基于云原生的私有化 PaaS 平台交付实践

作者：牛玉富，某知名互联网公司专家工程师。喜欢开源 / 热衷分享，对 K8s 及 golang 网关有较深入研究。

本文将解读如何利用云原生解决私有化交付中的问题，进而打造一个 PaaS 平台，提升业务平台的复用性。在进入正题之前，有必要先明确两个关键词：

PaaS 平台：多个核心业务服务作为一个整体平台去封装，以平台形式提供服务。
私有化交付：平台需要部署私有云环境中，要面对无网情况下依然可以运转。

传统交付痛点

如上图：私有云会有明确的安全性要求

私有云服务无法连接外网，数据只能通过单向网闸形式进行摆渡到内网私有云。
源代码只能存储在公司机房中，私有云只部署编译文件。
服务会不定期迭代，另外为了保证服务稳定性需要自建独立业务监控。

基于以上要求面临的挑战大概有几点：

架构可迁移性差：服务之间配置复杂，多种异构语言需要修改配置文件，无固定服务 DNS。
部署运维成本高：服务依赖环境需支持离线安装，服务更新需本地运维人员手动完成，复杂场景下，完整一次部署大概需要数人 / 月的时间。
监控运维成本高：监控需支持系统级 / 服务级 / 业务级监控，通知方式需支持短信、Webhook 等多种类型。

架构方案

我们的原则是拥抱云原生和复用已有能力，近可能使用业界已存在且成熟技术方案。

我们采用 KubeSphere+K8S 作为服务编排，处于安全性及简洁性考虑对 Syncd 进行二次开发完整 DevOps 能力，监控系统上采用 Nightingale+Prometheus 方案。

如上图架构图

蓝色框内是我们底层 PaaS 集群，我们对业务服务通用服务统一进行了服务编排升级，用以解决架构迁移性差问题。
红色框内，监控系统作为一种编排服务形式存在，所有监控项交付前配置好。用以解决监控系统运维成本高问题。
紫色框内，服务容器可以实现跨网段自动拉取并自动化部署。用以解决服务服务部署成本高问题。

下面我们针对这三部分做下介绍。

服务编排：KubeSphere

KubeSphere 的愿景是打造一个以 K8s 为内核的云原生分布式操作系统，它的架构可以非常方便地使第三方应用与云原生生态组件进行即插即用（plug-and-play）的集成，支持云原生应用在多云与多集群的统一分发和运维管理，同时它还拥有活跃的社区。

KubeSphere 选型理由有以下几点：

基于制品的方式定制自己的私有化交付方案

私有化镜像文件打包

创建制品清单 :

apiVersion: kubekey.kubesphere.io/v1alpha2

kind: Manifest

metadata:

  name: sample

spec:

  arches:

  - amd64

...

  - type: kubernetes

    version: v1.21.5

  components:

    helm:

      version: v3.6.3

    cni:

      version: v0.9.1

    etcd:

      version: v3.4.13

    containerRuntimes:

    - type: docker

      version: 20.10.8

    crictl:

      version: v1.22.0

    harbor:

      version: v2.4.1

    docker-compose:

      version: v2.2.2

  images:

  - dockerhub.kubekey.local/kubesphere/kube-apiserver:v1.22.1

...

然后我们就可以通过命令进行导出了。

$ ./kk artifact export -m manifest-sample.yaml -o kubesphere.tar.gz

私有化部署

创建部署清单：

apiVersion: kubekey.kubesphere.io/v1alpha2

kind: Cluster

metadata:

  name: sample

spec:

  hosts:

  - {name: kubesphere01.ys, address: 10.89.3.12, internalAddress: 10.89.3.12, user: kubesphere, password: "Kubesphere123"}

  - {name: kubesphere02.ys, address: 10.74.3.25, internalAddress: 10.74.3.25, user: kubesphere, password: "Kubesphere123"}

  - {name: kubesphere03.ys, address: 10.86.3.66, internalAddress: 10.86.3.66, user: kubesphere, password: "Kubesphere123"}

  - {name: kubesphere04.ys, address: 10.86.3.67, internalAddress: 10.86.3.67, user: kubesphere, password: "Kubesphere123"}

  - {name: kubesphere05.ys, address: 10.86.3.11, internalAddress: 10.86.3.11, user: kubesphere, password: "Kubesphere123"}

  roleGroups:

    etcd:

    - kubesphere01.py

    - kubesphere02.py

    - kubesphere03.py

    control-plane:

    - kubesphere01.py

    - kubesphere02.py

    - kubesphere03.py

    worker:

    - kubesphere05.py

    registry:

    - kubesphere04.py

  controlPlaneEndpoint:

    internalLoadbalancer: haproxy

    domain: lb.kubesphere.local

    address: ""

    port: 6443

  kubernetes:

    version: v1.21.5

    clusterName: cluster.local

  network:

    plugin: calico

    kubePodsCIDR: 10.233.64.0/18

    kubeServiceCIDR: 10.233.0.0/18

    multusCNI:

      enabled: false

  registry:

    type: harbor

    auths:

      "dockerhub.kubekey.local":

        username: admin

        password: Kubesphere123

...

