请选择 进入手机版 | 继续访问电脑版

IT运维管理,ITIL,ITSS,ITSM,ISO20000-ITIL先锋论坛

 找回密码
 微信、QQ、手机号一键注册

扫描二维码登录本站

QQ登录

只需一步,快速开始

艾拓先锋
搜索
查看: 268|回复: 0

一个运维老鸟经验中的DevOps和微服务

[复制链接]
来自- 广东广州

参加活动:0

组织活动:0

发表于 2018-10-7 09:59:20 | 显示全部楼层 |阅读模式 来自- 广东广州
本帖最后由 adminlily 于 2018-10-7 10:02 编辑 . k% ~' T, g0 N+ z/ W6 {

( F1 Q7 R/ e" c% q3 ^. @单体应用 VS 微服务
" C1 }7 r1 ~# w& }7 A) `$ _
让我们先从运维的真实场景出发,来看一下单体应用存在的问题。这里先分享两个真实的生产案例:
, \+ O' f3 Z3 i8 e+ Z/ _5 Y

9 w* l2 A' {; K0 i+ o
案例一是某核心业务系统,所有的业务逻辑代码都打包在同一个WAR包里部署,运行了将近几百个同构的实例在虚拟机上。某次因为应用包中的一个功能模块出现异常,导致实例挂起,整个应用都不能用了。因为它是一个单体,所以尽管有几百个实例在运行,但是这几百个实例都是异常的。业务系统是经过多年建设起来的,排查起来也很复杂,最终整个业务系统瘫痪了近六个小时才恢复。同时,因为有多个前台系统也调用了这个后台系统,导致所有要调用的前台系统也都全部瘫痪了。设想一下,如果这个场景使用的是微服务架构,每个微服务都是独立部署的,那影响的也只是有异常的微服务和其他相关联的服务,而不会导致整个业务系统都不能使用。
- v7 N) y3 T2 L3 ~

# p6 O( t7 \1 S
. Z7 N( ]7 f6 H. b1 z# G
另外的案例是一个客服系统,这个系统有一个特点,早上八点的时候会有大量的客服登录。这个登录点是全天中业务并发量最高的时间点,登录时系统需要读取一些客户信息,加载到内存。后来一到早上客服登录时,系统经常出现内存溢出,进而导致整个客服系统都用不了。当时系统应对这种场景做架构冗余时,并不是根据单独的业务按需进行扩展,而是按照单体应用的长板进行冗余。比如说早上八点并发量最高,单点登陆模块业务需求非常大,为适应这个时间点这个模块的业务压力,系统会由原来的八个实例扩展到十六个实例,这时的扩展是基于整个系统的。但事实上,在其他时间段,这个单点登陆模块基本不使用,且监控的数据显示,主机的资源使用情况基本在40%以下,造成了很大的资源浪费。所以在一个大型的业务系统中,每个服务的并发压力不一样,如果都按压力最大的模块进行整体扩展,就会造成资源的浪费,而在微服务的模式下,每个服务都是按自身压力进行扩展的,就可以有效的提高资源利用率。

( z; @5 W" E0 t$ [. `4 l

; X' U  t' b& [" N# b1 V; Y, @& a# s9 K* F7 A
从这两个例子中,我们可以看出,单体应用存在如下两个问题:一个是横向扩展时需要整体扩展,资源分配最大化,不能按需扩展和分配资源;另一个是如果单体中有一个业务模块出现问题,就会是全局性灾难,因为所有业务跑在同一个实例中,发生异常时不具备故障隔离性,会影响整个业务系统,整个入口都会存在问题。

. u8 w; u/ `) \' [; O7 H4 \

1 E8 [6 j, w) \% j( S5 l) A6 N  d4 _! R  q0 o9 L2 ?  j; r
因此,我们当时考虑把综合业务拆分,进行更好的资源分配和故障隔离。
1.png
图 1
0 m8 G7 L6 T  v) p+ L
8 s* P) e+ a  V0 l) H
' n6 \" F" F4 a6 \
下面我们看一下单体应用和微服务的对比,如图1所示。这里从微服务带来的好处和额外的复杂性来讲。

