[TOC]
Docker容器平台选型调研
编排选型
Swarm
Swarm可以从一个Dockerfile来构建镜像,但是构建的镜像只能在单一节点上运行,而不能够被分布到集群上的其他节点上。因此,应用被认为是一个容器,这种方式不是细粒度的。
-
Swarm需要使用docker-compose scale来扩展其中一个容器,这个新的容器将会根据调度器规则进行调度。如果容器负载过重,Docker Swarm并不会自动扩展容器
- 正常情况下,必须去检查容器是否达到瓶颈, 能够及时的扩容
Swarm cluster ,在docker1.12版本中已经支持失败节点自动检测并拉取
目前 Swarm 可以通过overlay networks 来支持多主机容器网络的访问, 旧版不支持.
Mesos & Marathon(最新版1.4.1)
-
Mesos 提供资源管理和调度框架抽象的功能,第三方应用需要实现 Mesos 框架提供的 API 才能接入 Mesos 所管理的资源.
- mesos在底层添加一个轻量的共享层,提供一个统一的api接口,供其他框架集群访问.
- Mesos并不负责调度而是负责委派授权,有很多相应框架已经实现了复杂的调度,如Marathon
相比于Swarm,Mesos的容错性更强,因为Mesos能够在JSON文件中对某个应用使用监测检查
-
Marathon 有用户UI界面,可以将其视为一个应用程序,它可以看作一个框架来管理容器, 容器可以通过REST API 与Marathon 一起工作, 方便运维。
- 新版Marathon很好的支持了应用的更新和回滚,除去了容器启动对静态配置文件的依赖,使应用容器更新发布、回滚更加方便.
-
Mesos在弹性扩缩容后会导致宿主机上产生大量的 Exit 状态的 Docker 容器,清除时较消耗资源,影响系统稳定性。
- 默认 Mesos 只有基于时长的清除策略,比如几小时,几天后清除,没有基于指定时间的清除策略,比如在系统闲时清除,也无法针对每个服务定制清除策略。
- 可以修改 Marathon 的源码程序,添加 Docker 容器垃圾清理接口,可以对不同服务按指定策略将Exit状态的Docker容器进行清理。
-
Mesos不支持抢占,无法设置任务优先级
- 目前 Apache Aurora 这个插件已经支持优先级和资源抢占, 但是它是和marathon同级别的.
-
对于 mysql / Kafka这类有状态的存储类应用,目前 mesos+ Marathon还支持得不是很好
- 在有失败发生或者一个简单的服务重启的场景下,Marathon会随机的在任何符合服务定义约束的资源上重启服务,这样对于有状态服务是不适合的,因为这样的话需要很高的操作代价来将本地状态迁移到新的服务上
- 但是可以通过Marathon本地持久化卷来达到能够部署有状态服务的目的
- 本地持久化卷后,下次再启动该容器的时候marathon与mesos会将这个容器再次部署到原先的宿主机上,而不是其他机器.
可以自研所需的framwork.插件化处理. 不过Marathon本身是Scala编写的,UI是React编写,不利于二次开发
-
其他组件如: mesos-dns 和 marathon-lb.
