关注公众号并添加到“ 星标⭐ ”， 防止错过消息
后台回 复【 资料包 】获取学习资料
随着互联网的发展，后端服务和容器编排技术的日益成熟，微服务成为了后端服务的首选，Kubernetes 也已经成为目前容器编排的事实标准，微服务拥抱容器时代已经来临。笔者结合自己的经验，写了这篇微服务 + Kubernetes 入门宝典，希望能够抛砖引玉。能让大家了解微服务和 Kubernetes 如何配合。上卷主要描述微服务设计，项目实现，Kubernetes 部署，微服务的部署高可用和监控这几个部分。下卷计划讨论服务化网格和数据持久化，有状态服务，Operator 这几部分。本文由我独立完成（ppmsn2005@gmail.com）如有任何错误，是我个人原因，请直接和我联系，谢谢！您可以在 https://github.com/xiaojiaqi/deploy-microservices-to-a-Kubernetes-cluster 找到本文的全文和相关资料。 本文会从设计开始，设计一个简单的前后端分离的项目，并将它部署在 Kubernetes 集群上，期间我们将关注微服务和 Kubernetes 第一章：微服务项目的设计
第二章：微服务项目的具体实现
第三章：Kubernetes 的部署
第四章：微服务高可用部署及验证
微服务是一种设计思想，它并不局限于任何开发语言，在本例中我们选择 Java 的 Spring Boot 框架来实现微服务。微服务之间的 RPC 方案也很多，我们这里选择 RESTful 这种最常见的方案。为了项目的简洁，项目也没有涉及数据库和缓存，配置中心相关的内容。我们主要注重项目的设计思想实践和项目改进。
首先我们简单地回顾一下微服务，微服务的定义当来自 Martin Flowerler https://martinfowler.com/articles/microservices.html 一文，借用大佬的一张图描述了微服务最本质的东西。 微服务把各个功能拆开了，每个模块的功能更加独立，也更加单一。每个模块都独立发展，可以说做到了功能的高内聚，低偶合。 再借一张，这样数据库也被彻底拆分开了。一个巨大复制的单体数据库也按照功能拆成了小的独立数据库。 微服务就是这么简单吗？当然不是，里面有很多细节需要考虑，纸上得来终觉浅，绝知此事要躬行。这次让我们开始从 0 开始真正的设计整套系统。 现在我们要设计一个最简单的微服务架构。为了更贴近真实的业务。我们假设这个系统是这样的。 整个系统的前端是一个有着前后端分离站点，用户访问了 www.demo.com 这个前端站点，通过前端页面发起请求，www.demo.com 服务器将请求发往 a.demo.com，然后 a.demo.com 再请求 b.demo.com，b.demo.com 再请求 c.demo.com，c.demo.com 将结果返回后，不断返回，最终显示在前端站点，完成微服务的全套调用流程。[ 一般业务系统在前端和微服务之间还存在一个网关部分，网关一般用于鉴权，请求分类，监控等功能， 这里因为比较简单，所以省略了这个部分。] 最终我们将这套架构将部署在 Kubernetes 上，开始真正的服务用户。 从图一我们可以看到这是一个非常简单而单薄的架构，存在很多问题，我们需要不断地解决它们。下面我们开始改进项目。 首先，我们要解决节点的可靠性。在图一所有的节点都只有一个实例，任何节点的崩溃都将造成项目无法运行，在真正的项目中这是不可接受的。怎么解决呢？当然是多个实例。 我们将各个模块的实例数目增加，多个实例才能保证整个系统的可靠性。如果一个实例有问题，我们还是可以其他相同的实例进行服务。 但是多个实例又带来一个问题，各个组件之间如何定位呢？如果有 10 个 b.demo.com 实例，它的上下游又该如何找到它们呢？解决方案之一是注册中心。注册中心解决的是应用之间的寻址问题。有了它，上下游之间的应用可以相互寻址，并且获知那些实例是可用的，应用挑选可用的实例进行工作。注册中心的方案很多，有 Eureka，ZooKeeper，Consul，Nacos 等等，关于讨论各种注册中心是 AP、CP 的区别，优劣的文章很多，这篇文章不是一篇微服务的开发教程，我们选择比较常见的 Eureka 为演示的注册中心。 注：在 Kubernetes 中部署微服务，对注册中心是没有任何限制的。