6 ~2 K9 j3 e& X$ d

: i, c5 A3 s- r6 z/ i; K8 H( H  U, r" x: v1 W: S
微服务的好处:

9 `! [* \6 a: T3 s; S6 K
* P4 l/ w) E- x2 @) b4 I- m
3 v' R. D% [5 k% A5 }7 {
1.局部修改,局部更新。当运维对一个单体应用进行修改时,可能要先把整个包给停了,然后再去修改,而微服务只需逐步修改和更新即可;- ?  G. P5 p# E) r! |# w

2 \' b+ j% ~' e& `' }
9 K; u: E  A% K" p3 D/ o; V7 r
2.故障隔离,非全局。单体应用是跑在一起,所以只要一个模块有问题,其他就都会有问题。而微服务的故障隔离性、业务可持续性都非常高;
) L6 S2 N% z0 y
2 [6 v% N+ _4 Z
  t* O9 B+ W  W3 ]! }* z" `
3.资源利用率高。单体应用的资源利用率低,而使用微服务,可以按需分配资源,资源利用率会非常高。
6 x" F) Q- [1 H7 K6 I0 E, F

6 z& g2 @0 O5 o( Z8 J. r: b; I8 S3 H# I0 v* _0 [, J& `/ C( g' Q
微服务带来的复杂性:

7 \! j/ X& L6 f; N

. o, w! _1 X5 `6 ~% l/ d# I7 R$ U3 i9 I5 W
微服务间较强的依赖关系管理。以前单体应用是跑在一起,无依赖关系管理,如果拆成微服务依赖关系该如何处理,比如说某个微服务更新了会不会对整个系统造成影响。
9 z: S# J, w* C- E
* G" ?' p. W( w

: m- G# o* P; u0 ~" |- x  u
部署复杂。单体应用是集中式的,就一个单体跑在一起,部署和管理的时候非常简单,而微服务是一个网状分布的,有很多服务需要维护和管理,对它进行部署和维护的时候则比较复杂。

- Y; ~0 B+ f" R+ J2 r. G7 m

5 v5 f9 x2 K. @( {, g
: A" ]" w* R( |8 N
如何更好地利用资源。单体应用在资源分配时是整体分配,扩展时也是整体扩展,数量可控,而在使用微服务的情况下,需要为每一个微服务按需分配资源,那么该为每个微服务分配多少资源,启动多少个实例呢,这也是非常大的问题。

) _* @: |! B8 Q( }
( }2 n# k4 t! t5 I
, I2 _1 H$ Z4 N7 k; p- r( \3 p
监控管理难。以前我们用Java,就是一个单体应用,监控和管理非常简单,因为它就是一个1,但是使用微服务它就是N个,监控管理变得非常复杂。另外是微服务之间还有一个协作的问题。
# h$ t1 ], f/ H. @& ^

; Y: w- A" ?5 J" D! ~1 R4 F" r/ F7 U0 y
基于容器构建微服务架构

9 }2 J! A$ g/ M$ S; B  U7 n/ E4 H% d3 z2 B4 C% o% r6 @; u7 Z2 P
使用微服务,第一步是要构建一个一体化的DevOps平台,如图2。如果你不使用DevOps做微服务的话,整个环境会变得非常的乱、非常的糟糕。它会给你的整个开发、测试和运维增加很多成本,所以第一步我们是提高DevOps的能力,能够把它的开发、部署和维护进行很完美的结合,才可以说我们真正能够享受到微服务架构的福利。
1.png
图 2

# \3 p: `( _7 t9 Q

2 B0 _3 C2 P2 v% Z' x5 [- A

) I$ u6 }' ]* `" p8 Z( Q- w
容器的出现给微服务提供了一个完美的环境,因为我们可以:
( t$ }2 e  y& i. k* [3 }
/ C; [+ \  z5 h
1.基于容器做标准化构建和持续集成、持续交付等。& X" n0 u9 c( L! f. ~/ `

