前提
前段时间顺利地把整个服务集群和中间件全部从UCloud
迁移到阿里云,笔者担任了架构和半个运维的角色。这里详细记录一下通过Nginx
、Consul
、Upsync
实现动态负载均衡和服务平滑发布的核心知识点和操作步骤,整个体系已经在生产环境中平稳运行。编写本文使用的虚拟机系统为CentOS7.x
,虚拟机的内网IP
为192.168.56.200
。
动态负载均衡的基本原理
一般会通过upstream
配置Nginx
的反向代理池:
http {
upstream upstream_server{
server 127.0.0.1:8081;
server 127.0.0.1:8082;
}
server {
listen 80;
server_name localhost;
location / {
proxy_pass http://upstream_server;
}
}
}
现在假如8081
端口的服务实例挂了需要剔除,那么需要修改upstream
为:
upstream upstream_server{
# 添加down标记该端口的服务实例不参与负载
server 127.0.0.1:8081 down;
server 127.0.0.1:8082;
}
并且通过nginx -s reload
重新加载配置,该upstream
配置才会生效。我们知道,服务发布时候重启过程中是处于不可用状态,正确的服务发布过程应该是:
- 把该服务从对应的
upstream
剔除,一般是置为down
,告知Nginx
服务upstream
配置变更,需要通过nginx -s reload
进行重载。 - 服务构建、部署和重启。
- 通过探活脚本感知服务对应的端口能够访问,把该服务从对应的
upstream
中拉起,一般是把down
去掉,告知Nginx
服务upstream
配置变更,需要通过nginx -s reload
进行重载。
上面的步骤一则涉及到upstream
配置,二则需要Nginx
重新加载配置(nginx -s reload
),显得比较笨重,在高负载的情况下重新启动Nginx
并重新加载配置会进一步增加系统的负载并可能暂时降低性能。
所以,可以考虑使用分布式缓存把upstream
配置存放在缓存服务中,然后Nginx
直接从这个缓存服务中读取upstream
的配置,这样如果有upstream
的配置变更就可以直接修改缓存服务中对应的属性,而Nginx
服务也不需要reload
。在实战中,这里提到的缓存服务就选用了Consul
,Nginx
读取缓存中的配置属性选用了新浪微博提供的Nginx
的C
语言模块nginx-upsync-module
。示意图大致如下:
Consul安装和集群搭建
Consul
是Hashicorp
公司的一个使用Golang
开发的开源项目,它是一个用于服务发现和配置的工具,具备分布式和高度可用特性,并且具有极高的可伸缩性。Consul
主要提供下面的功能:
- 服务发现。
- 运行状况检查。
- 服务分块/服务网格(
Service Segmentation/Service Mesh
)。 - 密钥/值存储。
- 多数据中心。
下面是安装过程:
mkdir /data/consul
cd /data/consul
wget https://releases.hashicorp.com/consul/1.7.3/consul_1.7.3_linux_amd64.zip
# 注意解压后只有一个consul执行文件
unzip consul_1.7.3_linux_amd64.zip
解压完成后,使用命令nohup /data/consul/consul agent -server -data-dir=/tmp/consul -bootstrap -ui -advertise=192.168.56.200 -client=192.168.56.200 > /dev/null 2>&1 &
即可后台启动单机的Consul
服务。启动Consul
实例后,访问http://192.168.56.200:8500/
即可打开其后台管理UI
:
下面基于单台虚拟机搭建一个伪集群,关于集群的一些配置属性的含义和命令参数的解释暂时不进行展开。
# 创建集群数据目录
mkdir /data/consul/node1 /data/consul/node2 /data/consul/node3
# 创建集群日志目录
mkdir /data/consul/node1/logs /data/consul/node2/logs /data/consul/node3/logs
在/data/consul/node1
目录添加consul_conf.json
文件,内容如下:
{
"datacenter": "es8-dc",
"data_dir": "/data/consul/node1",
"log_file": "/data/consul/node1/consul.log",
"log_level": "INFO",
"server": true,
"node_name": "node1",
"ui": true,
"bind_addr": "192.168.56.200",
"client_addr": "192.168.56.200",
"advertise_addr": "192.168.56.200",
"bootstrap_expect": 3,
"ports":{
"http": 8510,
"dns": 8610,
"server": 8310,
"serf_lan": 8311,
"serf_wan": 8312
}
}
在/data/consul/node2
目录添加consul_conf.json
文件,内容如下:
{
"datacenter": "es8-dc",
"data_dir": "/data/consul/node2",
"log_file": "/data/consul/node2/consul.log",
"log_level": "INFO",
"server": true,
"node_name": "node2",