所以不要被某些文章误导，按照这篇文章做，你完全可以做到代码零修改，直接在 Kubernetes 在完成了注册中心的功能后，虽然整个系统可以运行了，我们会发现没有应用监控的情况下，我们对系统运转状态是完全摸黑的，这样相当于盲人骑马，非常危险。我们需要知道所有微服务运行的状态，必须将各个微服务的状态监控起来，只有这样才能做到 运筹帷幄，决胜千里。 在这里，我们选择使用 Prometheus 和 Grafana 这套监控组合。Prometheus + Grafana 是一个比较常见的组合，基本是现在容器监控的标准配置。 在 Kubernetes 目前已经有了监控，日志还有存在的必要吗？当然，下面这个图就反应监控的 3 个维度。 这3个维度分别是 Mertics，Tracing 和 Logging。 Metrics 主要就是指刚才说的监控，它主要反应的就是一个聚合的数据，比如今天 200 错误是多少，QPS 是多少，它指的是一段时间内的数据聚合。
Logging 就是我们现在讨论的日志。的它描述一些离散的（不连续的）事件。比如各个系统里的错误，告警。所以我们需要将日志收集起来。
Tracing 则关注单次请求中信息。我们关注请求的质量和服务可行性，是我们优化系统，排查问题的工具。
说到了日志，在一个分布式系统，日志是非常重要的一环。因为微服务和容器的缘故，导致日志收集不是这么简单了。因为在 Kubernetes 里 容器的销毁和重启都是经常可能出现的，我们需要第一时间就把日志收集起来。 日志收集的方案有很多，有些方案是在本地启动一个收集进程，将落地的日志转发到 Kakfa 组件再转发日志中心，也有的方案是直接写到 Kafka 组件直接进入日志中心，两者各有优劣。 在这里，我们的方案选择了后者。我们简单地利用一个组件将日志直接打入 Kafka 组件。这种方案的好处是我们日志不再落地，日志 IO 被消除了，日志的存储也和容器做到了分离。我们再也不用担心日志 IO 对宿主机造成的系统压力了。 刚才我们讨论了监控（Metric）和日志（Logging），还有一个维度就是追踪（Tracing）。 随着微服务的实例越来越多，有一个很现实的问题出现了，当大规模分布式集群出现了，应用构建在不同的容器集群里、有可能布在了几千台容器里，横跨多个不同的数据中心。因此，就需要一些可以帮助理解系统行为、用于分析性能问题的工具。这该怎么解决呢？可以看看 Google 的论文 Google Dapper。 Google 的论文描述一种解决办法，我们一般称作 APM（Application Performance Monitor）。它把一次调用加入一个独立无二的标记，并且在各个系统里透传标记，从而达到追踪整个消息处理过程的能力。市面上大多数实现都是基于这一思想,可选方案的有很多，如 cat pip，Zipkin，Skywalkin。它们有需要代码注入的，有无注入的。关于他们的优劣也有很多文章评述。在这里我们选用 Zipkin。Zipkin 需要在项目中加入一个库，并不需要写代码，这对业务的入侵做到了很少，非常方便。 你认为这一切就完了吗？当然不是，微服务里还有一项非常重要的功能：流量控制，我们还没有做。 当海量的请求来临的时候，我们可以用增加容器数量的办法来提高我们的服务能力，但是简单地添加实例是很危险的，因为整个系统的服务能力是被系统短板所限制的，简单地添加实例，并不是总能起到提高服务能力的作用。反而可能引起反作用，最终导致整个系统的崩溃。 我们对整个系统的负载容量是有一个设计的，当超出我们设计的能力时，我们需要对多余的请求说 No。相应的方案分别是熔断、限流和降级。目前 Java 领域的这方面的 Hystrix，Sentinel 在这方面都做得很好。Sentinel 在阿里接受了考验，并且使用起来也很简单，所以我们选它。现在我们在整个系统里加上一个流量控中心。这样一个基本完整的可靠的高可靠的系统就基本完成了。 在实际开发中，其实还有最关键的配置中心（Apollo)，数据库（DB），缓存（Redis）等组件， 服务化网格， 我们可以把这些组件暂时放在 Kubernetes 之外，仍然是可以起到同样的效果。
