业界docker实现的技术
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
[*]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
[*]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
[*]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
[*]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
[*]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
[*]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.
[*]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
个人理解
[*]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
学习。
页:
[1]