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: 198|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 , V6 t; y5 Q) Q) B  }
4 |8 i( T$ a" l2 T8 c  E& @. h
单体应用 VS 微服务3 N$ Z3 v3 K- O; _; n8 H
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:

/ K( P! z, q: ~/ j$ ~; s& P
: b! `- K$ W1 [* K; F2 R3 @
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。

: E. |5 o$ i, ~! ]: k, P8 g9 w# ]7 Q

8 A! p% _6 |& }& B
' P% r5 O8 _+ Q, n5 m8 c9 X5 P& M" w
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。
! i  b. N3 ~' L) d( u0 j9 d

; u' A/ z$ F0 N+ r* R. j* _" z; f5 R' @3 ?- f: n% ?& 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。
/ [% q; U! Q  T- R1 ~0 A) V& M& }

3 a" z$ }9 g3 o- X5 n" X6 O! z* s" `0 S; y; B' ^$ V3 l' B
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
$ x! N8 d8 b* q3 F. D! a
5 t4 R, p/ v3 D/ a, F5 r1 ^
" ~- ^9 h5 `6 z) l. i1 v% |' T, ]7 q
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。
  c" a1 ?# I3 d$ l: V- ]. v
4 G9 {2 D/ _2 g- e- ]' T6 _
; `5 ]4 t7 i" s1 P# O
微服务的好处:

( C; S2 n! g1 A! z# }
! c5 b7 B0 S1 \* |* I/ {1 e

) {# a: K6 t4 U! {( S8 |8 B
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;$ L! A/ f( s5 Z2 p/ C+ G

; T; J* Y0 q/ r) s8 @' f4 E
5 Z' ^# j* G/ ?  }" w1 d1 y" z
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;* H! ]; J0 ~; T9 ]. a6 d

# |9 S0 \0 d" ^+ _# S5 a( c# Y& B* e4 C! |6 j2 q  [
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。
% J& \3 G- S: \  w/ H" A! Z

4 H. _' @6 m! |% t% T+ `- U. ^# M# l" j; g
微服务带来的复杂性:
& y7 U8 J! o; V3 O0 R5 a% u2 l

8 l' [! y. m* T  z
+ J6 P* t# R5 ~- @. [9 h8 q) f1 i
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。

/ @* r% ]# l2 g- ]

# m' [+ g: m, [3 ?7 J8 I
1 s/ Y% L. d; B: e- W+ D
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。

5 n, T) b2 o; F: `* `9 B
) S7 C0 c+ L# v8 a4 }9 H! @
2 q5 R( z+ v" [' _& r
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。

( g$ S* H6 n' B/ Q6 q- a8 D3 B

' A7 C0 M' T- L8 K% D9 r' O
) a" `' |8 K& ^/ D, V
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。

! t4 k8 \3 h) V# }" N. l
2 R% m3 K% j; f% M

4 {1 ^" g2 T3 G7 ]% x" }5 \- s4 m4 _& S基于容器构建微服务架构

4 ~# f) c! L; ^; A8 ?1 z  O
6 `/ ^& j+ A4 u$ |+ D9 n
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

; y/ B% {; {3 U# ~4 T' N+ F7 Q

$ R* Q+ T1 A# _! Q  M

% A/ i0 r2 Q1 r. ]9 z
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:
$ l+ t9 k1 S' }, o1 L

- S. g# V4 b; W, r( O& x% _
1.基于容器做标准化构建和持续集成、持续交付等。. ?% G0 z- {, M& H8 l6 ]! w

0 N& y& g! [7 H6 Q, N
1 f. v( y  I; z7 L6 H4 {

& z; l. L9 y6 G- X+ b8 Q9 y! \4 a
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 y* Y, n1 m$ n. ]1 p

$ l9 J$ I# {' S; n/ J1 H
: U( B; l/ P- |- _
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。
, P' ^) w, ^7 K- ?' a

2 M2 R( H8 l  A: |& |" R. k
# U4 l& {2 e( J4 z; @. m6 ?* P( c  l" f
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。
: U) s2 s/ m6 Z) T
/ @2 r6 m  C0 G
# P$ _- m* p9 h! \" b
持续集成与持续发布
, k: w6 @7 ]0 P& m- ]. Q$ w4 {
' y2 Y" O2 i2 }* h7 R. W6 B8 x
* z+ n6 p7 s3 v( X
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

9 C9 x$ y# _9 l' i; W
" U: c) l3 i" {2 v8 o' V4 ^. T
; d' r* i5 M9 ^# T+ Y' f
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。