执行安装部署：

$ ./kk create cluster -f config-sample.yaml -a kubesphere.tar.gz --with-packages --with-kubesphere --skip-push-images

原来大量复杂的 K8s 部署、高可用方案、Harbor 私有化镜像仓库等，均可以完成自动化安装，极大的简化了私有化交付场景下 K8s 组件部署难度。

可视化界面极大简化操作流程

创建部署：流水线式创建一个容器服务的部署、存储、服务访问。

资源限制：限制容器的资源利用率 & 限制租户资源利用率。

远程登陆：容器远程登陆功能。

基于 KubeSphere 的业务部署经验分享

私有化场景构建高可用服务实例部署，保障单实例挂掉不影响整体使用，我们要保证以下几点。

1、由于服务都需要有固定的网络标识和存储，所以我们需要创建 “有状态副本集部署”。

apiVersion: apps/v1

kind: StatefulSet

metadata:

  namespace: project

  name: ${env_project_name}

  labels:

    app: ${env_project_name}

spec:

  serviceName: ${env_project_name}

  replicas: 1

  selector:

    matchLabels:

      app: ${env_project_name}

  template:

    metadata:

      labels:

        app: ${env_project_name}

    spec:

      containers:

        - name: ${env_project_name}

          image: ${env_image_path}

          imagePullPolicy: IfNotPresent

2、有状态副本集使用 host 反亲和性保证服务分散到不同 host 中。

....

affinity:

   podAntiAffinity:

     preferredDuringSchedulingIgnoredDuringExecution:

       - weight: 100

         podAffinityTerm:

           labelSelector:

             matchExpressions:

               - key: app

                 operator: In

                 values:

                   - ${env_project_name}

           topologyKey: kubernetes.io/hostname

....

3、服务与服务之间互相调用均使用 K8s 底层的 DNS 进行配置。

4、集群内部依赖外部资源时需要设置为 Service，然后在内部提供服务。

kind: Endpoints

apiVersion: v1

metadata:

  name: redis-cluster

  namespace: project

subsets:

  - addresses:

      - ip: 10.86.67.11

    ports:

      - port: 6379

---

kind: Service

apiVersion: v1

metadata:

  name: redis-cluster

  namespace: project

spec:

  ports:

    - protocol: TCP

      port: 6379

      targetPort: 6379

5、借助 nip.io 域名实现服务动态域名解析调试。

nip.io 可以自动根据请求的域名中设置 IP 信息，完成响应的 IP 信息映射。

$ nslookup abc-service.project.10.86.67.11.nip.io

Server:         169.254.25.10

Address:        169.254.25.10:53

Non-authoritative answer:

Name:   abc-service.project.10.86.67.11.nip.io

Address: 10.86.67.11

因此我们可以在构建 Ingress 时直接使用该域名：

---

kind: Ingress

apiVersion: networking.k8s.io/v1

metadata:

  name: gatekeeper

  namespace: project

spec:

  rules:

    - host: gatekeeper.project.10.86.67.11.nip.io

      http:

        paths:

          - path: /

            pathType: ImplementationSpecific

            backend:

              service:

                name: gatekeeper

                port:

                  number: 8000

6、挂载目录到宿主机，有时候需要容器直接关联宿主机目录具体操作如下。

...

spec:

    spec:

...

          volumeMounts:

            - name: vol-data

              mountPath: /home/user/data1

      volumes:

        - name: vol-data

          hostPath:

            path: /data0

7、有状态部署工作负载，主要涉及 StatefulSet、Service、volumeClaimTemplates、Ingress，示例如下：

apiVersion: apps/v1

kind: StatefulSet

metadata:

  namespace: project

  name: gatekeeper

  labels:

    app: gatekeeper

spec:

  serviceName: gatekeeper

  replicas: 1

  selector:

    matchLabels:

      app: gatekeeper

  template:

    metadata:

      labels:

        app: gatekeeper

    spec:

      containers:

        - name: gatekeeper

          image: dockerhub.kubekey.local/project/gatekeeper:v362

          imagePullPolicy: IfNotPresent

          ports:

            - name: http-8000

              containerPort: 8000

              protocol: TCP

            - name: http-8080

              containerPort: 8080

              protocol: TCP

          resources:

            limits:

              cpu: '2'

              memory: 4Gi

          volumeMounts:

            - name: vol-data

              mountPath: /home/user/data1

      affinity:

        podAntiAffinity:

          preferredDuringSchedulingIgnoredDuringExecution:

            - weight: 100

              podAffinityTerm:

                labelSelector:

                  matchExpressions:

                    - key: app

                      operator: In

                      values:

                        - gatekeeper

                topologyKey: kubernetes.io/hostname

  volumeClaimTemplates:

    - metadata:

        name: vol-data

      spec:

        accessModes: [ "ReadWriteOnce" ]

        resources:

          requests:

            storage: 10Gi

---

apiVersion: v1

kind: Service

metadata:

  name: gatekeeper

  namespace: project

  labels:

    app: gatekeeper

spec:

  ports:

    - name: "http-8000"

      protocol: TCP

      port: 8000

      targetPort: 8000

    - name: "http-8080"

      protocol: TCP

      port: 8080

      targetPort: 8080

  selector:

    app: gatekeeper

  type: NodePort

---

kind: Ingress

apiVersion: networking.k8s.io/v1

metadata:

  name: gatekeeper

  namespace: project

spec:

  rules:

    - host: gatekeeper.project.10.86.67.11.nip.io

      http:

        paths:

          - path: /

            pathType: ImplementationSpecific

            backend:

              service:

                name: gatekeeper

                port:

                  number: 8000

    - host: gatekeeper.project.10.86.68.66.nip.io

      http:

        paths:

          - path: /

            pathType: ImplementationSpecific

            backend:

              service:

                name: gatekeeper

                port:

                  number: 8080

DevOps：基于 Syncd 构建服务自动化交付

DevOps 选型有很多，这里我们没有采用 Jenkins、GitRunner 等等，而是使用了我们团队内部比较熟悉的 Syncd 进行二次开发。原因有两点：

处于安全考虑：我们的源码无法在本地存放，所以基于 gitlab 构建打包的方案，对我们用处不是很大，使用是一种资源浪费。
功能简洁性：虽然 Syncd 已经停更 2 年多但是，但其核心的 CICD 功能比较完善且前后端拓展性强，我们可以很轻松拓展相应的功能。

Syncd 核心思路：

从使用本地工具链构建打包镜像，这里可以把 docker push 当作 git push 理解。
通过 Syncd 拉取镜像包完成部署流程打包上线操作，通过打包时设置版本号便于服务回滚。

构建本地工具链

1、基于项目创建目录

#创建目录

cd /Users/niuyufu/goproject/abc-service

mkdir -p devops

cd devops

2、导入 Dockerfile，大家可基于业务自行创建。

3、创建 tool.sh 文件

cat >> tool.sh << EOF

#!/bin/sh

###########配置区域##############

#模块名称，可变更

module=abc-service

#项目名称

project=project1

#容器名称

container_name=${project}"_"${module}

#镜像名称

image_name=${project}"/"${module}

#服务端口映射：宿主机端口:容器端口，多个逗号间隔

port_mapping=8032:8032

#镜像hub地址

image_hub=dockerhub.kubekey.local

#镜像tag

image_tag=latest

###########配置区域##############

#构建工具

action=$1

case $action in

"docker_push")

  image_path=${image_hub}/${image_name}:${image_tag}

  docker tag ${image_name}:${image_tag} ${image_path}

  docker push ${image_path}

  echo "镜像推送完毕，image_path: "${image_path}

  ;;

"docker_login")

  container_id=$(docker ps -a | grep ${container_name} | awk '{print $1}')

  docker exec -it ${container_id} /bin/sh

  ;;

"docker_stop")

  docker ps -a | grep ${container_name} | awk '{print $1}' | xargs docker stop

  container_id=`docker ps -a | grep ${container_name} | awk '{print $1}' | xargs docker rm`

  if [ "$container_id" != "" ];then

    echo "容器已关闭，container_id: "${container_id}

  fi

  if [ "$images_id" != "" ];then

    docker rmi ${images_id}

  fi

  ;;

"docker_run")

  docker ps -a | grep ${container_name} | awk '{print $1}' | xargs docker stop

  docker ps -a | grep ${container_name} | awk '{print $1}' | xargs docker rm

  port_mapping_array=(${port_mapping//,/ })

  # shellcheck disable=SC2068

  for var in ${port_mapping_array[@]}; do

    port_mapping_str=${mapping_str}" -p "${var}

  done

  container_id=$(docker run -d ${port_mapping_str} --name=${container_name} ${image_name})

  echo "容器已启动，container_id: "${container_id}

  ;;