- mesos-dns 是一个服务发现工具
- marathon-lb 不仅是服务发现工具,还是负载均衡工具, 要使用marathonn-lb,每组app必须设置HAPROXY_GROUP标签, 采用haproxy进行负载均衡
接入mesos的公司: http://mesos.apache.org/documentation/latest/powered-by-mesos/
Kubernetes(最新版1.6)
-
Kubernetes使用ReplicationController来保证应用至少有一个实例在运行。当在Kubernetes集群中创建了一个pod时,需要创建一个叫做负载均衡的Kubernetes服务,它负责转发流量到各个容器。
- 如果只有一个实例,也可以使用这种服务,因为它决定了能否将流量准确的转发到拥有动态IP的pod上。
-
Kubernetes添加了pod和replica的逻辑。这个为调度器和编排工具提供了更加丰富的功能,比如说负载均衡,扩展或者收缩应用的能力。并且还能够更新正在运行中的容器实例。Kubernetes 拥有自我修复,自动化推出和回滚和存储编排. 主要优点:
- AutoScale:根据收集的业务 metric 来决定是否需要自动扩缩容
- Rolling Deployents:滚动部署新版本并不中断服务,在新版本部署完成后老版本退出
- Work Queue:将 Service 从 1:1 的关系扩展到 1:N,为被访问的 Service 前置一层代理 Agent,用来转发请求
-
Kubernetes 擅长自动修复问题, 并且可以快速地对容器进行重启. 这会导致使用方不会注意容器是否崩溃
- 为了解决这个问题,可以添加一个集中式日志系统 或其他方式 进行监控
-
有状态服务集: StatefulSets (1.4版本叫PetSets )
- 对于PetSet中的Pod,每个Pod挂载自己独立的存储,如果一个Pod出现故障,从其他节点启动一个同样名字的Pod,要挂在上原来Pod的存储继续以它的状态提供服务。(保证ip/hostname不变)
- 适合于PetSet的业务包括数据库服务MySQL/PostgreSQL,集群化管理服务Zookeeper、etcd等有状态服务。
- 使用PetSet,Pod仍然可以通过漂移到不同节点提供高可用,而存储也可以通过外挂的存储来提供高可靠性,PetSet做的只是将确定的Pod与确定的存储关联起来保证状态的连续性
golang语言编写, 有助于二次开发, 社区活跃度高, 可以加入社区提高公司影响力
大致统计下使用kubernetes的公司: eBay、Yahoo、微软、IBM、英特尔、华为、VMware、HPE、Mirantis、网易、普元、亚信, 乐视 , 腾讯, 京东
容器技术栈
技术点 | 技术方案 |
---|---|
资源调度 & 编排 | Mesos + marathon Swarm(Compose) Kubernetes |
镜像 & 仓库 | harbor DockerHub Quay.io Artifactory |
监控 | cAdvisor Graphite Sysdig Datadog Prometheus ,Zabbix + pythonAgent |
日志 | ELK Graylog flume heka fluentd |
服务注册和发现 / 负载均衡 | HAProxy Etcd consul nginx Confd / DNS(好像有坑) |
存储 | devicemapper, overlayfs, Volume, Ceph ,Gluster , NFS, OpenStack swift, glance ,iSCSI SAN |
网络 | HOST, VXLAN IPSEC . OpenFlow .Flannel. Docker Bridge, Calico, Neutron ,pipework ,weave , SocketPlane |
分布式计划任务 | chronos |
安全 | Notary Vault |
自动化工具 | ansible, salt |
业界使用架构
-
京东
- Openstack Icehouse + docker1.3 + OVS2.1.3/2.3.2+Centos6.6 ==> K8s + Docker + Flannel +Neutron + OVS + DPDK +JFS
- 某个容器失效,自动触发RC(保持IP丌变“迁移”)
- OVS-VLAN
-
知乎
- Git+Jenkins(CI/CD) + mesos + 自研framework + group(隔离) + Consul + haproxy + DNS + Graphite + cAdvisor
- 通过group做故障隔离
- 镜像仓库通过hdfs和水平扩展做高可用
- Mesos 集群的横向扩展
- docker网络
- bridge
- NAT is not bad
- iptables 有些坑
- 服务发现
- DNS Client
- 自动Scale
- 突发响应 & 资源高效利用
- 根据cpu指标调整容器数量
- 快伸慢缩
- Max & Min Hard Limit
- 支持自定义指标
- Git+Jenkins(CI/CD) + mesos + 自研framework + group(隔离) + Consul + haproxy + DNS + Graphite + cAdvisor
-
携程
- Openstack + Mesos + Docker + Chronos + ELK
- 监控:telegraf -> Influxdb -> Grafana
- 日志:elk
- mesos stdout、stderr
-
去哪儿
- OpenStack + nova-docker + VLAN =>Mesos + Marathon + Docker(--net=host) + 随机端口 => Mesos + Marathon + Docker + Calico
-
阿里电商云
- 自研EWS, 基于compose, 参考Kubernetes的设计. 支持多region.
