Istio入门体验系列——基于Istio的灰度发布实践

---

导言：灰度发布是指在项目迭代的过程中用平滑过渡的方式进行发布。灰度发布可以保证整体系统的稳定性，在初始发布的时候就可以发现、调整问题，以保证其影响度。作为Istio体验系列的第一站，本文基于Istio的流量治理机制，针对最简单的几种业务场景进行了实践，为后续的探索学习提供了一个思路和实践案例。

文章目录

• 一、背景介绍
• 1.1 灰度发布概述
• 1.2 基于kubernetes的灰度发布
• 1.3 基于Istio的灰度发布
• 二、前置条件
• 2.1 实验环境搭建
• 2.2 服务网格监控组件的安装与配置
• 2.2.1 Kiali的安装
• 2.2.2 配置Kiali控制面板对外访问
• 2.3 实验项目部署
• 2.3.1 项目简介
• 2.3.2 Weather Forecast 部署
• 三、实验过程
• 3.1 初始状态部署
• 3.2 基于流量比例的路由
• 3.3 基于请求内容的发布
• 3.4 多服务同时发布
• 3.5 自动化部署
• 四、总结

一、背景介绍

1.1 灰度发布概述

在新版本上线时，不管是在技术上考虑产品的稳定性等因素，还是在商业上考虑新版本被用户接受的程度，直接将老版本全部升级是非常有风险的。所以一般的做法是，新老版本同时在线，新版本只切分少量流量出来，在确认新版本没有问题后，再逐步加大流量比例。这正是灰度发布要解决的问题。其核心是能配置一定的流量策略，将用户在同一个访问入口的流量导到不同的版本上。有如下几种典型场景。

• 蓝绿发布

蓝绿发布是指不停止老版本，部署新版本，然后进行测试，确认没有问题之后，再将流量全量切到新版本，然后老版本同时也升级到新版本。这样做的好处是无需停机，并且风险较小。

其发布的步骤大致如下：

1. 部署版本1的应用（一开始的状态），所有外部请求的流量都打到这个版本上；
2. 部署版本2的应用，版本2的代码与版本1不同（新功能、Bug修复等）；
3. 将流量从版本1切换到版本2，即流量从v1：v2为100：0，切换为0：100；

4. 如果版本2存在问题，需要回滚到版本1，进行流量切换回v1：v2为100：0。

   • A/B测试
     A/B测试的场景比较明确，就是同时在线上部署A和B两个对等的版本来接收流量，按一定的目标选取策略让一部分用户使用A版本，让一部分用户使用B版本，收集这两部分用户的使用反馈，即对用户采样后做相关比较，通过分析数据来最终决定采用哪个版本。蓝绿发布则主要用于安全稳定地发布新版本应用，而A/B测试则是用来测试应用功能表现的一种方法。
   • 金丝雀发布
     金丝雀发布是指通过让一小部分用户流量引入的新版本进行测试，就像把一个金丝雀塞到瓦斯井里面一样，探测这个新版本在环境中是否可用，在观察到新版本没有问题后再增加切换的比例，直到全部切换完成，是一个渐变、尝试的过程。如在过程中出现任何问题，则可以中止并回滚到旧版本。最简单的方式是随机选择百分比请求到金丝雀版本，但在更复杂的方案下，则可以基于请求的内容、特定范围的用户或其他属性等。
     ![在这里插入图片描述][Image 1]

     

1.2 基于kubernetes的灰度发布

在Kubernetes环境下可以基于Pod的数量比例分配流量。如下图所示，B服务的两个版本v2和v1分别有2个和3个实例，当流量被均衡地分发到每个实例上时，前者可以得到40%的流量，后者可以得到60%的流量，从而达到流量在两个版本间分配的效果。
 

给v1和v2版本设置对应比例的Pod数量，依靠Kube-proxy把流量均衡地分发到目标后端，可以解决一个服务的多个版本分配流量的问题，但是限制非常明显：首先，要求分配的流量比例必须和Pod数量成比例，试想，基于这种方式支持 3:97 比例的流量基本上是不可能的；另外，这种方式不支持根据请求的内容来分配流量，比如要求Chrome浏览器发来的请求和IE浏览器发来的请求分别访问不同的版本。有没有一种更细粒度的分流方式？答案当然是有，Istio就可以。Istio叠加在Kubernetes之上，从机制上可以提供比Kubernetes更细的服务控制粒度及更强的服务管理能力。

