[[423839]]

 一、前言

我司的集群時刻處于崩潰的邊緣，通過近三個月的掌握，發(fā)現我司的集群不穩(wěn)定的原因有以下幾點：

1、發(fā)版流程不穩(wěn)定

2、缺少監(jiān)控平臺【最重要的原因】

3、缺少日志系統(tǒng)

4、極度缺少有關操作文檔

5、請求路線不明朗

總的來看，問題的主要原因是缺少可預知的監(jiān)控平臺，總是等問題出現了才知道。次要的原因是服務器作用不明朗和發(fā)版流程的不穩(wěn)定。

二、解決方案

1、發(fā)版流程不穩(wěn)定

重構發(fā)版流程。業(yè)務全面k8s化，構建以kubernetes為核心的ci/cd流程。

1）發(fā)版流程

有關發(fā)版流程如下：

淺析：研發(fā)人員提交代碼到developer分支(時刻確保developer分支處于最新的代碼)，developer分支合并到需要發(fā)版環(huán)境對應的分支，觸發(fā)企業(yè)微信告警，觸發(fā)部署在k8s集群的gitlab-runner pod，新啟runner pod 執(zhí)行ci/cd操作。在這個過程中需要有三個步驟：測試用例、打包鏡像、更新pod。

第一次部署服務在k8s集群環(huán)境的時候可能需要：創(chuàng)建namespace、創(chuàng)建imagepullsecret、創(chuàng)建pv(storageclass)、創(chuàng)建deployment（pod controller）、創(chuàng)建svc、創(chuàng)建ingress、等。其中鏡像打包推送阿里云倉庫和從阿里云倉庫下載鏡像使用vpc訪問，不走公網，無網速限制。流程完畢，runner pod 銷毀，gitlab 返回結果。

需要強調的一點是，在這里的資源資源清單不包含configmap或者secret，牽扯到安全性的問題，不應該出 現在代碼倉庫中，我司是使用rancher充當k8s多集群管理平臺，上述安全問題在rancher的dashboard中由運維來做的。

2）服務部署邏輯圖

有關服務部署邏輯圖如下：

根據發(fā)版流程的淺析，再根據邏輯圖可以明確發(fā)版流程。在這里看到我司使用的是kong代替nginx，做認證、鑒權、代理。而slb的ip綁定在kong上。0，1，2屬于test job；3屬于build job；4，5，6，7屬于change pod 階段。并非所有的服務都需要做存儲，需要根據實際情況來定，所以需要在kubernetes.sh里寫判斷。

在這里我試圖使用一套CI應用與所有的環(huán)境，所以需要在kubernetes.sh中用到的判斷較多，且.gitlab-ci.yml顯得過多。建議是使用一個ci模版，應用于所有的環(huán)境，畢竟怎么省事怎么來。還要考慮自己的分支模式。

2、缺少監(jiān)控預警平臺

3、缺少日志系統(tǒng)

隨著業(yè)務全面k8s化進程的推進，對于日志系統(tǒng)的需求將更加渴望，k8s的特性是服務的故障日志難以獲取。建立可觀測的能過濾的日志系統(tǒng)可以降低對故障的分析難度。

有關日志系統(tǒng)邏輯圖如下：

淺析：在業(yè)務全面上k8s化后，方便了管理維護，但對于日志的管理難度就適當上升了。我們知道pod的重啟是有多因素且不可控的，而每次pod重啟都會重新記錄日志，即新pod之前的日志是不可見的。當然了有多種方法可以實現日志長存：遠端存儲日志、本機掛載日志等。出于對可視化、可分析等的考慮，選擇使用elasticsearch構建日志收集系統(tǒng)。

4、極度缺少有關操作文檔

建立以語雀--> 運維相關資料為中心的文檔中心，將有關操作、問題、腳本等詳細記錄在案，以備隨時查看。

淺析：因安全性原因，不便于過多同事查閱。運維的工作比較特殊，安全化、文檔化是必須要保障的。我認為不論是運維還是運維開發(fā)，書寫文檔都是必須要掌握的，為己也好，為他也罷。文檔可以簡寫，但必須要含苞核心的步驟。我還是認為運維的每一步操作都應該記錄下來。

5、請求路線不明朗

根據集群重構的新思路，重新梳理集群級流量請求路線，構建具備：認證、鑒權、代理、連接、保護、控制、觀察等一體的流量管理，有效控制故障爆炸范圍。

請求路線邏輯圖如下：

淺析：客戶訪問https://www.cnblogs.com/zisefeizhu 經過kong網關鑒權后進入特定名稱空間(通過名稱空間區(qū)分項目)，因為服務已經拆分為微服務，服務間通信經過istio認證、授權，需要和數據庫交互的去找數據庫，需要寫或者讀存儲的去找pv，需要轉換服務的去找轉換服務...... 然后返回響應。

三、總結

綜上所述，構建以：以kubernetes為核心的ci/cd發(fā)版流程、以prometheus為核心的聯(lián)邦監(jiān)控預警平臺、以elasticsearch為核心的日志收集系統(tǒng)、以語雀為核心的文檔管理中心、以kong及istio為核心的南北東西流量一體化服務，可以在高平發(fā)，高可靠性上做到很好保障。

附：總體架構邏輯圖

注：請根據箭頭和顏色來分析。

淺析：上圖看著似乎過于混亂，靜下心來，根據上面的拆分模塊一層層分析還是可以看清晰的。這里我用不同顏色的連線代表不同模塊的系統(tǒng)，根據箭頭走還是蠻清晰的。

根據我司目前的業(yè)務流量，上述功能模塊，理論上可以實現集群的維穩(wěn)。私認為此套方案可以確保業(yè)務在k8s集群上穩(wěn)定的運行一段時間，再有問題就屬于代碼層面的問題了。這里沒有使用到中間件，倒是使用到了緩存redis不過沒畫出來。我規(guī)劃在上圖搞定后再在日志系統(tǒng)哪里和轉換服務哪里增加個中間件kafka或者rq看情況吧。