+ Q% d! n8 y3 n% t, \: F
' l0 n9 l) ^+ s0 }! u$ F
  @) m* f* j0 P) L+ w5 W
2.基于标准工具对部署在微服务里面的容器做服务发现和管理。7 c9 d. e+ a# ?9 T: T, |4 y; S! F

: U3 d5 h" v( M$ U2 n, Q+ D4 f; C( W6 C. f# L/ W; i5 m
3.透过容器的编排工具对容器进行自动化的伸缩管理、自动化的运维管理。$ x7 i& V( K: \9 z
7 z4 j: k  o  U. J
: i3 i0 F! @2 ~+ t2 {) X7 _
所以说,容器的出现和微服务的发展是非常相关的,它们共同发展,形成了一个非常好的生态圈。下面详细讲下DevOps的各个模块。

& l: s5 F" f# Z- U) L
; ~/ T  r  F/ @2 {# b

8 v$ p& U- A* s' ]& E3 X0 Z& j
持续集成与持续发布

0 _. d' V, Y, Y) \7 y* k

  F* w* k( r; ?
, P; O- r; r7 K7 q& j- U# r
持续集成的关键是完全的自动化,读取源代码、编译、连接、测试,整个创建过程自动完成。我们来看一下如何用Docker、Maven、Jenkins完成持续集成。
1.png
图 3

6 s- Y6 P: v+ y1 |: P0 @& T; |/ L

* z( h. H8 T$ A# v- T
$ A$ b0 N. R( R; z+ @, a/ g. j( Y8 J
如图3所示。首先是开发人员把程序代码更新后上传到Git,然后其他的事情都将由Jenkins自动完成。那Jenkins这边发生什么了呢?Git在接收到用户更新的代码后,会把消息和任务传递给Jenkins,然后Jenkins会自动构建一个任务,下载Maven相关的软件包。下载完成后,就开始利用Maven Build新的项目包,然后重建Maven容器,构建新的Image并Push到Docker私有库中。然后删除正在运行的Docker容器,再基于新的镜像重新把Docker容器拉起来,自动完成集成测试。整个过程都是自动的,这样就简化了原本复杂的集成工作,一天可以集成一次,甚至是多次。
5 S1 C( m+ W( `: p3 j
8 m9 ?6 Z/ O" d& D0 T2 n
1 Q3 O9 z# Z9 M4 q7 s
依赖关系管理
# i2 q/ Q0 Z4 z/ r& {* Y

# {6 L' y, {1 o# p1 A  \
9 U! L. l8 l( H. d* E' m; v% \
前面讲到,当微服务多的时候,依赖关系管理也会比较复杂,现在比较流行的是基于消费者驱动的契约管理。在开发一个微服务时,并不需要另外一个微服务开发完后再做集成测试,而是使用契约的方式。契约通过提供标准化的输出,说明请求的内容、回复的内容、交换的数据,开发微服务时符合契约里这些条件即可。
1.png
图 4
+ K3 b2 {- @( q4 s; }2 p- s

( u: t) c) X* N* w5 c! x$ g- w' |' w
) c; N3 r8 o: Y0 ]3 J- Q+ b. }
如图4所示,微服务A通过模拟与微服务B的交互,将交互内容保存在契约里,而微服务B开发时需满足这个契约里的条件,这样就不需要A和B完全完成了才能做测试。当很多微服务与微服务B关联时,每个微服务通过契约告诉微服务B请求的内容、正确的响应和请示的数据,然后微服务B通过契约模拟这个测试过程,而其他的微服务则需要满足这个契约。当微服务进行升级时,也是要先满足所有契约,这样微服务间的关系就可以更好的进行管理。
( ~! y/ [8 q; Y% a" T' l% S
4 q7 i6 P7 ~( A: @
( P0 j! U  V5 e" n; j8 x) L
典型的微服务架构