1.3 基于Istio的灰度发布

Istio本身并没有关于灰度发布的规则定义，灰度发布只是流量治理规则的一种典型应用，在进行灰度发布时，只要写个简单的流量规则配置即可。Istio在每个Pod里都注入了一个Envoy，因而只要在控制面配置分流策略，对目标服务发起访问的每个Envoy便都可以执行流量策略，完成灰度发布功能。

在使用Istio实现灰度发布的情况下，流量路由和副本部署是两个完全独立的功能。服务的pod数量可以根据流量负载灵活伸缩，与版本流量路由的控制完全无关。这在自动缩放的情况下能够更加简单地管理金丝雀版本。Istio的路由规则非常灵活，可以支持细粒度控制流量百分比（例如，路由1%的流量而不需要100个pod），也可以使用其他规则来控制流量（例如，将特定用户的流量路由到金丝雀版本）。

为了更加直观的验证和说明，接下来我们就通过搭建实验环境来模拟各种业务场景下的灰度发布。

二、前置条件

2.1 实验环境搭建

由于个人电脑的网络和内存限制，本人是直接选择了在腾讯云服务器上安装Minikube和Kubectl，然后下载最新版本的Istio1.9，最后通过istioctl工具进行安装。安装过程不再赘述，具体可参考:
http://km.oa.com/group/34294/articles/show/410837

不过安装较新版本Istio的同学需要注意一下的是Istio 1.9 支持的kubernets版本要求不能低于v1.17，所以在用minikube启动kubernetes集群时必须指定好版本：

1. $ minikube start --vm-driver=none --kubernetes-version v1.18.15

具体环境和版本清单如下：

• 64位Cenos7.6：2核4G(最低配置要求)
• Minikube == v1.17.1
• Docker == v1.13.1
• Kubernetes == v1.18.15
• Istio == v1.9.0

2.2 服务网格监控组件的安装与配置

2.2.1 Kiali的安装

Kiali 是一个为 Istio 提供图形化界面和丰富观测功能的 Dashboard 的开源项目，其名称源于希腊语，意思是望远镜。用户利用 Kiali 可以监测网格内服务的实时工作状态，管理Istio的网络配置，快速识别网络问题。但是从Istio 1.7开始，默认不安装控制面板Kiali等组件，所以需要用户自行单独安装控制面板Kiali及相关的组件。

首先进入到Istio的安装包解压目录下，然后通过以下命令安装：

1. [root@chon istio-1.9.0]# kubectl apply -f samples/addons
2. [root@chon istio-1.9.0]# kubectl apply -f samples/addons/extras

安装时，由于网络原因，可能会报错，重试几次就好了。安装完成后，通过kubectl 命令查询相关pod的运行状态:

1. [root@chon istio-1.9.0]# kubectl get pod -n istio-system
2. NAME READY STATUS RESTARTS AGE
3. grafana-94f5bf75b-fvlrt 1/1 Running 0 7h14m
4. istio-egressgateway-5b475b9856-lzwwm 1/1 Running 0 24h
5. istio-ingressgateway-648778567c-4gddl 1/1 Running 0 24h
6. istiod-7cccc657f6-ng9r2 1/1 Running 0 24h
7. jaeger-5c7675974-fmw4n 1/1 Running 0 7h14m
8. kiali-d4fdb9cdb-wdj2v 1/1 Running 0 7h14m
9. prometheus-7d76687994-p6whv 2/2 Running 0 7h14m
10. zipkin-679599ffd8-xxb8l 1/1 Running 0 7h1m

2.2.2 配置Kiali控制面板对外访问

查看kiali服务，发现其类型为ClusterIP，没有对外暴露端口，无法从外部访问：

1. [root@chon istio-1.9.0]# kubectl get service kiali -n istio-system
2. NAME TYPE CLUSTER-IP EXTERNAL-IP PORT(S)
3. kiali ClusterIP 10.105.136.82 20001:/TCP,9090/TCP

所以此时需要通过NodePort的方式对外暴露控制面板，我们将原来的ClusterIP类型的service导出yaml文件，通过删除注解、创建信息、状态字段及ClusterIP等信息将类型改NodePort，然后使用kubectl apply -f 创建：

1. [root@chon istio-1.9.0]# kubectl get svc -n istio-system kiali -o yaml > kiali-nodeport.yaml
2. [root@chon istio-1.9.0]# vi kiali-nodeport.yaml
3. #主要删除metadata下的annotation, resourceVersion,seflFlink, uid; 以及spec下的ClusterIP,修改类型为NodePort， 同时删除status状态字段即可。
4. [root@chon istio-1.9.0]# kubectl apply -f kiali-nodeport.yaml