前端站点的逻辑很简单，就是显示一个页面，页面中有一个按键。当你点击按键的时候，前端页面发起 ajax 请求，访问前端站点本身的一个接口，这个接口被 Nginx 代理，转发到 a.demo.com 微服务上，a. demo.com 微服务再将请求转发到 b. demo.com，b. demo.com 再将请求转发到 c. demo.com，最终将结果返回给前端。前端站点再将结果显示在页面上。我们通过结果显示，就能知道 这次请求通过了那些服务器，每台服务器的服务运行时间大概是多少。 然后看 a、b、 c 应用部分的 Java 代码，这就是个普通的多模块 Maven 项目。 项目很简单，分成了 3 个部分，一个是注册中心，也就是利用 Eureka 实现注册中心服务，另一个则是基础库项目，大部分功能都在这里实现，最后则是各个微服务项目，微服务项目只需要简单调用基础库就能完成。 这是注册中心的配置文件，在 Kubernetes 集群里运行时，我们会运行 3 个节点组成高可用的注册中心集群。这时这个配置项需要相应的修改。 在基础库项目里，我们将很多的依赖都放在里面，这样应用项目只需要简单依赖基础库就可以，能够做到统一修改。 同时我们也可以看到大部分依赖库只需要加入就可以，并不需编写代码就可以工作，这让开发工作变得轻松。 对于微服务的返回结果，我们做了一些美化格式。这样可以在检查结果时，比较容易。 简单的定义了一些返回的结构，可以通过这些结构，微服务可以把处理时的时间戳，线程号，实例 IP 这些信息返回出来。 基础模块的日志实现，从 GitHub 找的例子简单地进行了修改。（简单实现，不要用于生产）这时我们利用 logback.xml 的配置，可以选择我们是把日志写入本地磁盘还是直接写入 Kafka a.demo.com，b.demo.com，c.demo.com 应用实现 实现很简单，只是简单地调用基础库就可以了。注意每个应用需要实现一个探活接口 /hs，这样 Kubernetes 系统可以通过这个接口来探活，获知你这个应用是不是准备好了，能不能接入流量。否则你这个应用可能还在启动过程中，但是流量已经接入了，那么肯定会出问题。 在每个应用的配置里，我们都预置了各个配置的项目，在本地运行的时候，我们可以填注入本地的配置，在 Kubernetes 里以容器形式进行运行，我们可以利用 yaml 来动态地修改它们，做到 2 种情况下完全兼容。 在完成应用的编写后，我们需要安装 Kubernetes 系统了，如果已经有 Kubernetes 集群的，就可以直接跳过这个部分了，请看下一章。除了 Kubernetes 集群以外，你还需要 Prometheus and Grafana 这样的监控组件。所以这里我推荐一个牛逼的安装工具，和所有现有的 Kubernetes 安装工具比，它是最好的，没有之一。 下载 K8seasy，官方主页：https://github.com/xiaojiaqi/K8seasy_release_page 安装下载页：http://dl.K8seasy.com/ 将 3 个安装文件都下载下来，其中 pack.2020.10.02.bin 和 installer 都是安装文件， kubernetes-server-linux-amd64.tar.gz 是 Kubernetes 的官方软件包，你可以自己选择一个最新的版本。 安装的过程很简单，2 条命令即可，这里我们假设需要安装 Kubernetes 的网络为 192.168.2.0，master 主机为 192.168.2.50。 sudo ./installer --genkey -hostlist=192.168.2.1
sudo ./installer -kubernetestarfile kubernetes-server-linux-amd64v1.18.2.tar.gz -masterip 192.168.2.50
就这么简单，一个 Kubernetes 已经装好了。此时相关的所有监控已经被完全安装好了。 以 Master 节点为 192.168.2.50 为例子。 http://192.168.2.50:10000 可以直接打开 Dashboard，对整个集群有一个全面了解。 打开 http://192.168.2.50:8080 可以直接访问 Alertmanager。 打开 http://192.168.2.50:8081 你可以直接使用 Grafana（用户 admin，密码 admin） 打开 http://192.168.2.50:8082 你可以访问 Prometheus。 这一切就完了吗？当然不是，为了支持多集群管理，再推荐一个工具。