简介： K8s 处在一个承上启下的位置，云原生用户使用 K8s 的目的是为了交付和管理应用，也包括灰度发布、扩容缩容等。但是对用户来说，实现这些能力，通过直接操作 K8s API 难免有些复杂。另外节省资源成本和弹性对于用户来说也越来越重要。那么，如何才能简单地使用 K8s 的技术，并且实现按需使用，最终实现降本增效的目的呢？答案就是 Knative。
作者 | 李鹏（元毅）
来源 | Serverless 公众号
一、为什么需要 Knative
K8s 目前已成为云原生市场上的主流操作系统，K8s 对上通过数据抽象暴露基础设施能力，比如 Service、Ingress、Pod、Deployment 等，这些都是通过 K8s 原生 API 给用户暴露出来的能力；而对下 K8s 提供了基础设施接入的一些标准接口，比如 CNI、CRI、CRD，让云资源以一个标准化的方式进入到 K8s 的体系中。
K8s 处在一个承上启下的位置，云原生用户使用 K8s 的目的是为了交付和管理应用，也包括灰度发布、扩容缩容等。但是对用户来说，实现这些能力，通过直接操作 K8s API 难免有些复杂。另外节省资源成本和弹性对于用户来说也越来越重要。
那么，如何才能简单地使用 K8s 的技术，并且实现按需使用，最终实现降本增效的目的呢？答案就是 Knative。
二、Knative简介
- Knative 是什么
- 定义
Knative 是一款基于 Kubernetes 的 Serverless 编排引擎，Knative 一个很重要的目标是制定云原生跨平台的编排标准，它通过整合容器构建、工作负载以及事件驱动来实现这一目的。
Knative 社区当前贡献者主要有 Google、Pivotal、IBM、Red Hat，可见其阵容强大，另外还有 CloudFoundry、OpenShift 这些 PAAS 提供商也都在积极地参与 Knative 的建设。
- 核心模块
Knative 核心模块主要包括两部分：事件驱动框架 Eventing 和提供工作负载的 Serving，接下来本文主要介绍 Serving 相关的一些内容。
- 流量灰度发布
以一个简单的场景为例：
- 在 K8s 中实现基于流量的灰度发布
如果要在 K8s 中实现基于流量的灰度发布，需要创建对应的 Service 与 Deployment，弹性相关的需要 HPA 来做，然后在流量灰度发布时，要创建新的版本。
以上图为例，创始版本是 v1，要想实现流量灰度发布，我们需要创建一个新的版本 v2。创建 v2 时，要创建对应的 Service、Deployment、HPA。创建完之后通过 Ingress 设置对应的流量比例，最终实现流量灰度发布的功能。
- 在 Knative 中实现基于流量的灰度发布
如上图所示，在 Knative 中想要实现基于流量的灰度发布，只需要创建一个 Knative Service，然后基于不同的版本进行灰度流量，可以用 Revision1 和 Revision2 来表示。在不同的版本里面，已经包含了自动弹性。
从上面简单的两个图例，我们可以看到在 Knative 中实现流量灰度发布时，需要直接操作的资源明显较少。
- Knative Serving 架构
- Service
Service 对应 Serverless 编排的抽象，通过 Service 管理应用的生命周期。Service 下又包含两大部分：Route 和 Configuration。
- Route
Route 对应路由策略。将请求路由到 Revision，并可以向不同的 Revision 转发不同比例的流量。
- Configuration
Configuration 配置的是相应的资源信息。当前期望状态的配置。每次更新 Service 就会更新 Configuration。
- Revision
每次更新 Configuration 都会相应得到一个快照，这个快照就是 Revision，通过 Revision 实现多版本管理以及灰度发布。
我们可以这样理解：Knative Service ≈ Ingress + Service + Deployment + 弹性（HPA）。
- 丰富的弹性策略
当然，Serverless 框架离不开弹性， Knative 中提供了以下丰富的弹性策略：
- 基于流量请求的自动扩缩容：KPA；