"ui": true,
"bind_addr": "192.168.56.200",
"client_addr": "192.168.56.200",
"advertise_addr": "192.168.56.200",
"bootstrap_expect": 3,
"ports":{
"http": 8520,
"dns": 8620,
"server": 8320,
"serf_lan": 8321,
"serf_wan": 8322
}
}
在/data/consul/node3
目录添加consul_conf.json
文件,内容如下:
{
"datacenter": "es8-dc",
"data_dir": "/data/consul/node3",
"log_file": "/data/consul/node3/consul.log",
"log_level": "INFO",
"server": true,
"node_name": "node3",
"ui": true,
"bind_addr": "192.168.56.200",
"client_addr": "192.168.56.200",
"advertise_addr": "192.168.56.200",
"bootstrap_expect": 3,
"ports":{
"http": 8530,
"dns": 8630,
"server": 8330,
"serf_lan": 8331,
"serf_wan": 8332
}
}
新建一个集群启动脚本:
cd /data/consul
touch service.sh
# /data/consul/service.sh内容如下:
nohup /data/consul/consul agent -config-file=/data/consul/node1/consul_conf.json > /dev/null 2>&1 &
sleep 10
nohup /data/consul/consul agent -config-file=/data/consul/node2/consul_conf.json -retry-join=192.168.56.200:8311 > /dev/null 2>&1 &
sleep 10
nohup /data/consul/consul agent -config-file=/data/consul/node3/consul_conf.json -retry-join=192.168.56.200:8311 > /dev/null 2>&1 &
如果集群启动成功,观察节点1中的日志如下:
通过节点1的HTTP
端点访问后台管理页面如下(可见当前的节点1被标记了一颗红色的星星,说明当前节点1是Leader
节点):
至此,Consul
单机伪集群搭建完成(其实分布式集群的搭建大同小异,注意集群节点所在的机器需要开放使用到的端口的访问权限),由于Consul
使用Raft
作为共识算法,该算法是强领导者模型,也就是只有Leader
节点可以进行写操作,因此接下来的操作都需要使用节点1的HTTP
端点,就是192.168.56.200:8510
。
重点笔记:如果
Consul
集群重启或者重新选举,Leader
节点有可能发生更变,外部使用的时候建议把Leader
节点的HTTP
端点抽离到可动态更新的配置项中或者动态获取Leader
节点的IP
和端口。
Nginx编译安装
直接从官网下载二进制的安装包并且解压:
mkdir /data/nginx
cd /data/nginx
wget http://nginx.org/download/nginx-1.18.0.tar.gz
tar -zxvf nginx-1.18.0.tar.gz
解压后的所有源文件在/data/nginx/nginx-1.18.0
目录下,编译之前需要安装pcre-devel
、zlib-devel
依赖:
yum -y install pcre-devel
yum install -y zlib-devel
编译命令如下:
cd /data/nginx/nginx-1.18.0
./configure --prefix=/data/nginx
如果./configure
执行过程不出现问题,那么结果如下:
接着执行make
:
cd /data/nginx/nginx-1.18.0
make
如果make
执行过程不出现问题,那么结果如下:
最后,如果是首次安装,可以执行make install
进行安装(实际上只是拷贝编译好的文件到--prefix
指定的路径下):
cd /data/nginx/nginx-1.18.0
make install
make install
执行完毕后,/data/nginx
目录下新增了数个文件夹:
其中,Nginx
启动程序在sbin
目录下,logs
是其日志目录,conf
是其配置文件所在的目录。尝试启动一下Nginx
:
/data/nginx/sbin/nginx
然后访问虚拟机的80
端口,从而验证Nginx
已经正常启动:
通过nginx-upsync-module和nginx_upstream_check_module模块进行编译
上面做了一个Nginx
极简的编译过程,实际上,在做动态负载均衡的时候需要添加nginx-upsync-module
和nginx_upstream_check_module
两个模块,两个模块必须提前下载源码,并且在编译Nginx
过程中需要指定两个模块的物理路径:
mkdir /data/nginx/modules
cd /data/nginx/modules
# 这里是Github的资源,不能用wget下载,具体是:
nginx-upsync-module需要下载release里面的最新版本:v2.1.2
nginx_upstream_check_module需要下载整个项目的源码,主要用到靠近当前版本的补丁,使用patch命令进行补丁升级
下载完成后分别(解压)放在/data/nginx/modules
目录下:
ll /data/nginx/modules