3 i! B" o7 {$ X

- d4 p$ W1 x5 r0 M. w
8 `5 p( Q/ G7 r4 ]4 v2 `; j
依赖关系管理
2 W/ S, T. U  \. p3 T3 }: X

+ W3 }( Y+ X- [5 x/ |
, d# S, c% `2 h5 H3 H7 ?
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
0 _# E  }/ f) w" y* j; e+ N
% [9 t+ W. b; D5 f! }  {. v

- S9 y$ Y8 c2 M
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。
& n4 x: O+ y8 M
( @: U2 v8 D0 X" Z- K
- B' _( R$ e& V, n# B: k7 V- i! O& ]
典型的微服务架构
1 ]' k; r4 n: l$ k" d
7 \* @% b$ E0 \% O

8 z7 J  O$ y8 U. H5 |% d! ~
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
% ]6 u; O. Y4 `4 m# k5 ~, H. v2 v
服务发现与负载均衡

' a! A6 [7 a$ `5 T8 q

  F& Z5 P) h& }& d1 |3 \$ N# F6 M
0 u+ [* }; T+ M( V" r1 o
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

* n* C) d3 r$ j+ V( v/ ~, }6 e
日志集中式管理
1.png
图 7
+ C4 x% j2 z: d8 D

5 ?) U& z! q0 J; Z/ m) a

& O0 z- D" V4 ^/ k
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。

3 c6 C7 Q: C, V- ]; ?( k" s
% F% y4 k5 O9 l" c5 K
" {/ v2 a- g' d. W
监控管理
1.png
图 8

$ f7 y9 ]7 Q. U5 Q2 Y* d, s8 n

& F/ J; u& r- ]9 V! p8 F

1 @; y+ u5 f$ I0 L
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。
/ r& r% H  `8 U
5 K- |8 L& a- h6 \, c
1 B4 I  S! l8 B- S
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。

  t; P- ?' D5 h+ _1 T& R! x

( |% p! h3 D4 R6 h. T  r; h% c& p3 C1 x  u' T9 ]& f5 `
七牛的微服务架构实践
% }$ B! T1 F2 c9 E
0 d& _* T9 F4 c
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。

- r; Q+ L9 F7 M) U; I. J0 q' p
+ e3 J; }/ h9 H) t0 B; u% P$ x

( n7 _  x: y, I5 Z: L/ s5 c! y
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
! \! D* N$ g9 ]0 j

0 s! P, M$ F$ T* W
! @" v* w- |( m& T, X  s1 W: [
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
2 W1 G* _) ?9 |. `
2 S" D0 a" d% X6 q* b

  T/ b3 w( l. \* n$ i
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

+ L, K9 L$ H5 t+ b' h) u
' F- }3 E: M% A1 T2 @/ |4 U1 y, C

2 F1 B/ M; h; h& M9 q$ `$ q
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
0 a1 q( q1 Y6 x4 O' \
; t- _4 g% Y( P& ?' E
% w' g) D; A1 o$ {
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。
' Z2 Y4 e) b7 _
1.png
图 13
+ q8 N# H2 W6 e5 c; h9 |2 i: j3 B
" i! u3 u+ \9 ~) `/ [) y

; O# x4 C( j1 s* I
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
$ A7 K9 Q/ ?( l9 w4 p7 z
踩过的那些坑
  • 数据库连接风暴

      _1 x" A0 Y$ L

    , P" q; ~( f% A, ?  a' t  k6 C' G& @
1.png
图 15
  C. [& H5 O' ^" I
+ _( d$ i, ]8 N( d" m: ~9 C

# V" N  Y2 `2 |. R2 A+ P- R$ a0 K
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。

5 s) p$ D8 f1 P( ^! A  G/ i4 N( A

* W0 U, a, [3 z1 H  X0 V' k
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。

) U' z3 H; Y% k" d; W. m

/ G1 |0 b" W! X1 q; F9 ^
  • 单体应用如何改造成微服务?

    5 F3 ]; W7 A! F

    . F! H$ a& [: H5 G
! K  f+ Q4 W! d) q6 q
4 q2 {# w0 w* v: F
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
; ~8 `  _; f) P/ O7 _
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。

6 L, C1 J7 r& ^4 P( S5 h
2 @, L# I0 t, X% V6 f2 T, `5 ]& s
原创:PPPCloud
- N: I: j* M; {; ]- Q

9 o' O; F9 U+ z
9 M; I% l5 x+ y4 M: ]- P# f

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, 2019-1-23 22:15 , Processed in 0.249126 second(s), 31 queries .

Powered by Discuz! X3.2

© 2001-2013 Comsenz Inc.

快速回复 返回顶部 返回列表