此时再查看kiali的service，可以看到已经可以端口已经暴露出来：

1. [root@chon istio-1.9.0]# kubectl get service kiali -n istio-system
2. NAME TYPE CLUSTER-IP EXTERNAL-IP PORT(S) AGE
3. kiali NodePort 10.105.136.82 20001:32662/TCP,9090:31692/TCP 7h44m

然后在浏览器中输入“http：//＜ip address＞：32662/kiali”打开Kiali的登录页面，登录成功后，Kiali的总览视图如下所示：

2.3 实验项目部署

2.3.1 项目简介

下面通过经典的 Weather Forecast 进行部署实践，它是一款查询城市天气信息的应用实例，一共包含4个微服务，它们之间的调用关系如下：

• frontend：前台服务，会调用 advertisement 和 forecast 这两个服务，展示整个应用的页面;
• advertisement：广告服务，返回的静态的广告图片;
• forecast：添加预报服务，返回相应城市的天气数据;
• recommendation：推荐服务，根据天气情况向用户推荐穿衣和运行等信息。
  其中，frontend 服务的有两个版本:
• v1 版本的界面按钮为绿色。
• v2 版本的界面按钮为蓝色。
  forecast 服务有两个版本：
• v1 版本会直接返回天气信息；
• v2 版本会请求 recommendation 服务，获取推荐信息，并结合天气信息一起返回数据。

2.3.2 Weather Forecast 部署

Step1： 下载项目源码。由于官方代码的 Kubernetes api 版本未及时更新肯能会导致报错问题，所以这里不建议使用官，本文提供一个较新的源码：

1. $ git clone https://github.com/slzcc/cloud-native-istio.git

Step2： 添加 v1 版本的服务

1. $ kubectl create ns weather
2. $ kubectl label namespace weather istio-injection=enabled
3. $ kubectl apply -f install/weather-v1.yaml -n weather

等待服务安装成功：

Step3： 添加网关资源 Gateway。

1. $ kubectl apply -f install/weather-gateway.yaml

Step4： 验证访问页面。添加网关资源 Gateway 创建完成后访问 istio-ingressgateway 地址即可访问，或者访问其 NodePort 端口：

1. [root@chon ~]# kubectl get svc -n istio-system istio-ingressgateway
2. NAME TYPE CLUSTER-IP EXTERNAL-IP PORT(S) AGE
3. istio-ingressgateway LoadBalancer 10.102.172.210 15021:32492/TCP,80:31844/TCP,443:32460/TCP,31400:30568/TCP,15443:31743/TCP 25h

点击查询：

至此，初始实验环境就全部搭建部署完成，接下来就正式开启Istio灰度发布功能的体验之旅。

三、实验过程

实验中有两个核心配置文件贯穿始终，有必要先提前认识和区分一下：

• VirtualService：路由规则配置（虚拟服务），定义路由规则，可以将满足条件的流量都转发到对应的服务后端；
• DestinationRule：目标规则配置，定义发生路由后应用于服务流量的策略，描述到达目标的请求怎么处理。
  目标规则是配合虚拟服务来使用的，主要用来定义子集，子集实际上就是具体的目标地址，除此以外，它主要描述的是到达目标请求后如何去处理，所谓的目标就是子集，而如何处理就是指具体的策略。

3.1 初始状态部署

在开始实验前，首先对每个服务都创建各自的 VirtualService 和 DestinationRule 资源，将访问请求路由到所有服务的 v1 版本：

1. $ kubectl apply -f install/destination-rule-v1.yaml -n weather
2. $ kubectl apply -f install/virtual-service-v1.yaml -n weather

查看配置的路由规则，以 forecast 服务为例：

1. [root@chon ~]# kubectl get vs -n weather forecast-route -o yaml
2. apiVersion: networking.istio.io/v1beta1
3. kind: VirtualService
4. ...
5. name: forecast-route
6. namespace: weather
7. ...
8. spec:
9. hosts:
10. - forecast
11. http:
12. - route:
13. - destination:
14. host: forecast
15. subset: v1

在浏览器中多次加载前台页面，并查询城市的天气信息，确认显示正常。然后打开Kiali控制台，查看各个服务之间的调用关系，如下图所示：

3.2 基于流量比例的路由

场景一：用户需要软件能够根据不同的天气情况推荐合适的穿衣和运动信息。于是开发的同学增加了 recommendation 新服务，并升级 forecast 服务到 v2 版本来调用 recommendation 服务。在新特性上线时，运维的同学首先部署 forecast 服务的 v2 版本和 recommendation 服务，并对 forecast 服务的 v2 版本进行灰度发布。