- cAdvisor + InfuxDB + prometheus
- etcd + consul + zk + docker overlay
- 使用RDS,OSS,OCS等服务化存储
- docker容器的正确姿势
- 每次代码提交重新构建镜像
- 禁止修改运行中的镜像
- 利用volume保存持久化数据
- 存储管理
- 利用docker volume plugin支持不同的存储类型
- 块存储,云盘
- 对象存储,OSSFS
- 网络文件系统 NFS
- 利用docker volume plugin支持不同的存储类型
- 自研EWS, 基于compose, 参考Kubernetes的设计. 支持多region.
- 同程
- swarm + swarm agent + etcd + zabbix + Jenkins + (Nginx+Lua) + 配置中心
- 使用现状
- 容器5000个,高峰扩容到8000
- Docker应用600个, 塞入容器的还有:Mongodb, Redis,Mysql
- cpu利用率由20%提升为80%
- 资源隔离层面
- 物理机利用率提升,合理的编排应用
- 各应用间资源隔离,避免环境和资源的冲突,提示安全性
- 爆发式流量进入: 快速扩容和迁移
- 应用迁移: 减少买服务器的花费
- 运维工作: 更多的自动化,更精细化的监控和报警
- 优化
- dockfile 优化,缩小层数从20层到5层,构建速度快1倍
- 存储驱动从devicemapper改到overlayfs,构建速度快1倍
- 发布一个较大应用,耗时只需40s
- 自动测试系统直接调用容器系统部署环境,测试完成就可回收,供其他测试使用
- 实测物理机和Container之间的性能几乎没有损耗
- redis性能对比: redis-benchmark -h 127.0.01 -p6379 -q -d 100
- 镜像管理
- 基础镜像池的建设
- 基础镜像之上再构建应用镜像
- 应用镜像每次发布时重新构建
- 应用镜像多版本存储
- 一次构建镜像,各处可用
- 各应用的回滚、扩容全部基于应用的镜像来完成
- 网络的思考
- 在私有云的网络可控性本身比较高
- 多租户的隔离在私有云的意义不多
- 稳定可控可扩展才是急需求
- 整体带宽的高保证
- 对docker容器的网络考虑
- 本机网络模式和OVS模式
- 本机网络模式:如web
- OVS模式: 如数据分析
- 本机网络模式和OVS模式
-
网易蜂巢
- openstack + K8S + etcd + OpenFlow + iscsi + Ceph + billing + 多机房
-
腾讯
- Kubernetes + 网络(Bridge + VLAN / SR-IOV / overlay) + lxcfs + Ceph + configmap\secret + 蓝鲸管控平台
- 目前,大概有15000多常驻的Docker容器, Docker平台上已经跑了数十款端游、页游和手游
- 集群都是同时兼容Docker应用和非Docker类型的应用的
- Gaia将网络和CPU、内存一样,作为一种资源维度纳入统一管理。业务在提交应用时指定自己的网络IO需求,我们使用TC(Traffic Control)+ cgroups实现网络出带宽控制,通过修改内核,增加网络入带宽的控制
- 具体网络选型
- 集群内 pod 与 pod 的之间的通信,由于不需要内网 IP(可以用虚拟 IP)所以采用 overlay 网络,由 flannel 组件实现。
- 公司内网到集群内 pod 通信,例如 HAProxy,游戏某些模块,采用 SR-IOV 网络,由自己定制的 sriov-cni 组件实现。这类 pod 具备双重网络, eth0 对应 overlay 网络, eth1 对应 SR-IOV 网络。
- pod 到公司内网之间的通信。在微服务场景下,游戏的数据存储,周边系统等,部署在物理机或者虚拟机上,因此 pod 到这些模块、系统的访问,走的是 NAT 网络。
- (Internet) 接入,采用公司的 TGW 方案。
-
滴滴
- Kubernetes
- 目前了解的资料,滴滴使用docker化的时间不长,没有太多参考架构设计
-
uber
- 待补充
-
蘑菇街
- Kubernetes + VLAN
-
七牛云
- Mesos + 自研容器调度框架(DoraFramework) + Bridge+ NAT + Open vSwitch + Consul + Prometheus + Ansible
- 七牛目前已经达到近千台物理机的规模, mesos支持大规模调度更合适
- 不选择Mesos的核心框架Marathon 而选择自研
- Marathon有些方面不支持我们期望的使用姿势,比如不太好无缝对接服务发现
- Marathon采用 scala 开发,出了问题不好排查,也不方便我们做二次开发
