业界使用架构
1. 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
2. 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
3. 携程
* Openstack + Mesos + Docker + Chronos + ELK
* 监控:telegraf -> Influxdb -> Grafana
* 日志:elk
* mesos stdout、stderr
4. 去哪儿
* OpenStack + nova-docker + VLAN =>Mesos + Marathon + Docker(--net=host) + 随机端口 => Mesos + Marathon + Docker + Calico
5. 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
- docker容器的正确姿势
**6. 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
- 使用现状
**7. 网易蜂巢**
- openstack + K8S + etcd + OpenFlow + iscsi + Ceph + billing + 多机房
**8. 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。
9. 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
10. uber
* 待补充
11. 蘑菇街
* Kubernetes + VLAN
12. 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
**13. 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
**14. 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
* 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
主要问题
1. 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
2. 多机房:多机房及可用域支持
3. 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
4. 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
5. 版本升级(docker/mesos/k8s)本身的升级
6. 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
1. 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
2. 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
3. 是否支持dns?
4. 4层/7层访问
5. 容器库容后的网络
6. ip端口,最好不要自行手动规划
7. 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
8. 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
解决方案
1. 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.
2. 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
3. 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。
4. 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。
1. 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。
2. 监控可选方案
* cAdvisor + InfluxDB + Grafana
* cAdvisor + Prometheus + Grafana
* Graphite
* Zabbix
* Datadog
3. 日志可选方案
* logstash
* ELK
* Graylog
* flume
* heka
* fluentd
4. 业界方案
* 阿里云 : cAdvisor + InfuxDB + prometheus
* 协程: ELK
* 知乎: Graphite + cAdvisor
镜像管理
1. 镜像总是从Dockerfile生成
2. 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
3. 所有镜像都应该有对应的Git仓库,以方便后续的更新
4. 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
个人理解
1. 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
2. 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?
3. 对于存储的支持
* 是否能够固化?
* 是否支持分布式存储?
4. 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?
5. 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?
6. 其他
* 隔离, 除了cgroup和namespace, 还有其他的隔离,比如网络隔离
更多的博客转移到个人博客上了,请点击以下链接: 个人博客