Step1： 部署 recommendation 服务和 forecast 服务的 v2 版本。

1. [root@chon cloud-native-istio]# kubectl apply -f install/recommendation-service/recommendation-all.yaml -f install/forecast-service/forecast-v2-deployment.yaml -n weather

查看服务状态:

Step2： 更新 forecast 服务 v2 版本的 DestinationRule。

1. [root@chon cloud-native-istio]# kubectl apply -f install/forecast-service/forecast-v2-destination.yaml -n weather

查看下发成功的配置，可以看到增加了 v2 版本 subset 的定义：

1. [root@chon cloud-native-istio]# kubectl get dr forecast-dr -o yaml -n weather
2. ...
3. host: forecast
4. subsets:
5. - labels:
6. version: v1
7. name: v1
8. - labels:
9. version: v2
10. name: v2

这时去浏览器中查询天气，显然还不会出现推荐信息，因为所有流量依然都被路由到 forecast 服务的 v1 版本，不会调用 recommendation 服务。

Step3： 配置 forecast 服务的 VirtualService 配置，其中的 weight 字段显示了相应服务的流量占比，可以看到此时为 v1:v2 = 1:1。

1. [root@chon cloud-native-istio]# kubectl apply -f chapter-files/canary-release/vs-forecast-weight-based-50.yaml -n weather

Step4： 在浏览器中查看配置后的效果。多次刷新查询天气页面，可以发现大概约 50% 的情况下不显示推荐服务，表示调用了 forecast 服务的 v1 版本；在另外 50% 的情况下表示推荐服务，调用了 forecast 服务的 v2 版本（刷新页面基本上是两个版本交替着来）。

Step5： 继续增加 forecast 服务的 v2 版本的流量比例，直到流量全部被路由到 v2 版本。

1. [root@chon cloud-native-istio]# kubectl apply -f chapter-files/canary-release/vs-forecast-weight-based-v2.yaml -n weather

Step6： 在浏览器中查看配置后的效果。多次刷新页面查询天气，每次都会出现推荐信息，说明访问请求都被路由到了 forecast 服务 v2 版本。

查看Kiali控制台:

Step7： 保留 forecast 服务的老版本 v1 一段时间，再确认 v2 版本的各性能指标稳定后，删除老版本 v1 的所有资源，完成灰度发布。

3.3 基于请求内容的发布

场景二：在生产环境中同时上线了 forecast 服务的 v1 和 v2 版本，运维同学期望让不同的终端用户访问不同的版本，例如：让使用 Chrome 浏览器的用户看到推荐信息，但让使用其他浏览器的用户看不到推荐信息。

有了上面场景一的经验，依葫芦画瓢，只需要修改 forecast 服务 v2 版本的 DestinationRule中的 match 条件，使来自Chrome浏览器的请求路由到 v2 版本，其余的不变即可：

在浏览器中查看配置后的效果：用 Chrome 浏览器多次查询天气信息，发现始终显示推荐信息，说明访问到 forecast 服务的 v2 版本；用 360 或 Firefox 浏览器多次查询天气信息，发现始终不显示推荐信息，说明访问到 forecast 服务的 v1 版本。

谷歌浏览器查询访问结果：

360浏览器查询访问结果：

现在已经掌握了两种路由规则的配置和应用之后，感兴趣的同学可以自己动手试一试，模拟将两种路由规则组合在一起的场景，比如：在生产环境中同时上线了 frontend 服务的 v1 和 v2 版本（v1 版本的按钮颜色是绿色的，v2 版本的按钮颜色是蓝色的），运维同学期望使用 Android 操作系统的一半用户看到的是 v1 版本，另一半用户看到的是 v2 版本；使用其他操作系统的用户看到的总是 v1 版本。

3.4 多服务同时发布

场景三：运维同学为 frontend 和 forecast 两个服务同时进行灰度发布，frontend 服务新增 v2 版本（界面的按钮为蓝色）；forecast 服务新增 v2 版本（增加了推荐信息）。测试人员在用账户 tester 访问天气应用时会看到这两个服务的 v2 版本，其他用户只能看到两个服务的 v1 版本，要求不会出现服务版本交叉调用的情况。

在场景一中我们已经部署过了非入口服务 recommendation 和 forecast 的 v2 版本，并更新了 forecast 服务的 DestinationRule。现在我们在集群中来部署入口服务 frontend 的 v2 版本，并更新其 DestinationRule。