刚才我们说到直接使用 http://192.168.2.50:1000 这个页面可以直接管理整个集群，但是在公司里如果有多个集群，该如何管理呢？别担心，K8seasy 已经有对应的解决方案。 仔细看刚才的安装好的日志，里面提示你专门生产了一个 lens.kubeconfig 的配置文件，并且有一个域名和 IP 的对应表。这时候，你只需要首先在本地 Host 文件里加入这个对应： 然后去 https://Kuberneteslens.dev/ 下载一个 Lens 的安装包。安装 Lens 以后，你只需要将 lens.kubeconfig 导入到 Lens 里。 导入完成后，你就可以远程管理这个集群了。这样有多个集群，你也可以只用一套 Lens 进行管理了。 好了，Kubernetes 的安装完成了。当然了 K8seasy 的功能是非常强大的，你可以用 sudo ./installer -h 查看帮助， 也可以使用 sudo ./installer -demo 查看各种场景的安装帮助。
Kubernetes 装好了，现在开始将微服务部署上去了。我们刚才的代码只是 Java 源码，我们还需要将它们编译成 Jar 包，然后再打成 Docker 镜像才能部署，这部分比较简单，所以我不演示如何完成了，我将相关的 Dockerfile 和最终 Yaml 都放在 GitHub 里了，在开始开发时，我提到将日志写入 Kafka Kafka Kafka 依次运行每条部署 Yaml 的命令即可，不需要做其他的操作。 注意，镜像在 Docker-Hub，可能需要一定时间才能下载。 运行后在 Dashboard 查看，你可以看到类似的信息，所有的服务都已经成功运行。 这样的话，因为我们的 Kubernetes 是支持 nginx-ingress 的，所以你可以直接访问 Master 的物理 IP 来访问这些服务，不需要做任何转换。 首先我们可以打开 Dashboard 从中查到 Eureka，服务器的具体 IP，然后访问 Eurka 服务。 在页面中你可以发现，在 Kubernetes 集群里，我们启动了 3 个 Eureka 服务，它们相互注册，组成了一个高可用集群。 其次，我们在 Grafana 中导入 JVM 的监控项目。 这样 Grafana 可以帮助我们把各个 Java 服务的具体状态做一个收集，完成我们需要的监控。 此时，我们打开 http://www.demo.com 的网页。 我们可以点击页面上的 get 请求按键，模拟发出请求，随后我们就会发现页面里显示出的信息在不断变化。 在页面显示的内容里，我们可以清楚地发现，我们的消息在不同实例里处理，如果有一个实例出现了故障是不会影响我们现在的业务的。 使用一个简单的脚本，模拟每 3 秒从前端访问一次后端。 首先打开 Zipkin：zipkin.demo.com。 其次，打开 Sentinel 站点，这个站点可以监控，也可以对微服务进行限流，限速，熔断等操作。（密码口令都是 Sentinel） 进入控制台后，我们可以发现所有的服务已经自动被发现，并存在于左边的菜单。 分别点开 a、b、c，3 个服务，可以看到规律的周期访问，和我们的脚本的测试速度是一致的。 Sentinel 里面内含强大的监控，流控，降级等功能，具体的使用，可以慢慢学习，相信你一定会受益良多。 打开 Grafana 的监控页，你可以查看所有应用的状态，包括 heap 大小，启动时间，错误数目等等。 通过这张图你可以了解每个应用本身的状态，使用了多少内存，响应的代码是多少，JVM 使用情况。相信此时你已经对各个组件的情况，监控都有了一个全面了解。一个基于 Kubernetes 的微服务架构已经开始工作了。 最后送一张常用的系统架构图，希望大家能通过本文对高可用微服务如何架设 Kubernetes 上有一个基本的了解，将本文讨论的东西用于实践。 作者：xiaojiaqi
来源：github.com/xiaojiaqi/deploy-microservices-to-a-Kubernetes-cluster
- END -
全网粉丝20W的头部大号，专注云原生、Golang、Linux实用脚本，效率工具， 免费CSDN下载， 回复 【go】 获取近 6 万 Star 的资源 ， 回复 【1024】 获取全种类IT资料，回复 【红包封面】 获取超好看封面，回复 【加群】 进入高手如云技术交流群