: i, E3 ?0 l& i1 Z4 M  g

- q6 O6 M& W9 W9 T0 t7 U, J# n
" y; p+ H- ~0 H2 }
图5是典型的微服务架构模型,采用的是Kubernetes框架。把业务系统拆分成很多的微服务,然后通过服务注册的方式去发现整个生产环境中所有的微服务,通过负载均衡组件进行分发,再用服务调度去进行弹性伸缩,而客户端则只需要通过API网关访问微服务。除此之外,微服务的运维也很重要。开发是实现功能性需求,而在实际的生产环境中,我们更应该关心非功能性的需求。因为即使功能实现了,跑到生产上却不能用,功能开发再完美也没有用。
1.png
图 5
* o8 l+ M0 [5 |2 d  f
服务发现与负载均衡
) N- V$ M  J! N! [* m
$ S1 R1 G1 ?) K; O
7 b% s2 K( c& {4 \, H* F( g1 ^
服务发现与负载均衡使用的是Kubernetes的架构,如图6。每一个微服务都有一个IP和PORT,当调用一个微服务时,只需要知道微服务的IP,而不需要关心容器的IP,也不需要关心pod的IP。虽然每个pod也有IP和PORT,但当一个pod启动时,就会把pod的IP和PORT注册到服务发现模块,再进行负载均衡。所以当多个pod启动时,对于用户来说还是只需要知道service的IP,不需要知道后端启动了多少pod、IP是多少,这就解决了网络的问题。
1.png
图 6
+ U: B* s2 F# l2 z: E
日志集中式管理
1.png
图 7
7 q4 O0 T5 |4 }
7 x7 r7 s1 w8 g

$ z6 r- Q( e/ F% S  \2 }- c
以前单体的情况下,单体的数量少,日志数量也相应比较少,而在微服务架构下,因为拆分成了很多微服务,相应的日志会非常多且散,这种情况下需要对日志进行集中的管理。我们可以在每个容器里跑日志监控,把所有日志采集进行集中管理和存储,再通过简易操作的UI界面进行索引和查询。

! l/ P# d9 c- X% h% r

6 V! f3 F( }0 Q6 K# u7 S- E& w7 L% H/ ~* B% }
监控管理
1.png
图 8

4 Z* E. ?' E: J$ Z: S) b  V
+ G6 i9 k" k" K6 _1 ?; ^- b
  V3 o3 W# M6 c4 G) B
然后就是监控方面了。微服务的量是非常大的,这个时候如何有效地监控是极其重要的。我们刚开始做监控的时候,有几百个实例对同一个关键字进行监控,出故障后会收到几百条短信,因为每一个实例都会发一条短信。这时候严重的致命性的报警就会看不到,因为手机信息已经爆炸了,所以要对报警进行分级,精确告警,最重要的是尽量让故障在发生之前灭亡。因此,在做监控时要对故障提前进行判断,先自动化处理,再看是否需要人为处理,然后通过人为的干预,有效的把故障在发生之前进行灭亡。

) Y/ C2 U+ U3 p6 A$ w

# ]- E* E* P9 ~
+ J% v+ A' O6 D3 w2 C7 a% l
但如果所有事情都靠人为去处理,这个量也是非常大的,所以对故障进行自动化隔离和自动化处理也很重要。我们在写自动化故障处理的时候研究了很多常见的故障,写了很多算法去判断,精确到所有的故障,这样基本的常见的故障和可以策划处理的故障都可以自动化处理掉。之前没有出现的故障,出现之后我们就会去研究是否可以做成自动化处理。如果生产上做的不精确,对生产会是灾难性的,所以我们对生产的故障自动化处理也做了很多研究。

7 A5 r8 u7 D5 Y* `

) g+ M2 J$ o* q+ v' ]7 E' {
& M# d* f1 D/ c% K1 y七牛的微服务架构实践
4 d9 w: k! h  n1 D) p

+ O0 w1 p+ i: {( i2 H* c: u
前面讲了很多运维,下面来了解一下Docker和微服务在七牛云中的实践,以七牛的文件处理服务架构演变为例。

/ n+ \$ k# r, g5 ]8 B0 n- q9 Y2 Q; [
  ]5 w: \+ e- O$ r
" {5 a& q8 V6 K4 i
文件处理服务是指,用户把原图存到七牛的云存储之后,然后使用文件处理服务,就可以把它变成自己想要的服务,比如剪裁、缩放和旋转等,如图9。
1.png
图 9
9 _& u4 \' V' _5 |* ]+ R4 e/ ~