- 如果选用 Marathon的话,我们上面还是要再做一层对 Marathon的包装才能作为Dora的调度服务,这样模块就会变多,部署运维会复杂
-
魅族云
- OVS & VLAN + SR-IOV +ceph(保证镜像存储可靠性) + 自己现有的监控系
- 主机间Container通过大二层网络通讯,通过vlan隔离
- 异地镜像同步
- 容器设计理念
- 容器化的虚拟机,创建的Container需要长时间运行
- 每个Container拥有独立、唯一的IP
- 主机间Container通过大二层网络通讯,通过vlan隔离
- Container开启ssh服务,可通过堡垒机登陆
- Container开启其他常用服务,如crond
- 网络
- Iperf test: Bridge < OVS veth pair < OVS internal port
- Iperf test: Native > SR-IOV > OVS > Bridge
- Docker with DPDK
- 轮询处理数据包,避免中断开销
- 用户态驱动,避免内存拷贝、系统调用 - CPU亲和、大页技术
- Idea
- virtio作后端接口
- 用户态socket挂载到Container
- Container内跑DPDK applications
- Container存储
- Devicemapper: 成熟稳定, 裸设备, snapshot
- IOPS: Native 基本等于 Devicemapper
- 数据盘存储-LVM
- 按Container进行配额, 支持在线更改配额
- 镜像存储与同步
- 镜像存储
- LVS前端负载均衡,保证高可用
- distribution管理镜像
- 后端ceph保证镜像存储可靠性
- 异地镜像同步
- webhook notification机制
- 强一致同步机制
- 镜像存储
- 容器集群调度系统
- 调度请求落到集群相应节点
- 根据IDC、资源与区、Container类型筛选宿主机
- 根据宿主机资源状态、请求的CPU/内存/磁盘大小动态调度
- 机柜感知,将同一业务Container调度到不同机柜
-
ucloud
- kubernetes + Jenkins
- -v 挂载到主机, Flume/Logstash/rsyslog + elasticserach (日志)
- vswitch overlay的"大二层"网络SDN组网方案 + ipvlan
- 主要问题类型和解决思路
-
模块配置
- 模块上下游关系, 后端服务
- 运行环境,机房的差异性配置等
-
一致性和依赖
- 开发、测试、运行环境的不一致性
- 依赖于不同的基础库
-
部署
- 部署效率低下,步骤多,耗时长
- 部署状态缺少检查机制
- 应用管理
- 大量容器实例的管理、扩容、缩容成本高
- 程序构建、打包、运行和运维统一管理
- 监控、日志分析
-
解决方案
- 模块配置
- 分离环境、IDC、资源类等差异化的配置项信息
- 配置模板,提交到cedebase进行版本化管理
- 对不同的deploys派生不同配置值,填充模板,启动脚本
- 运行在不同的deploys汇总,只需通过环境变量传递给container即可
- 一致性和依赖
- 开发、测试、线上运行环境均采用docker生成的镜像,保证一致
- 基础系统、基本工具、框架,分层构建
- 基础镜像在开发、测试、线上环境统一预部署
- 私有镜像仓库
- V2版本
- 支持UFile驱动
- 定时pull最新镜像
- 模块配置
-
一些经验
- docker日志
- 日志打印耗费性能
- 最好关闭logdriver,将日志打印在后台
- docker daemon
- 退出kill container, 升级docker daemon, kill可选
- docker网络
- NAT模式下会启用nf_conntrack,造成性能下降,调节内核参数
- docker镜像
- 编写dockfile规范、减少镜像层数,基础部分放前面
- 分地域部署镜像registry
- docker日志
-
- kubernetes + Jenkins
主要问题
单实例性能调优 + 万兆卡的性能发挥出来。需要对OVS(Open vSwitch)做一些改进
多机房:多机房及可用域支持
-
容器网络需求
- Iptables 有些坑
- 跨主机容器间网络访问
- 容器网络是否需要具备IP地址漂移能力
-
容器网络面临的问题
- Docker Host 模式,混布存在端口冲突。
- Docker NAT 模式,Ip地址敏感服务改造大,无法支持服务发现
- Overlay网络,涉及IP地址规划,MAC地址分配,网络设备收敛比等问题
- Overlay网络安全性,可维护性, 容量规划
版本升级(docker/mesos/k8s)本身的升级
-
docker 对有状态的服务进行容器化的问题
- kafka / mysql
网络选型(k8s和mesos)
思考 && 痛点
-
可否跨机器访问? 跨域访问?
