

留下评论

猜您还喜欢