Step1： 部署入口服务 frontend 的 v2 版本。

1. [root@chon cloud-native-istio]# vi install/frontend-service/frontend-v2-deployment.yaml
2. apiVersion: apps/v1
3. kind: Deployment
4. metadata:
5. name: frontend-v2
6. labels:
7. app: frontend
8. version: v2
9. spec:
10. replicas: 1
11. selector:
12. matchLabels:
13. app: frontend
14. template:
15. metadata:
16. labels:
17. app: frontend
18. version: v2
19. spec:
20. containers:
21. - name: frontend
22. image: istioweather/frontend:v2
23. imagePullPolicy: IfNotPresent
24. ports:
25. - containerPort: 3000
26. [root@chon cloud-native-istio]# kubectl apply -f install/frontend-service/frontend-v2-deployment.yaml -n weather

查看部署情况：

Step2： 更新 frontend 服务的 DestinationRule，增加对 v2 版本 subset 的定义：

1. [root@chon cloud-native-istio]# vi frontend-service/frontend-v2-destination.yaml
2. apiVersion: networking.istio.io/v1alpha3
3. kind: DestinationRule
4. metadata:
5. name: frontend-dr
6. spec:
7. host: frontend
8. subsets:
9. - name: v1
10. labels:
11. version: v1
12. - name: v2
13. labels:
14. version: v2
15. [root@chon cloud-native-istio]# kubectl apply -f install/frontend-service/frontend-v2-destination.yaml -n weather

Step3： 配置 frontend 服务的基于访问内容的路由规则，将测试账户（Cookie 带有 “user=tester”）信息的请求流量导入到 frontend 服务的 v2 版本的 Pod 实例。

1. apiVersion: networking.istio.io/v1alpha3
2. kind: VirtualService
3. metadata:
4. name: frontend-route
5. spec:
6. hosts:
7. - "*"
8. gateways:
9. - istio-system/weather-gateway
10. http:
11. - match:
12. - headers:
13. cookie:
14. regex: ^(.*?;)?(user=tester)(;.*)?$
15. route:
16. - destination:
17. host: frontend
18. subset: v2
19. - route:
20. - destination:
21. host: frontend
22. subset: v1
23. [root@chon cloud-native-istio]# kubectl apply -f chapter-files/canary-release/vs-frontend-multiservice-release.yaml -n weather

Step4： 配置非入口服务 forecast 的路由规则，使得只有带“version：v2”标签的 Pod 实例的流量，才能进入 forecast 服务的新版本 v2 实例：

1. [root@chon canary-release]# vi chapter-files/canary-release/vs-forecast-multiservice-release.yaml
2. apiVersion: networking.istio.io/v1alpha3
3. kind: VirtualService
4. metadata:
5. name: forecast-route
6. spec:
7. hosts:
8. - forecast
9. http:
10. - match:
11. - sourceLabels:
12. version: v2
13. route:
14. - destination:
15. host: forecast
16. subset: v2
17. - route:
18. - destination:
19. host: forecast
20. subset: v1
21. [root@chon cloud-native-istio]# kubectl apply -f chapter-files/canary-release/vs-forecast-multiservice-release.yaml -n weather

Step5： 查看配置后的效果。
用 tester 账户登录并访问前台页面，界面的按钮是蓝色的，表示访问到的是 frontend 服务的 v2 版本。在查询天气时会显示推荐信息，表示可以访问到 forecast 服务的 v2 版本:

不登入或者使用其他用户则访问的是 v1 版本看不到推荐信息:

可视化视图查看服务间调用关系：

3.5 自动化部署

前面介绍的灰度发布的策略配置都需要人工干预。在持续交付过程中，为了解决部署和管理的复杂性，往往需要通过自动化工具实现基于权重的灰度发布。

Flagger 是一个基于 Kubernetes 和 Istio 提供灰度发布、监控和告警等功能的开源软件，通过使用 Istio 的流量路由和 Prometheus 指标来分析应用程序的行为，从而实现灰度版本的自动部署，可以使用 Webhook 扩展 Canary 分析，已运行集成测试、压力测试或其他自定义测试。

其部署流程如上图所示，由于篇幅有限，这里就不再进行赘述，有兴趣的同学可以进一步进行实践体验。

四、总结

作为Istio入门体验系列的第一篇文章，关于灰度发布的实践暂时就先到这里了。对于一名刚接触Istio的小白，通过基于流量比例、基于请求内容以及多服务场景下的灰度发布的实践，Get到了它区别于Kubernetes的部署方式，也切身感受到了Istio在各种规则业务场景下的灵活性。当然，作为系列文章，接下来我也将继续学习探索，持续输出，还望各位同学多多关注，提出宝贵建议！

[