k8s 是當前主流的容器編排服務，它主要解決「叢集環境」下「容器化應用」的「管理問題」，主要包括如下幾方面：

容器叢集管理

• 編排
• 排程
• 訪問
    基礎設施管理
• 計算資源
• 網路資源
• 儲存資源
  k8s 的強大依賴於它良好的設計理念和抽象，吸引了越來越多的開發者投入到 k8s 社群，把 k8s 作為基礎設施執行服務的公司也逐步增多。

在設計理念方面，k8s 只有 APIServer 與 etcd (儲存) 通訊，其他元件在記憶體中維護狀態，通過 APIServer 持久化資料。管理元件動作的觸發是 level-based 而非 edge-based，並根據資源「當前狀態」和「期望狀態」進行相應動作。k8s 採用分層設計，基於各類抽象介面、由不同的外掛滿足不同的需求。

在抽象方面，不同的 workload 服務於不同的應用，如針對無狀態應用的 Deployment、針對有狀態應用的 StatefulSet 等。在訪問管理方面，Service 解耦了叢集內部服務訪問方和提供者，Ingress 提供了叢集外部到叢集內部的訪問管理。

k8s 雖然有良好的設計理念和抽象，但陡峭的學習曲線和不完善的開發資料極大增加了應用開發的難度。

本次分享將基於筆者的開發實踐，以 MySQL on k8s 為例，描述如何基於 k8s 開發高可靠應用，儘可能抽象出最佳實踐，降低基於 k8s 開發高可靠應用的成本。

MySQL on k8s

應用的設計和開發不能脫離業務需求，對 MySQL 應用的需求如下：

1. 資料高可靠
2. 服務高可用
3. 易使用
4. 易運維

為了實現上述需求，需要依靠 k8s 和應用兩方面協同工作，即開發基於 k8s 高可靠應用，既需要 k8s 相關的知識，也需要應用領域內的知識。

下述將根據上述需求來分析相應的解決方案。

1.資料高可靠

資料的高可靠一般依賴於這幾方面：

• 冗餘
• 備份/恢復

我們使用 Percona XtraDB Cluster 作為 MySQL 叢集方案，它是 multi-master 的 MySQL 架構，例項間基於 Galera Replication 技術實現資料的實時同步。這種叢集方案可以避免 master-slave 架構的叢集在主從切換時可能出現的資料丟失現象，進一步提升資料的可靠性。

備份方面，我們使用 xtrabackup 作為備份/恢復方案，實現資料的熱備份，在備份期間不影響使用者對叢集的正常訪問。

提供「定時備份」的同時，我們也提供「手動備份」，以滿足業務對備份資料的需求。

2.服務高可用

這裡從「資料鏈路」和「控制鏈路」兩個角度來分析。

「資料鏈路」是使用者訪問 MySQL 服務的鏈路，我們使用 3 主節點的 MySQL 叢集方案，通過 TLB (七牛自研的四層負載均衡服務) 對使用者提供訪問入口。TLB 既實現了訪問層面對 MySQL 例項的負載均衡，又實現了對服務的健康檢測，自動摘除異常的節點，同時在節點恢復時自動加入該節點。如下圖：

基於上述 MySQL 叢集方案和 TLB，一個或兩個節點的異常不會影響使用者對 MySQL 叢集的正常訪問，確保 MySQL 服務的高可用。

「控制鏈路」是 MySQL 叢集的管理鏈路，分為兩個層面：

• 全域性控制管理
• 每個 MySQL 叢集的控制管理
  全域性控制管理主要負責「建立/刪除叢集」「管理所有 MySQL 叢集狀態」等，基於 Operator 的理念來實現。每個 MySQL 叢集有一個控制器，負責該叢集的「任務排程」「健康檢測」「故障自動處理」等。