drwxr-xr-x. 6 root root 4096 Nov 3 2019 nginx_upstream_check_module-master
drwxrwxr-x. 5 root root 93 Dec 18 00:56 nginx-upsync-module-2.1.2
编译前,还要先安装一些前置依赖组件:
yum -y install libpcre3 libpcre3-dev ruby zlib1g-dev patch
接下来开始编译安装Nginx
:
cd /data/nginx/nginx-1.18.0
patch -p1 < /data/nginx/modules/nginx_upstream_check_module-master/check_1.16.1+.patch
./configure --prefix=/data/nginx --add-module=/data/nginx/modules/nginx_upstream_check_module-master --add-module=/data/nginx/modules/nginx-upsync-module-2.1.2
make
make install
上面的编译和安装过程无论怎么调整,都会出现部分依赖缺失导致make
异常,估计是这两个模块并不支持太高版本的Nginx
。(生产上用了一个版本比较低的OpenResty
,这里想复原一下使用相对新版本Nginx
的踩坑过程)于是尝试降级进行编译,下面是参考多个Issue
后得到的相对比较新的可用版本组合:
- nginx-1.14.2.tar.gz
- xiaokai-wang/nginx_upstream_check_module,使用补丁
check_1.12.1+.patch
- nginx-upsync-module:release:v2.1.2
# 提前把/data/nginx下除了之前下载过的modules目录外的所有文件删除
cd /data/nginx
wget http://nginx.org/download/nginx-1.14.2.tar.gz
tar -zxvf nginx-1.14.2.tar.gz
开始编译安装:
cd /data/nginx/nginx-1.14.2
patch -p1 < /data/nginx/modules/nginx_upstream_check_module-master/check_1.12.1+.patch
./configure --prefix=/data/nginx --add-module=/data/nginx/modules/nginx_upstream_check_module-master --add-module=/data/nginx/modules/nginx-upsync-module-2.1.2
make && make install
安装完成后通过/data/nginx/sbin/nginx
命令启动即可。
启用动态负载均和健康检查
首先编写一个简易的HTTP
服务,因为Java
比较重量级,这里选用Golang
,代码如下:
package main
import (
"flag"
"fmt"
"net/http"
)
func main() {
var host string
var port int
flag.StringVar(&host, "h", "127.0.0.1", "IP地址")
flag.IntVar(&port, "p", 9000, "端口")
flag.Parse()
address := fmt.Sprintf("%s:%d", host, port)
http.HandleFunc("/ping", func(writer http.ResponseWriter, request *http.Request) {
_, _ = fmt.Fprintln(writer, fmt.Sprintf("%s by %s", "pong", address))
})
http.HandleFunc("/", func(writer http.ResponseWriter, request *http.Request) {
_, _ = fmt.Fprintln(writer, fmt.Sprintf("%s by %s", "hello world", address))
})
err := http.ListenAndServe(address, nil)
if nil != err {
panic(err)
}
}
编译:
cd src
set GOARCH=amd64
set GOOS=linux
go build -o ../bin/app app.go
这样子在项目的bin
目录下就得到一个Linux
下可执行的二进制文件app
,分别在端口9000
和9001
启动两个服务实例:
# 记得先给app文件的执行权限chmod 773 app
nohup ./app -p 9000 >/dev/null 2>&1 &
nohup ./app -p 9001 >/dev/null 2>&1 &
修改一下Nginx
的配置,添加upstream
:
# /data/nginx/conf/nginx.conf部分片段
http {
include mime.types;
default_type application/octet-stream;
sendfile on;
keepalive_timeout 65;
upstream app {
# 这里是consul的leader节点的HTTP端点
upsync 192.168.56.200:8510/v1/kv/upstreams/app/ upsync_timeout=6m upsync_interval=500ms upsync_type=consul strong_dependency=off;
# consul访问不了的时候的备用配置
upsync_dump_path /data/nginx/app.conf;
# 这里是为了兼容Nginx的语法检查
include /data/nginx/app.conf;