- flannel可以跨容器通信
- 跨主机的容器互联
- 容器与外部互联
-
是否支持静态ip , 固定ip ? 域名访问?
- 固定ip的话,那么就需要每次部署或者更新或重启的时候,ip保持不变
- overlay network, Docker 1.6 可以实现跨主机通信
是否支持dns?
4层/7层访问
容器库容后的网络
ip端口,最好不要自行手动规划
-
网络策略,防御 ,隔离 ?
- 容器集群不同应用之间的网络隔离和流量限制
-
docker 网络
- host模式: 容器都是直接共享主机网络空间的,容器需要使用-p来进行端口映射, 无法启动两个都监听在 80 端口的容器, 并且没有做到隔离
- container模式: 一个容器直接使用另外一个已经存在容器的网络配置:ip 信息和网络端口等所有网络相关的信息都共享
- Bridge模式: 从docker0子网中分配一个IP给容器使用,并设置docker0的IP地址为容器的默认网关
- 容器的IP在容器重启的时候会改变
- 不同主机间容器通信需要依赖第三方方案如:pipework
方案
-
方案类别
- 隧道方案, 通过隧道,或者说Overlay Networking的方式:
- Weave,UDP广播,本机建立新的BR,通过PCAP互通。
- Open vSwitch(OVS),基于VxLAN和GRE协议,但是性能方面损失比较严重。
- Flannel,UDP广播,VxLan。
- 路由方案
- Calico,基于BGP协议的路由方案,支持很细致的ACL控制,对混合云亲和度比较高。
- Macvlan,从逻辑和Kernel层来看隔离性和性能最优的方案,基于二层隔离,所以需要二层路由器支持,大多数云服务商不支持,所以混合云上比较难以实现。
- 性能好,没有NAT,效率比较高, 但是受限于路由表,另外每个容器都有一个ip,那么业务ip可能会被用光.
- 隧道方案, 通过隧道,或者说Overlay Networking的方式:
-
网络的两大阵营
-
Docker Libnetwork Container Network Model(CNM)阵营(Docker Libnetwork的优势就是原生,而且和Docker容器生命周期结合紧密)
- Docker Swarm overlay
- Macvlan & IP network drivers
- Calico
- Contiv(from Cisco)
-
Container Network Interface(CNI)阵营 (CNI的优势是兼容其他容器技术(e.g. rkt)及上层编排系统(Kuberneres & Mesos))
- Kubernetes
- Weave
- Macvlan
- Flannel
- Calico
- Contiv
- Mesos CNI
-
-
常见的解决方案有:
flannel vxlan,overlay方式
-
calico
- 容器间网络三层隔离,无需要担心arp风暴
- 基于iptable/linux kernel包转发效率高,损耗低
- Calico没有多租户的概念,所有容器节点都要求可被路由,IP地址不能重复
ipvlan macvlan,物理二层/三层隔离,目前需要pipework工具在单个节点上配置,仅做了vlan隔离,不解决arp广播
swarm native vxlan,跟flannel vxlan类似
neutron sdn,选择就多种了,ml2+ovsplugin,midonet,vlan or vxlan
-
Weave
- 能够创建一个虚拟网络来连接部署在多台主机上的Docker容器, 外部设备能够访问Weave网络上的应用程序容器所提供的服务,同时已有的内部系统也能够暴露到应用程序容器上
-
contiv
- 思科主导,sdn解决方案,可以用纯软的ovs,也可以用ovs+cisco硬件sdn controller
- 基于 OpenvSwitch,以插件化的形式支持容器访问网络,支持 VLAN,Vxlan,多租户,主机访问控制策略等
- SDN能力,能够对容器的网络访问做更精细的控制
- 京东基于相同的技术栈(OVS + VLAN)已支持10w+ 容器的运行
linux bridge+三层交换机:host上 linux bridge 设置为三层交换机的子网网段,容器之间通信走二层交换,容器与外部走三层交换机的网关。