. @& C7 O6 w& F  _/ z8 c7 v7 X" a
2 Z, s4 b! D. s; o# c' A' Y3 C
过去为适应不同的场景,用户需要针对同一图片自行处理后上传所有版本,但如果使用七牛的文件处理服务,则只需提供原图就可以了,其他版本的图片都可以通过七牛进行处理。如图10所示,我们把一张原图放进去之后,只需要在原图后面加一个问号和参数,就可以呈现出想要的方式,比如说加水印、旋转、缩放和剪裁。
1.png
图 10

! V. s, q. |* ]2 ?: l# l

% D# s7 X+ K! P0 z6 t9 g% z- O

# c; E: x, }/ m
文件处理服务的架构在早期是非常笨拙的,如图11所示。FopGate是业务的入口,通过work config静态配置实际进行计算的各种worker集群的信息,里面包含了图片处理、视频处理、文档处理等各种处理实例。集群信息在入口配置中写死了,后端配置变更会很不灵活,因为是静态配置,突发请求情况下,应对可能不及时,且FopGate成为流量穿透的组件(业务的指令流与数据流混杂在一起),比如说要读一张图片,这张图片会经过FopGate导过来。
1.png
图 11
5 d5 A1 }4 n% F6 X! `* S8 C8 f

! i. Y; {( K4 [# A! U: x
" S) u1 Q3 }" S# Q3 x* l
于是,我们自己组建了一个叫Discovery的服务,由它进行负载均衡和服务发现,用于集群中worker信息的自动发现,每个worker被添加进集群都会主动注册自己,FopGate从Discovery获取集群信息,完成对请求的负载均衡。同时在每个计算节点上新增Agent组件,用于向Discovery组件上报心跳和节点信息,并缓存处理后的结果数据(将数据流从入口分离),另外也负责节点内的请求负载均衡(实例可能会有多个)。此时业务入口只需负责分发指令流,但仍然需要对请求做节点级别的负载均衡。这是第二个阶段,如图12。
1.png
图 12
" P( s' r6 C; t/ ~1 V" b, }+ Y

# c! z0 W8 t% @/ ~2 I6 n, a
2 H2 n& q7 d3 X# \& V/ H3 b  ]
在第三个阶段,我们把文件处理架构迁移到了容器平台上,取消了业务的Discovery服务,转由平台自身的服务发现功能。每个Agent无需和Discovery维护心跳,也不再需要上报节点信息,每个Agent对应一个计算worker,并按工种独立成Service,比如ImageService、VideoService,由于后端只有一个worker,因此也不需要有节点内的负载均衡逻辑,业务入口无需负载均衡,只需请求容器平台提供的入口地址即可,如图13所示。
  T& p0 Q3 W& B) x: z
1.png
图 13

) L- p  ~" \+ g& g
- O# R3 k0 ~; e
" Z, `" y# h; Y* E
上一个阶段中,每个Agent仍然和计算实例绑定在一起,而这么做其实只是为了方便业务的无痛迁移,因为Agent本身的代码会有一些逻辑上的假设。在第四阶段中,如图14,我们进一步分离了Agent和worker,Agent独立成一个Service,所有的worker按工种独立成Service。这么分离的目的在于,Agent可能会有文件内容缓存,属于有状态的服务,而所有的worker是真正干活、无状态的服务。分离之后的好处在于,worker的数量可以随时调整和伸缩,而不影响Agent中携带的状态。可以看到,相比于最早的架构,业务方只需集中精力开发业务本身,而无需重复造轮子,实现各种复杂的服务发现和各种负载均衡的代码。另外,自从部署到容器平台之后,平台的调度器会自动根据节点的资源消耗状况做实例的迁移,这样使得计算集群中每个节点的资源消耗更加均衡。
1.png
图 14