# 下面三个配置是健康检查的配置
check interval=1000 rise=2 fall=2 timeout=3000 type=http default_down=false;
check_http_send "HEAD / HTTP/1.0\r\n\r\n";
check_http_expect_alive http_2xx http_3xx;
}
server {
listen 80;
server_name localhost;
location / {
proxy_pass http://app;
}
# 健康检查 - 查看负载均衡的列表
location /upstream_list {
upstream_show;
}
# 健康检查 - 查看负载均衡的状态
location /upstream_status {
check_status;
access_log off;
}
}
}
# /data/nginx/app.conf
server 127.0.0.1:9000 weight=1 fail_timeout=10 max_fails=3;
server 127.0.0.1:9001 weight=1 fail_timeout=10 max_fails=3;
手动添加两个HTTP
服务进去Consul
中:
curl -X PUT -d '{"weight":1, "max_fails":2, "fail_timeout":10}' http://192.168.56.200:8510/v1/kv/upstreams/app/127.0.0.1:9000
curl -X PUT -d '{"weight":1, "max_fails":2, "fail_timeout":10}' http://192.168.56.200:8510/v1/kv/upstreams/app/127.0.0.1:9001
最后重新加载Nginx
的配置即可。
动态负载均衡测试
前置工作准备好,现在尝试动态负载均衡,先从Consul
下线9000
端口的服务实例:
curl -X PUT -d '{"weight":1, "max_fails":2, "fail_timeout":10, "down":1}' http://192.168.56.200:8510/v1/kv/upstreams/app/127.0.0.1:9000
可见负载均衡的列表中,9000
端口的服务实例已经置为down
,此时疯狂请求http://192.168.56.200
,只输出hello world by 127.0.0.1:9001
,可见9000
端口的服务实例已经不再参与负载。重新上线9000
端口的服务实例:
curl -X PUT -d '{"weight":1, "max_fails":2, "fail_timeout":10, "down":0}' http://192.168.56.200:8510/v1/kv/upstreams/app/127.0.0.1:9000
再疯狂请求http://192.168.56.200
,发现hello world by 127.0.0.1:9000
和hello world by 127.0.0.1:9001
交替输出。到此可以验证动态负载均衡是成功的。此时再测试一下服务健康监测,通过kill -9
随机杀掉其中一个服务实例,然后观察/upstream_status
端点:
疯狂请求http://192.168.56.200
,只输出hello world by 127.0.0.1:9001
,可见9000
端口的服务实例已经不再参与负载,但是查看Consul
中9000
端口的服务实例的配置,并没有标记为down
,可见是nginx_upstream_check_module
为我们过滤了异常的节点,让这些节点不再参与负载。
总的来说,这个相对完善的动态负载均衡功能需要nginx_upstream_check_module
和nginx-upsync-module
共同协作才能完成。
服务平滑发布
服务平滑发布依赖于前面花大量时间分析的动态负载均衡功能。笔者所在的团队比较小,所以选用了阿里云的云效作为产研管理平台,通过里面的流水线功能实现了服务平滑发布,下面是其中一个服务的生产环境部署的流水线:
其实平滑发布和平台的关系不大,整体的步骤大概如下:
步骤比较多,并且涉及到大量的shell
脚本,这里不把详细的脚本内容列出,简单列出一下每一步的操作(注意某些步骤之间可以插入合理的sleep n
保证前一步执行完毕):
- 代码扫描、单元测试等等。
- 代码构建,生成构建后的压缩包。
- 压缩包上传到服务器
X
中,解压到对应的目录。 - 向
Consul
发送指令,把当前发布的X_IP:PORT
的负载配置更新为down=1
。 stop
服务X_IP:PORT
。start
服务X_IP:PORT
。- 检查服务
X_IP:PORT
的健康状态(可以设定一个时间周期例如120秒内每10秒检查一次),如果启动失败,则直接中断返回,确保还有另一个正常的旧节点参与负载,并且人工介入处理。 - 向
Consul
发送指令,把当前发布的X_IP:PORT
的负载配置更新为down=0
。
上面的流程是通过hard code
完成,对于不同的服务器,只需要添加一个发布流程节点并且改动一个IP
的占位符即可,不需要对Nginx
进行配置重新加载。笔者所在的平台流量不大,目前每个服务部署两个节点就能满足生产需要,试想一下,如果要实现动态扩容,应该怎么构建流水线?
小结
服务平滑发布是CI/CD
中比较重要的一个环节,而动态负载均衡则是服务平滑发布的基础。虽然现在很多云平台都提供了十分便捷的持续集成工具,但是在使用这些工具和配置流程的时候,最好能够理解背后的基本原理,这样才能在工具不适用的时候或者出现问题的时时候,迅速地作出判断和响应。
参考资料:
- nginx-upsync-module
- Nginx docs
- Consul docs
(本文完 c-7-d e-a-20200613 感谢广州某金融科技公司运维大佬昊哥提供的支持)