-
业界常用网络选型
-
kubernetes + flannel
- Kubernetes采用扁平化的网络模型,要求每个Pod拥有一个全局唯一IP,Pod直接可以跨主机通信。目前比较成熟的方案是利用Flannel
- Flannel已经支持UDP、VxLAN、AWS VPC和GCE路由等数据转发模式。
- kubernetes 下有 flannel、openvswitch和weave可以实现Overlay Network
- 唯品会 contiv netplugin方案(固定外网ip) + flannel
- 京东 Flannel + Neutron + OVS
- Flannel性能: 官方:带宽没有下降,延迟明显变大
-
Mesos + Caclio
- Mesos支持CNI标准规范
- 一容器一ip, 网络隔离, DNS服务发现, ip分配, L3的虚拟网络
- 去哪儿 Mesos + Caclio
- 七牛 Bridge+ NAT + Open vSwitch
-
- 魅族云 OVS & VLAN + SR-IOV
- ucloud: vswitch overlay的"大二层"网络SDN组网方案 + ipvlan
日志监控选型(包括监控,统计)
docker由于分层设计模式,容器里面无法固化数据, 容器销毁里面的数据就会丢失, 因此建议将日志挂载到宿主机上, 或者使用分布式存储如ceph
stdout/stderr类型的日志,可通过logspout转发到syslog中心来收集
Docker 的LogDriver 能输出日志到特定的端点,例如Fluentd,Syslog,或者Journald。 Logspout能将容器日志路由到Syslog或者第三方的诸如Redis,Kafka或者Logstash的模块中。
-
方案介绍
- 采用容器外收集。将主机磁盘挂在为容器中的日志目录和文件。
- 将容器中应用的控制到日志也重定向到日志目录。
- 在主机上对应用日志目录和docker日志目录做日志收集和轮换。
-
监控可选方案
- cAdvisor + InfluxDB + Grafana
- cAdvisor + Prometheus + Grafana
- Graphite
- Zabbix
- Datadog
-
日志可选方案
- logstash
- ELK
- Graylog
- flume
- heka
- fluentd
-
业界方案
- 阿里云 : cAdvisor + InfuxDB + prometheus
- 协程: ELK
- 知乎: Graphite + cAdvisor
镜像管理
- 镜像总是从Dockerfile生成
- 镜像之间应该避免依赖过深,建议为三层,这三层分别是基础的操作系统镜像、中间件镜像和应用镜像
- 所有镜像都应该有对应的Git仓库,以方便后续的更新
- Registry
- 单点问题,对应的解决方案可以考虑DRBD、分布式存储以及云存储
- Regitry的性能问题,目前可用的解决方案是通过HTTP反向代理缓存来加速Layer的下载, 或者提供镜像mirror
- Registry用户权限,Nginx LUA可以提供一个简单快速的实现方案
总结
-
选型不能只看编排, 还要看存储/网络等方面的支持
- swarm以前有些缺陷,如不能检测失败节点并重启,最新版的也实现
- k8s 只是用来调度docker
- mesos是用来管理机器集群. 通过Marathon才能间接管理docker
-
对应网络的支持
- 是否能够跨主机/跨域
- 是否能够固定ip/ dns解析?
- CNI 标准的支持?
-
对于存储的支持
- 是否能够固化?
- 是否支持分布式存储?
-
对于编排/调度/升级
- 是否支持回滚? 在线升级? 滚动升级?
- 是否能够细粒度分配cpu/内存等
- 是否支持有状态服务的容器化 和 调度
- 自动扩缩容能力?
-
服务注册/发现机制 / 负载均衡
- 是否有合适的服务注册机制?
- 负载均衡是否能够满足各种业务场景需求?
-
其他
- 隔离, 除了cgroup和namespace, 还有其他的隔离,比如网络隔离
【"欢迎关注我的微信公众号:Linux 服务端系统研发,后面会大力通过微信公众号发送优质文章"】