"docker_build")

  if [ ! -d "../output" ]; then

    echo "../output 文件夹不存在，请先执行 ../build.sh"

    exit 1

  fi

  cp -rf ../output ./

  docker build -f Dockerfile -t ${image_name} .

  rm -rf ./output

  echo "镜像编译成功，images_name: "${image_name}

  ;;

*)

  echo "可运行命令:

docker_build    镜像编译，依赖../output 文件夹

docker_run      容器启动，依赖 docker_build

docker_login    容器登陆，依赖 docker_run

docker_push     镜像推送，依赖 docker_build"

  exit 1

  ;;

esac

EOF

4、执行项目打包，请确保产出物在 ./output 中

$cd ~/goproject/abc-service/

$sh build.sh

abc-service build ok

make output ok

build done

5、利用 tool.sh 工具进行服务调试

tools.sh 执行顺序一般是这样的：./output 产出物→docker_build→docker_run→docker_login→docker_push

$cd devops

$chmod +x tool.sh

#查看可运行命令

$sh tool.sh

可运行命令:

docker_build    镜像编译，依赖../output 文件夹

docker_run      容器启动，依赖 docker_build

docker_login    容器登陆，依赖 docker_run

docker_push     镜像推送，依赖 docker_build

#docker_build举例：

$sh tool.sh docker_build

[+] Building 1.9s (10/10) FINISHED

 => [internal] load build definition from Dockerfile                                                                                      0.1s

 => => transferring dockerfile: 37B                                                                                                       0.0s

 => [internal] load .dockerignore                                                                                                         0.0s

 => => transferring context: 2B

...                                                                   0.0s

 => exporting to image                                                                                                                    0.0s

 => => exporting layers                                                                                                                   0.0s

 => => writing image sha256:0a1fba79684a1a74fa200b71efb1669116c8dc388053143775aa7514391cdabf                                              0.0s

 => => naming to docker.io/project/abc-service                                                                                         0.0s

Use 'docker scan' to run Snyk tests against images to find vulnerabilities and learn how to fix them

镜像编译成功，images_name: project/abc-service

#docker_run举例:

$ sh tool.sh docker_run

6720454ce9b6

6720454ce9b6

容器已启动，container_id: e5d7c87fa4de9c091e184d98e98f0a21fd9265c73953af06025282fcef6968a5

#可以使用 docker_login 登陆容器进行代码调试：

$ sh tool.sh docker_login

sh-4.2# sudo -i

root@e5d7c87fa4de:~$

#docker_push举例：

$sh tool.sh docker_push                                                                                                              130 ↵

The push refers to repository [dockerhub.kubekey.local/citybrain/gatekeeper]

4f3c543c4f39: Pushed

54c83eb651e3: Pushed

e4df065798ff: Pushed

26f8c87cc369: Pushed

1fcdf9b8f632: Pushed

c02b40d00d6f: Pushed

8d07545b8ecc: Pushed

ccccb24a63f4: Pushed

30fe9c138e8b: Pushed

6ceb20e477f1: Pushed

76fbea184065: Pushed

471cc0093e14: Pushed

616b2700922d: Pushed

c4af1604d3f2: Pushed

latest: digest: sha256:775e7fbabffd5c8a4f6a7c256ab984519ba2f90b1e7ba924a12b704fc07ea7eb size: 3251

镜像推送完毕，image_path: dockerhub.kubekey.local/citybrain/gatekeeper:latest

#最后登陆Harbor测试镜像是否上传

https://dockerhub.kubekey.local/harbor/projects/52/repositories/gatekeeper

基于 Syncd 进行服务打包构建

1、项目配置

新增项目

设置 tool.sh 中生成的镜像地址。

设置构建脚本。

参照有状态工作负载填写构建脚本。

2、创建上线单

3、构建部署包执行部署

4、切换到 KubeSphere 查看部署效果。

至此已完成 DevOps 与 KubeSphere 的功能打通。

服务监控：基于 Nightingale 构建企业级监控

选型理由

可视化引擎：内置模板，开箱即用。

告警分析引擎：灵活管理、告警自愈、开箱即用。

支持 Helm Chart 一键完成应用及服务部署，私有化场景中我们只需要关心容器融合本地化即可。

$ git clone https://github.com/flashcatcloud/n9e-helm.git

$ helm install nightingale ./n9e-helm -n n9e --create-namespace

实际规则配置演示

配置告警规则，无缝支持 PromQL 灵活编写各种规则。

配置告警接收组

实际接收告警消息及恢复消息

总结

私有化交付下因业务场景不同，对云原生的应用选型也不相同。本文仅对我们自身业务场景做了介绍，如有问题欢迎指正，另外其他场景下的云原生应用也随时欢迎大家来和我交流探讨。

本文由博客一文多发平台 OpenWrite 发布！