標籤:

如何基於 k8s 開發高可靠服務?容器雲牛人有話說

k8s 是當前主流的容器編排服務,它主要解決「集群環境」下「容器化應用」的「管理問題」,主要包括如下幾方面:

容器集群管理

? 編排

? 調度

? 訪問

基礎設施管理

? 計算資源

? 網路資源

? 存儲資源

k8s 的強大依賴於它良好的設計理念和抽象,吸引了越來越多的開發者投入到 k8s 社區,把 k8s 作為基礎設施運行服務的公司也逐步增多。

在設計理念方面,k8s 只有 APIServer 與 etcd (存儲) 通信,其他組件在內存中維護狀態,通過 APIServer 持久化數據。管理組件動作的觸發是 level-based 而非 edge-based,並根據資源「當前狀態」和「期望狀態」進行相應動作。k8s 採用分層設計,基於各類抽象介面、由不同的插件滿足不同的需求。

在抽象方面,不同的 workload 服務於不同的應用,如針對無狀態應用的 Deployment、針對有狀態應用的 StatefulSet 等。在訪問管理方面,Service 解耦了集群內部服務訪問方和提供者,Ingress 提供了集群外部到集群內部的訪問管理。

k8s 雖然有良好的設計理念和抽象,但陡峭的學習曲線和不完善的開發資料極大增加了應用開發的難度。

本次分享將基於筆者的開發實踐,以 MySQL on k8s 為例,描述如何基於 k8s 開發高可靠應用,儘可能抽象出最佳實踐,降低基於 k8s 開發高可靠應用的成本。

MySQL on k8s

應用的設計和開發不能脫離業務需求,對 MySQL 應用的需求如下:

  1. 數據高可靠
  2. 服務高可用
  3. 易使用
  4. 易運維

為了實現上述需求,需要依靠 k8s 和應用兩方面協同工作,即開發基於 k8s 高可靠應用,既需要 k8s 相關的知識,也需要應用領域內的知識。

下述將根據上述需求來分析相應的解決方案。

  1. 數據高可靠

數據的高可靠一般依賴於這幾方面:

  • 冗餘
  • 備份/恢復

我們使用 Percona XtraDB Cluster 作為 MySQL 集群方案,它是 multi-master 的 MySQL 架構,實例間基於 Galera Replication 技術實現數據的實時同步。這種集群方案可以避免 master-slave 架構的集群在主從切換時可能出現的數據丟失現象,進一步提升數據的可靠性。

備份方面,我們使用 xtrabackup 作為備份/恢復方案,實現數據的熱備份,在備份期間不影響用戶對集群的正常訪問。

提供「定時備份」的同時,我們也提供「手動備份」,以滿足業務對備份數據的需求。

2. 服務高可用

這裡從「數據鏈路」和「控制鏈路」兩個角度來分析。

「數據鏈路」是用戶訪問 MySQL 服務的鏈路,我們使用 3 主節點的 MySQL 集群方案,通過 TLB (七牛自研的四層負載均衡服務) 對用戶提供訪問入口。TLB 既實現了訪問層面對 MySQL 實例的負載均衡,又實現了對服務的健康檢測,自動摘除異常的節點,同時在節點恢復時自動加入該節點。如下圖:

基於上述 MySQL 集群方案和 TLB,一個或兩個節點的異常不會影響用戶對 MySQL 集群的正常訪問,確保 MySQL 服務的高可用。

「控制鏈路」是 MySQL 集群的管理鏈路,分為兩個層面:

  • 全局控制管理
  • 每個 MySQL 集群的控制管理

全局控制管理主要負責「創建/刪除集群」「管理所有 MySQL 集群狀態」等,基於 Operator 的理念來實現。每個 MySQL 集群有一個控制器,負責該集群的「任務調度」「健康檢測」「故障自動處理」等。

這種拆解將每個集群的管理工作下放到每個集群中,降低了集群間控制鏈路的相互干擾,同時又減輕了全局控制器的壓力。

如下圖:

這裡簡單介紹下 Operator 的理念和實現。

Operator 是 CoreOS 公司提出的一個概念,用來創建、配置、管理複雜應用,由兩部分構成:

Resource

? 自定義資源

? 為用戶提供一種簡單的方式描述對服務的期望

Controller

? 創建 Resource

? 監聽 Resource 的變更,用來實現用戶對服務的期望

工作流程如下圖所示:

即:

  1. 註冊 CR (CustomResource) 資源
  2. 監聽 CR objects 的變更
  3. 用戶對該 CR 資源進行 CREATE/UPDATE/DELETE 操作
  4. 觸發相應的 handler 進行處理

我們根據實踐,對開發 Operator 做了如下抽象:

CR 抽象為這樣的結構體:

對 CR ADD/UPDATE/DELETE events 的操作,抽象為如下介面:

在上述抽象的基礎上,七牛提供了一個簡單的 Operator 框架,透明化了創建 CR、監聽 CR events 等的操作,將開發 Operator 的工作變的更為簡單。

我們開發了 MySQL Operator 和 MySQL Data Operator,分別用來負責「創建/刪除集群」和「手動備份/恢復」工作。

由於每個 MySQL 集群會有多種類型的任務邏輯,如「數據備份」「數據恢復」「健康檢測」「故障自動處理」等,這些邏輯的並發執行可能會引發異常,故需要任務調度器來協調任務的執行,Controller 起到的就是這方面的作用:

通過 Controller 和各類 Worker,每個 MySQL 集群實現了自運維。

在「健康檢測」方面,我們實現了兩種機制:

  • 被動檢測
  • 主動檢測

「被動檢測」是每個 MySQL 實例向 Controller 彙報健康狀態,「主動檢測」是由 Controller 請求每個 MySQL 實例的健康狀態。這兩種機制相互補充,提升健康檢測的可靠度和及時性。

對於健康檢測的數據,Controller 和 Operator 均會使用,如下圖所示:

Controller 使用健康檢測數據是為了及時發現 MySQL 集群的異常,並做相應的故障處理,故需要準確、及時的健康狀態信息。它在內存中維護所有 MySQL 實例的狀態,根據「主動檢測」和「被動檢測」的結果更新實例狀態並做相應的處理。

Operator 使用健康檢測數據是為了向外界反映 MySQL 集群的運行情況,並在 Controller 異常時介入到 MySQL 集群的故障處理中。

在實踐中,由於健康檢測的頻率相對較高,會產生大量的健康狀態,若每個健康狀態都被持久化,那麼 Operator 和 APIServer 均會承受巨大的訪問壓力。由於這些健康狀態僅最新的數據有意義,故在 Controller 層面將待向 Operator 彙報的健康狀態插入到一個有限容量的 Queue 中,當 Queue 滿時,舊的健康狀態將被丟棄。

當 Controller 檢測到 MySQL 集群異常時,將會進行故障自動處理。

先定義故障處理原則:

  • 不丟數據
  • 儘可能不影響可用性
  • 對於已知的、能夠處理的故障進行自動處理
  • 對於未知的、不能夠處理的故障不自動處理,人工介入

在故障處理中,有這些關鍵問題:

  • 故障類型有哪些
  • 如何及時檢測和感知故障
  • 當前是否出現了故障
  • 出現的故障是哪種故障類型
  • 如何進行處理

針對上述關鍵問題,我們定義了 3 種級別的集群狀態:

Green

? 可以對外服務

? 運行節點數量符合預期

Yellow

? 可以對外服務

? 運行節點數量不符合預期

Red

? 不能對外服務

同時針對每個 mysqld 節點,定義了如下狀態:

Green

? 節點在運行

? 節點在 MySQL 集群中

Yellow

? 節點在運行

? 節點不在 MySQL 集群中

Red-clean

? 節點優雅退出

Red-unclean

? 節點非優雅退出

Unknown

? 節點狀態不可知

Controller 收集到所有 MySQL 節點狀態後,會根據這些節點的狀態推算 MySQL 集群的狀態。當檢測到 MySQL 集群狀態不是 Green 時,會觸發「故障處理」邏輯,該邏輯會根據已知的故障處理方案進行處理。若該故障類型未知,人工介入處理。整個流程如下圖:

由於每種應用的故障場景和處理方案不同,這裡不再敘述具體的處理方法。

3. 易使用

我們基於 Operator 的理念實現了高可靠的 MySQL 服務,為用戶定義了兩類資源,即 QiniuMySQL 和 QiniuMySQLData。前者描述用戶對 MySQL 集群的配置,後者描述手動備份/恢複數據的任務,這裡以 QiniuMySQL 為例。

用戶可通過如下簡單的 yaml 文件觸發創建 MySQL 集群的操作:

在集群創建好後,用戶可通過該 CR object 的 status 欄位獲取集群狀態:

這裡再引入一個概念:Helm。

Helm 是為 k8s 提供的包管理工具,通過將應用打包為 Chart,標準化了 k8s 應用的交付、部署和使用流程。

Chart 本質上是 k8s yaml 文件和參數文件的集合,這樣可以通過一個 Chart 文件進行應用的交付。Helm 通過操作 Chart,可一鍵部署、升級應用。

由於篇幅原因及 Helm 操作的通用性,這裡不再描述具體的使用過程。

4. 易運維

除了上述實現的「健康檢測」「故障自動處理」以及通過 Helm 管理應用的交付、部署,在運維過程中還有如下問題需要考慮:

  • 監控/告警
  • 日誌管理

我們通過 prometheus + grafana 做監控/告警服務,服務將 metric 數據以 HTTP API 暴露給 prometheus,由 prometheus server 定時拉取。開發人員在 grafana 上將 prometheus 中的監控數據可視化,根據對監控圖表和應用的把握,在監控圖中設置告警線,由 grafana 實現告警。

這種先可視化監控後告警的方式,極大程度上增強了我們對應用運行特徵的把握,明確需要關注的指標和告警線,降低無效告警的產生量。

在開發中,我們通過 gRPC 實現服務間的通信。在 gRPC 生態系統中,有個名為 go-grpc-prometheus 的開源項目,通過在服務中插入幾行簡單的代碼,就可以實現對 gRPC server 所有 rpc 請求的監控打點。

對於容器化服務,日誌管理包括「日誌收集」和「日誌滾動」兩方面維度。

我們將服務日誌打到 syslog 中,再通過某種手段將 syslog 日誌轉入到容器的 stdout/stderr 中,方便外部採用常規的方式進行日誌收集。同時,在 syslog 中配置了 logrotate 功能,自動進行日誌的滾動操作,避免日誌佔滿容器磁碟空間引發服務異常。

為了提升開發效率,我們使用 github.com/phusion/base 作為基礎鏡像,其中內置了 syslog 和 lograte 服務,應用只關心把日誌打入 syslog 即可,不用關心日誌的收集和日誌滾動問題。

小結

通過上述描述,完整的 MySQL 應用架構如下:

在開發基於 k8s 的高可靠 MySQL 應用過程中,隨著對 k8s 和 MySQL 理解的深入,我們不斷進行抽象,逐步將如下通用的邏輯和最佳實踐以模塊的方式實現:

  • Operator 開發框架
  • 健康檢測服務
  • 故障自動處理服務
  • 任務調度服務
  • 配置管理服務
  • 監控服務
  • 日誌服務
  • etc.

隨著這些通用邏輯和最佳實踐的模塊化,在開發新的基於 k8s 的高可靠應用時,開發者可像「搭積木」一樣將與 k8s 相關的交互快速搭建起來,這樣的應用由於已經運用了最佳實踐,從一開始就具備高可靠的特性。同時,開發者可將注意力從 k8s 陡峭的學習曲線轉移到應用自身領域,從應用自身加強服務的可靠性。

牛人說

牛人說專欄致力於技術人思想的發現,其中包括技術實踐、技術乾貨、技術見解、成長心得,還有一切值得被發現的技術內容。我們希望集合最優秀的技術人,挖掘獨到、犀利、具有時代感的聲音。


推薦閱讀:

TAG:容器雲 |