這種拆解將每個叢集的管理工作下放到每個叢集中，降低了叢集間控制鏈路的相互干擾，同時又減輕了全域性控制器的壓力。
如下圖：

這裡簡單介紹下 Operator 的理念和實現。

Operator 是 CoreOS 公司提出的一個概念，用來建立、配置、管理複雜應用，由兩部分構成：
 
Resource

• 自定義資源
• 為使用者提供一種簡單的方式描述對服務的期望
   Controller
• 建立 Resource
• 監聽 Resource 的變更，用來實現使用者對服務的期望

工作流程如下圖所示：

即：

1. 註冊 CR (CustomResource) 資源
2. 監聽 CR objects 的變更
3. 使用者對該 CR 資源進行 CREATE/UPDATE/DELETE 操作
4. 觸發相應的 handler 進行處理

我們根據實踐，對開發 Operator 做了如下抽象：

CR 抽象為這樣的結構體：

對 CR ADD/UPDATE/DELETE events 的操作，抽象為如下介面：

在上述抽象的基礎上，七牛提供了一個簡單的 Operator 框架，透明化了建立 CR、監聽 CR events 等的操作，將開發 Operator 的工作變的更為簡單。

我們開發了 MySQL Operator 和 MySQL Data Operator，分別用來負責「建立/刪除叢集」和「手動備份/恢復」工作。

由於每個 MySQL 叢集會有多種型別的任務邏輯，如「資料備份」「資料恢復」「健康檢測」「故障自動處理」等，這些邏輯的併發執行可能會引發異常，故需要任務排程器來協調任務的執行，Controller 起到的就是這方面的作用：


通過 Controller 和各類 Worker，每個 MySQL 叢集實現了自運維。

在「健康檢測」方面，我們實現了兩種機制：

• 被動檢測
• 主動檢測
  「被動檢測」是每個 MySQL 例項向 Controller 彙報健康狀態，「主動檢測」是由 Controller 請求每個 MySQL 例項的健康狀態。這兩種機制相互補充，提升健康檢測的可靠度和及時性。

對於健康檢測的資料，Controller 和 Operator 均會使用，如下圖所示：

Controller 使用健康檢測資料是為了及時發現 MySQL 叢集的異常，並做相應的故障處理，故需要準確、及時的健康狀態資訊。它在記憶體中維護所有 MySQL 例項的狀態，根據「主動檢測」和「被動檢測」的結果更新例項狀態並做相應的處理。

Operator 使用健康檢測資料是為了向外界反映 MySQL 叢集的執行情況，並在 Controller 異常時介入到 MySQL 叢集的故障處理中。

在實踐中，由於健康檢測的頻率相對較高，會產生大量的健康狀態，若每個健康狀態都被持久化，那麼 Operator 和 APIServer 均會承受巨大的訪問壓力。由於這些健康狀態僅最新的資料有意義，故在 Controller 層面將待向 Operator 彙報的健康狀態插入到一個有限容量的 Queue 中，當 Queue 滿時，舊的健康狀態將被丟棄。

當 Controller 檢測到 MySQL 叢集異常時，將會進行故障自動處理。

先定義故障處理原則：

• 不丟資料
• 儘可能不影響可用性
• 對於已知的、能夠處理的故障進行自動處理
• 對於未知的、不能夠處理的故障不自動處理，人工介入
  在故障處理中，有這些關鍵問題：
• 故障型別有哪些
• 如何及時檢測和感知故障
• 當前是否出現了故障
• 出現的故障是哪種故障型別
• 如何進行處理
  針對上述關鍵問題，我們定義了 3 種級別的叢集狀態：

Green

• 可以對外服務
• 執行節點數量符合預期
  Yellow
• 可以對外服務
• 執行節點數量不符合預期
  Red
• 不能對外服務

同時針對每個 mysqld 節點，定義瞭如下狀態：

Green

• 節點在執行
• 節點在 MySQL 叢集中
  Yellow
• 節點在執行
• 節點不在 MySQL 叢集中
  Red-clean
• 節點優雅退出
  Red-unclean
• 節點非優雅退出
  Unknown
• 節點狀態不可知

Controller 收集到所有 MySQL 節點狀態後，會根據這些節點的狀態推算 MySQL 叢集的狀態。當檢測到 MySQL 叢集狀態不是 Green 時，會觸發「故障處理」邏輯，該邏輯會根據已知的故障處理方案進行處理。若該故障型別未知，人工介入處理。整個流程如下圖：