. O' `1 G9 d2 G1 M& L
踩过的那些坑
  • 数据库连接风暴

    ; W; r9 u$ ^  Z- q; y1 U8 a
    " p7 L# T  X( u3 P' k3 w4 B& A' m. h
1.png
图 15

8 P9 {5 r3 X, c( R$ W5 ], R
' d, R  r' e, z1 U0 m

" G8 C' B2 c  O2 I/ L
图15所示的是单体应用访问后端数据库使用的数据库连接池,连接池里的连接是可以复用的,而单体中所有的业务模块都可以调用同一个池里的连接。这个数据库连接池可以进行动态的伸缩,但它连接到后端数据库的连接是有上限的。拆分成微服务之后,可能每一个微服务都要创建一个数据库连接池,微服务间的数据库连接池并不能共享。当对微服务进行弹性伸缩时,并不知道它会弹性到什么程度,这时就可能会对后端数据库造成连接风暴,比如原本只有五千个长连接,但是由于弹性伸缩(可能根据前台业务情况进行了非常大的伸缩),会对数据库发生连接风暴,对数据库造成非常大的压力。

( }, |0 V5 G% o3 h8 g8 S, M
$ ?# d0 Q6 a7 V/ X) u: d% o0 e
为了确保不会因某个服务的连接风暴把数据库拖垮,对其他服务造成影响,我们做了一些优化。首先是优化了我们的一些弹性算法,其次是限定了容器弹性伸缩的范围,因为没有限制的伸缩,可能会对后端数据库造成压力。另外一个是降低连接池初始化的大小,比如初始化设定为10,它往数据库里面的长连接就是100个,如果设定为1,往数据库里面长连接就只有10个,如果太多则可能会对数据库造成压力。还有就是数据库端进行一些限定,当连接达到一定数量就进行预警,限制弹性扩展。
. R6 y% E0 t$ D; J, U# ~+ ?7 [; R

' A  f' H! ~4 v7 r2 D
  • 单体应用如何改造成微服务?

    / ^, s" Y, ]3 Z1 K

    % A. S/ u6 @$ R5 r
! ^; w' ]% T3 w; r3 U( j
$ I! N. E2 o5 w0 J6 J6 c
我在传统企业工作了七八年,我们一直在探讨单体应用如何拆分成微服务。其实对传统企业来讲,他们的单体是非常大的,而且内部的耦合性是非常强的,内部调用非常多。如果我们冒冒失失地将单体拆分成微服务,会占用非常大的网络传输。如果在拆成微服务的时候,没有进行很好的架构设计,拆成微服务并不是享受它带来的好处,而是灾难。所以在拆的时候,比如说前端、后端的拆分、耦合性不是特别强的拆分,我们提倡先跑到容器里面,看一下运维容器的时候有什么坑,然后解决这些坑,然后不断完善。我们可以把耦合性不是那么高的拆成大的块,然后把信息密集型的进行拆分,慢慢拆分成我们理想的架构。这是一个循序渐进的过程,不可一蹴而就。
1.png
图 16
6 V& L1 e0 r# ^- D9 R, [; U
图16是微服务的一些设计准则,例如设计提倡最小化功能,小到不能再小。这时需要每一个服务标准化的提供出来,有一个标准化的接口和其他微服务进行通信。还需要是异步通信,如果是同步会造成堵塞。每个微服务都要有独立的数据存储。此外,服务还需要是无状态的,因为如果有状态,弹性伸缩时可能会有数据丢失,可以用一些其他的方法处理这些有状态的数据。

; z9 D+ Q1 R- Z! [" v+ \
' u% n& Y; ?7 D1 |
原创:PPPCloud

  P8 M, o& Y6 k9 D
" \5 o+ _4 o7 W- D8 `: k
# f( o. P: f0 ~  I

本版积分规则

选择云运维时代的王牌讲师-长河老师,助你轻松入门ITIL Foundation培训课程

QQ|小黑屋|手机版|Archiver|艾拓先锋网 ( 粤ICP备11099876号-1|网站地图

Baidu

GMT+8, 2019-3-20 03:27 , Processed in 0.216624 second(s), 29 queries .

Powered by Discuz! X3.2

© 2001-2013 Comsenz Inc.

快速回复 返回顶部 返回列表