- 基于 CPU、Memory 的自动扩缩容：HPA；
- 支持定时 + HPA 的自动扩缩容策略；
- 事件网关（基于流量请求的精准弹性）。
三、Knative 和 ASK 融合
- ASK：Serverless Kubernetes
如果要准备 ECI 资源的话，需要提前进行容量规划，这无疑违背了 Serverless 的初衷。为摆脱 ECI 资源的束缚，不必提前进行 ECI 资源规划，阿里云提出了无服务器 Serverless——ASK。用户无需购买节点，即可直接部署容器应用，无需对节点进行维护和容量规划。ASK 提供了 K8s 兼容的能力，同时极大地降低了 K8s 的使用门槛，让用户专注于应用程序，而不是底层基础设施。
ASK 提供了以下能力：
- 免运维
开箱即用，无节点管理和运维，无节点安全维护，无节点 NotReady，简化 K8s 集群管理。
- 极致的弹性扩容
无容量规划，秒级扩容，30s 500pod。
- 低成本
按需创建 Pod，支持 Spot，预留实例券。
- 兼容 K8s
支持 Deployment/statfulset/job/service/ingress/crd 等。
- 存储挂载
支持挂载云盘、NAS、OSS 存储券。
- Knative on ASK
基于应用流量的自动弹性，开箱即用，缩容到最小规格。
- Elastic Workload
支持 ECI 按量和 Spot 混合调度。
- 集成 ARMS/SLS 等云产品
- Knative 运维复杂度
Knative 运维主要存在三个方面的问题：Gateway、Knative 管控组件和冷启动问题。
如上图所示，在 Knative 中管控组件会涉及到相应的 Activator，它是从 0 到 1 的一个组件；Autoscaler 是扩缩容相关的组件；Controller 是自身的管控组件以及网关。对于这些组件的运维，如果放在用户层面做，无疑会加重负担，同时这些组件还会占用成本。
除此之外，从 0 到 1 的冷启动问题也需要考虑。当应用请求过来时，第一个资源从开始到启动完成需要一段时间，这段时间内的请求如果响应不及时的话，会造成请求超时，进而带来冷启动问题。
对于上面说到的这些问题，我们可以通过 ASK 来解决。下面看下 ASK 是如何做的？
- Gateway 和 SLB 融合
相比于之前 Istio 提供的能力，我们需要运营管控 Istio 相关的组件，这无疑加大了管控成本。实际上对于大部分场景来说，我们更关心网关的能力，Istio 本身的一些服务（比如服务网格）我们其实并不需要。
在 ASK 中，我们将网关这一层通过 SLB 进行了替换：
- 降成本：减少了十几个组件，大大降低运维成本和 IaaS 成本；
- 更稳定：SLB 云产品服务更稳定，可靠性更高，易用性也更好。
- 管控组件下沉
对于 Knative 管控组件，ASK 做了一些托管：
- 开箱即用：用户直接使用 Serverless Framework，不需要自己安装；
- 免运维、低成本：Knative 组件和 K8s 集群进行融合，用户没有运维负担，也无需承担额外的资源成本；
- 高管控：所有组件都在管控端部署，升级和迭代更容易。
- 优雅的保留实例
在 ASK 平台中，我们提供了优雅保留实例的能力，其作用是免冷启动。通过保留实例，消除了从 0 到 1 的冷启动时间。当我们缩容到 0 的时候，并没有把实例真正缩容到 0，而是缩容到一个低规格的保留实例上，目的是降低成本。
- 免冷启动：通过保留规格消除了从 0 到 1 的 30 秒冷启动时间；
- 成本可控：突发性能实例成本比标准规格实例降低 40% 的成本，如果和 Spot 实例结合还能再进一步降低成本。
四、实操演示
最后进行动手实践演示，以一家咖啡店（cafe）为例，演示内容主要有：
- 在 ASK 集群中安装 Knative；
- 部署 coffee 服务；
- 访问 coffee 服务；
- 保留实例。
作者简介：
李鹏，花名：元毅，阿里云容器平台高级开发工程师，2016 年加入阿里， 深度参与了阿里巴巴全面容器化、连续多年支持双十一容器化链路。专注于容器、Kubernetes、Service Mesh 和 Serverless 等云原生领域，致力于构建新一代 Serverless 平台。当前负责阿里云容器服务 Knative 相关工作。
原文链接
本文为阿里云原创内容，未经允许不得转载。