由於每種應用的故障場景和處理方案不同，這裡不再敘述具體的處理方法。

3.易使用

我們基於 Operator 的理念實現了高可靠的 MySQL 服務，為使用者定義了兩類資源，即 QiniuMySQL 和 QiniuMySQLData。前者描述使用者對 MySQL 叢集的配置，後者描述手動備份/恢復資料的任務，這裡以 QiniuMySQL 為例。

使用者可通過如下簡單的 yaml 檔案觸發建立 MySQL 叢集的操作：

在叢集建立好後，使用者可通過該 CR object 的 status 欄位獲取叢集狀態：

這裡再引入一個概念：Helm。

Helm 是為 k8s 提供的包管理工具，通過將應用打包為 Chart，標準化了 k8s 應用的交付、部署和使用流程。

Chart 本質上是 k8s yaml 檔案和引數檔案的集合，這樣可以通過一個 Chart 檔案進行應用的交付。Helm 通過操作 Chart，可一鍵部署、升級應用。

由於篇幅原因及 Helm 操作的通用性，這裡不再描述具體的使用過程。

4.易運維

除了上述實現的「健康檢測」「故障自動處理」以及通過 Helm 管理應用的交付、部署，在運維過程中還有如下問題需要考慮：

• 監控/告警
• 日誌管理

我們通過 prometheus + grafana 做監控/告警服務，服務將 metric 資料以 HTTP API 暴露給 prometheus，由 prometheus server 定時拉取。開發人員在 grafana 上將 prometheus 中的監控資料視覺化，根據對監控圖表和應用的把握，在監控圖中設定告警線，由 grafana 實現告警。

這種先視覺化監控後告警的方式，極大程度上增強了我們對應用執行特徵的把握，明確需要關注的指標和告警線，降低無效告警的產生量。

在開發中，我們通過 gRPC 實現服務間的通訊。在 gRPC 生態系統中，有個名為 go-grpc-prometheus 的開源專案，通過在服務中插入幾行簡單的程式碼，就可以實現對 gRPC server 所有 rpc 請求的監控打點。

對於容器化服務，日誌管理包括「日誌收集」和「日誌滾動」兩方面維度。

我們將服務日誌打到 syslog 中，再通過某種手段將 syslog 日誌轉入到容器的 stdout/stderr 中，方便外部採用常規的方式進行日誌收集。同時，在 syslog 中配置了 logrotate 功能，自動進行日誌的滾動操作，避免日誌佔滿容器磁碟空間引發服務異常。

為了提升開發效率，我們使用 https://github.com/phusion/baseimage-docker 作為基礎映象，其中內建了 syslog 和 lograte 服務，應用只關心把日誌打入 syslog 即可，不用關心日誌的收集和日誌滾動問題。

小結

通過上述描述，完整的 MySQL 應用架構如下：

在開發基於 k8s 的高可靠 MySQL 應用過程中，隨著對 k8s 和 MySQL 理解的深入，我們不斷進行抽象，逐步將如下通用的邏輯和最佳實踐以模組的方式實現：

• Operator 開發框架
• 健康檢測服務
• 故障自動處理服務
• 任務排程服務
• 配置管理服務
• 監控服務
• 日誌服務
• etc.
  隨著這些通用邏輯和最佳實踐的模組化，在開發新的基於 k8s 的高可靠應用時，開發者可像「搭積木」一樣將與 k8s 相關的互動快速搭建起來，這樣的應用由於已經運用了最佳實踐，從一開始就具備高可靠的特性。同時，開發者可將注意力從 k8s 陡峭的學習曲線轉移到應用自身領域，從應用自身加強服務的可靠性。

牛人說

牛人說專欄致力於技術人思想的發現，其中包括技術實踐、技術乾貨、技術見解、成長心得，還有一切值得被發現的技術內容。我們希望集合最優秀的技術人，挖掘獨到、犀利、具有時代感的聲音。