请选择 进入手机版 | 继续访问电脑版

ITIL,DevOps,ITSS,ITSM,IT运维管理-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

搜索
查看: 1114|回复: 0

一个运维老鸟经验中的DevOps和微服务

[复制链接]
发表于 2018-10-7 09:59:20 | 显示全部楼层 |阅读模式
本帖最后由 adminlily 于 2018-10-7 10:02 编辑
2 V; _# e# j9 L9 X0 `% f# K$ q: e; `* a* u3 O4 f$ r
单体应用 VS 微服务7 Z1 Q* H1 T$ R
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:

, ~" B- v- u% a8 ~. O3 N
5 R2 W+ J- `: k, q
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。
1 w; a: X; d) ?; q5 d

# G! e& t9 \9 N8 y5 g# x* |: i* Q# {$ m" ^9 s
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。
! S( j% r. h: G* c7 t
# e# G! c; Q# [

) _8 C$ x! J2 {: l( T
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。
5 e9 t7 v4 u' w1 A& W) d
+ d+ |* c* g8 W3 l, H+ k/ J

$ U# ~) K; S$ o. a
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

. h3 z0 \+ _' h- A
/ Y3 H$ @3 E. w4 Q: Z6 o+ ?

& ]4 r7 k& y! {+ ^
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。
  [+ o2 {2 j6 `# K7 a3 |0 }

/ S9 W; L1 p9 i7 T# ]3 l& ?+ a* z3 g$ t: q* H8 H" }* M/ r2 c
微服务的好处:
% n* S* j" N1 F& N3 y

  [$ f/ D4 L% i4 s. u- j7 ~2 J# _
; K; p/ ?" ~1 z- i* R
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;
3 x5 u5 ^  b0 w% T  O! z8 c
& W+ R% b; p1 w1 l. M* }+ C2 h' m* K7 `( Z% V
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;: r7 f; Q0 ^2 O

  r3 t; H" r4 \* K/ Y6 E2 C+ A$ D3 R& ~& w
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。. K' k% x( R! k( u& g: g0 V' A4 \* {' [/ N
# n& k! c6 a3 B8 h* _4 l- t3 @
" y5 ?( h' ?% u2 S
微服务带来的复杂性:
, M. {" a0 {7 Q- z2 G; t. f- H1 C7 d
" o0 r* X; S/ V& b) l1 a

" Q: Q( Z7 Y( {- J
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。
0 w0 g+ j% d/ P' Y- _8 u

7 c/ R: G' q8 e+ e* R8 L  R. Q2 n; e2 e5 X: Q& d. [7 h
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。

3 o  L8 ?5 F5 h8 X
* q& b+ k5 o0 i* y" I8 {! V
! J. j4 d; Q" X2 }* x% |9 m
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。

; N% k$ |8 D. S- D9 E6 A
% X1 [5 ]  L6 P+ }) @
% J* r) I; V0 K( N, |
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。

, l0 h0 O  z. ]# G5 j) v/ `
% Y- V( Q0 b- ^5 W
/ N5 G7 c  s& t9 w" k8 L
基于容器构建微服务架构

" t0 W8 \7 j5 x  T9 w3 `5 z. E
, l( q  O4 \$ {5 ]
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

; ]( }7 T' c$ i! ~9 y' ?) O
7 k# I. w* p' V2 [

3 d7 ?  i$ b5 ]) m* Y0 U* J1 A
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:
6 n/ l4 r3 Q! e+ N; g
. z9 A# {# X& r. r3 z
1.基于容器做标准化构建和持续集成、持续交付等。
0 x7 n5 m$ ~3 D
# `" J) M+ z5 S5 E2 U3 H7 \1 t
2 D3 D" E0 M; S1 t* d: \- @2 B- N# h

. o1 v2 b# n2 ~/ n* e+ L/ \& \
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。6 b8 b- r" g3 Z( [2 \1 V

& c' E2 E- e7 R8 z* S
+ V/ L: C6 j7 d3 _' e4 v
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。" v1 i. j; I1 r& k' |. ]0 Q
9 \. C- n7 B+ R

# ?0 R( z. {* Z
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。
/ g% Z/ U! D6 }+ d5 U
5 Y! H9 }& O  y9 w0 C1 w8 p
0 Y, O9 p) ]7 b  E  U
持续集成与持续发布

8 X# q! ^4 T% a2 n! v2 N

0 ~3 L+ l, p+ I% w0 q" v/ e4 t* f0 K! k8 F' N6 U. y
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
$ D, q& E* _! R$ Y6 n1 X2 L( P$ p
4 D& N- g  Q9 d( \8 [- Z6 Q3 l
) ~' ?1 L! b7 F: B* p: o
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。
7 P& L% S* x5 Z% `6 Y' v) z

