一个运维老鸟经验中的DevOps和微服务
本帖最后由 adminlily 于 2018-10-7 10:02 编辑单体应用 VS 微服务
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:
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。
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。
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。
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。图 1
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。
微服务的好处：
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；
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；
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。
微服务带来的复杂性：
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。
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。
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。
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。
基于容器构建微服务架构
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。图 2
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：
1.基于容器做标准化构建和持续集成、持续交付等。
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。
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。
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。
持续集成与持续发布
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。图 3
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。
依赖关系管理
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。图 4
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。
典型的微服务架构
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。图 5
服务发现与负载均衡
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。图 6
日志集中式管理图 7
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。
监控管理图 8
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。
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。
七牛的微服务架构实践
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。
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。图 9
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。图 10
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。图 11
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。图 12
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。
图 13
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。图 14
踩过的那些坑
[*]数据库连接风暴
图 15
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。
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。
[*]单体应用如何改造成微服务？
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。图 16
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。
原创：PPPCloud
页:
[1]