1 U& Q$ p: c% v: E5 v6 l9 \2 O1 F" r6 I, u+ s& f0 T
依赖关系管理
' s# E; v/ O' c9 e! J  |

9 b" o* @( ^+ n2 s/ R* S8 [3 p$ `% B0 S8 a) v7 N! z
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
/ C. }, _! ]* N" O6 D% Q. q

  L. ~$ `2 r5 r' j2 r8 o9 p( x! [
( z6 v: @1 i/ u" u/ e# F8 K
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。

0 U& }( @  L8 W. Y
% ~( A3 i6 G+ ^6 m6 S1 V

- V5 O6 d* W+ m
典型的微服务架构
* ~: L/ g7 D- q$ E$ g, o2 z3 |
2 c& _/ m& ?$ E6 j/ F5 B9 l% X
% |' A2 d6 G& g, Q, B
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

" j! V' V' B3 X/ P; m" }
服务发现与负载均衡

1 n1 B" g  K4 `0 [
9 s3 Z4 N: K* H" j; F# F

2 Q  }5 s: r6 B; w; W3 F+ i1 P' w
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

! }2 k3 ?( {& H$ u: N
日志集中式管理
1.png
图 7

; p; f- X9 E8 `( A
/ ]* [! q9 I3 `: n4 _% `

: Z3 r" Y* S9 _/ D& K3 t
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。
1 K( w, K+ A7 C% X0 `

* ~- Q3 j! |4 U$ Q: |6 t
/ z5 l- O9 J/ e, t$ U2 V( }
监控管理
1.png
图 8
4 c& v# E! w; H9 U0 v9 d
7 `- U1 w& A) l- J; A9 @
4 i4 B  C% s! @* h
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。

# M, ]  D$ w8 R1 j- B* q
1 W* s& h  j" k" Y5 G: }
% `* ^1 k+ A1 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。
! {" K" f: h7 ^# w+ v" M
, D. G) q  K3 B+ b6 Z' s( W' c
% ]" ~. \5 H) x: ?
七牛的微服务架构实践
2 G6 g) e0 w6 {" B
* V+ w8 B8 a9 w: V, |' R
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。
) X7 }! L1 E0 W9 {

' |8 t/ ~7 W- k; \+ }, M+ \; u3 L7 Z# v* U; P
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

2 {6 G9 X; \: n6 j. e

/ @; H. d, [2 e% g% P  S. C

. F! |( S0 z$ N6 ~, F1 m4 d2 D
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
: b; R/ y! j- u$ l9 P( i7 q0 ?
* J# o1 E& J/ i& ?3 Q

. s# F) U% f$ G
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

1 Q# K* F6 w1 f/ c# g  e3 Y

- j0 q7 r: I* ~& `* {1 b. E& }! s
8 x. Q/ B* t6 \& x. G
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

2 x. h$ T& e, l7 A- z, A+ B( |
) m- e& ^" S+ d  k

1 _# R& j+ X  w! ~
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。
) i1 d2 k  Z0 B" H
1.png
图 13

! w/ l  H. u  u9 T. d" U

" U1 M& o( r5 ^4 Z
! ]' g2 {0 \# J3 i. w! q* m8 n
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
! G  A5 \9 z6 N& Q5 H
踩过的那些坑
  • 数据库连接风暴
    0 f, E# I6 O* d5 S
    9 |1 F: b6 d0 s" K: D
1.png
图 15

. n" n* {1 u. W4 C; T
0 \6 M! K6 I' E

4 o4 b2 r  W, k5 I1 u+ ~
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。
. W2 y& e+ n3 f4 U4 G
/ W$ S" D9 A  S7 M5 W3 R
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。

$ m) k1 ~1 v. E, e
1 w2 c( L& p  N9 G$ s
  • 单体应用如何改造成微服务?
    0 g7 `/ c4 Y2 \

    1 Y5 M$ u1 G8 `6 Q7 m% a" S# d

3 H: @) a' c; \1 k. X- G

% e1 ^2 F& w6 b9 \% S1 G& u
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

2 t3 b' e, Y( z  ?: g; t$ P' t' F9 H
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。
4 `, N$ y8 D( I) S, d

+ A  U4 g/ @( z5 Z' V- f
原创:PPPCloud

* A- y) E! K! Z2 o  B4 A& q& N1 |5 }% M' M! Z

7 [# Z2 S' `' ?& Z" ~/ U' @$ l




上一篇:看京东金融:以应用为中心的DevOps平台建设
下一篇:DevOps最后一棒是有效构建海量运营的持续反馈能力

本版积分规则

参加 ITIL 4 Foundation和中级过渡MPT认证、DevOps专家认证、ITSS服务经理认证报名

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, 2020-5-29 17:26 , Processed in 0.186975 second(s), 27 queries .

Powered by Discuz! X3.4 Licensed

Copyright © 2001-2020, Tencent Cloud.

快速回复 返回顶部 返回列表