作者：vivo 互联网容器团队- Pan Liangbiao

本文依据潘良彪老师在“2022 vivo开发者大会"现场演讲内容整顿而成。公众号回复【2022 VDC】获取互联网技术分会场议题相干材料。

2018年起，vivo以容器作为根底底座，打造了一站式云原生机器学习平台。向上撑持了算法中台，为算法工程师提供数据治理、模型训练、模型治理、模型部署等能力，为广告、举荐和搜寻等业务赋能，胜利为算法实现了降本、提效，让云原生和容器价值初露锋芒。基于机器学习平台的试点成绩，通过算法场景的试点实际和价值剖析，对外部策略做了降级。确定基于云原生理念去构建行业一流的容器生态，实现规模化的降本提效指标。

本文会具体介绍vivo在容器集群高可用建设中的具体实际，包含在容器集群高可用建设、容器集群自动化运维、容器平台架构降级、容器平台能力加强、容器生态买通等层面的打磨和建设。目前，vivo容器产品能力矩阵逐步趋于欠缺，并将围绕全面容器化、拥抱云原生和在离线混部三个方向持续发力。

云原生和容器，是当下比拟炽热的话题，其中 Kubernetes更是成为容器编排畛域的事实标准。

国内外各企业在外部落地云原生和容器的过程中，基于本人的业务场景和倒退阶段，会遇到各种问题和挑战，本文是vivo在云原生容器畛域的摸索和落地实际，心愿能对读者有一些借鉴和帮忙。

一、容器技术和云原生理念

首先是容器技术和云原生理念的介绍。

1.1 容器技术简介

容器技术不是一个新技术，从1979年unix零碎的chroot诞生到当初，历经40多年的倒退，共通过了四个阶段，别离是：技术萌芽期、技术爆发期、商用探索期和商用拓展期。

每个阶段，解决了不同的技术问题，别离是：环境隔离、软件散发和编排、商用服务状态、规模化和场景拓展。

相比于虚拟机，容器技术少了一层虚构操作系统的损耗，因而它比虚拟机具备更好的性能体现。另外容器在系统资源、启动工夫、集群规模、高可用策略等方面，也有非常明显的劣势。

2020年CNCF中国云原生调查报告显示，承受考察的中国企业，有68%曾经在生产环境应用容器技术。

从行业倒退看，不论是云厂商还是各大科技公司，都在基于容器技术构建本人的新一代基础架构，推动企业数字翻新。容器技术曾经失去宽泛的认可和遍及。

1.2 云原生理念介绍

容器技术催生了云原生思潮，云原生生态推动了容器技术的倒退。那么云原生的精确定义和含意是什么呢？

云原生其实没有规范定义，如果非要给他一个定义，行业有两种观点：

  • 一个定义来自Pivotal 这家公司，它是云原生利用的提出者，是云原生的先驱者、探路者。Pivotal最新的官网对云原生的介绍有四个要点，别离是：DevOps、继续交付、微服务和容器。
  • 另外一个定义来自CNCF，CNCF建设于2015年，它是一个开源组织，其存在的目标，是反对开源社区开发要害的云原生组件，包含 Kubernetes、Prometheus监控等。

它把云原生分为3种核心技术和2个核心理念：

  • 3种核心技术：别离是容器、微服务、服务网格。
  • 2个核心理念：别离指不可变基础设施和申明式API。

然而，不论是那一种定义，容器都是其根底，是云原生落地的外围技术手段。

1.3 云原生价值剖析

任何技术和理念，都必须有理论的业务价值。从效率、老本、品质三个维度，来剖析云原生和容器的技术价值，可总结如下：

  • 效率：可实现继续交付部署快、镜像封装可移植、弹性计算秒扩容。
  • 老本：可实现按需分配不节约、对立调度高填充、混合部署少碎片。
  • 品质：可实现运行状态可观测、故障产生可自愈、集群治理可运维。

二、vivo 容器技术摸索与实际

新技术的引入带来新的价值，也必然会引入新的问题，接下来介绍vivo在容器技术上的摸索和实际。

2.1 试点摸索

在vivo的算法场景中，机器学习平台负责算法模型迭代，是互联网算法业务中外围的一环，晚期的平台基于传统的架构，在效率、老本、性能和体验上均有肯定的有余，无奈满足算法业务快速增长的诉求。基于此，咱们首先在算法场景进行容器的试点摸索。从2018年开始，咱们以容器作为根底底座，打造了vivo的一站式云原生机器学习平台，向上撑持了公司的算法中台，为算法工程师提供数据治理、模型训练、模型治理、模型部署等能力，为广告、举荐和搜寻等业务赋能。

vivo的云原生机器学习平台具备如下5大劣势：

  • 场景全：业务端到端，笼罩举荐、广告、搜寻多场景。
  • 体验好：排队工夫短，用户体验优，工作P99排队时长小于45分钟。
  • 成本低：调度能力好，资源利用率高，CPU利用率均值大于45%。
  • 效率高：网络规模大，训练跑得快，训练速度8.3亿样本每小时。
  • 后果优：算法迭代稳固，训练成功率高，训练成功率大于95%。

vivo云原生机器学习平台，胜利为算法实现了降本、提效，让云原生和容器价值初露锋芒。

2.2 价值开掘

基于后面机器学习平台的试点成绩，咱们深入分析和开掘容器和云原生的价值，联合vivo的状况，咱们发现容器和云原生是企业大规模降本和提效的最佳计划。

1）在降本方面

以后咱们外部服务器资源的利用率较低，以CPU利用率为例，以后vivo服务器整体利用率均值在25%左右，相比行业一流程度的40%～50%，还有不少的晋升空间。

容器在资源隔离、对立调度和在离线混部等方面的劣势，均是晋升资源ROI的无效技术手段。

2）在提效方面

以后咱们在中间件版本升级、机器迁徙、测试环境治理、突发流量应答和全球化部署的环境一致性等方面均有业务痛点。

容器的疾速交付、弹性自运维、微服务、服务网格等云原生技术和架构，则是提效的无力措施。

2.3 策略降级

通过算法场景的试点实际和价值剖析，咱们对外部策略做了降级， 确定基于云原生理念去构建行业一流的容器生态，实现规模化的降本提效指标。

为了更好匹配策略落地，拥抱云原生，咱们还对外部技术架构从新布局和降级，新增引入对立流量接入平台、容器运维治理平台、对立名字服务、容器监控等平台和能力，撑持容器生态在公司外部的全面建设和推广。

2.4 面临挑战

2.4.1 集群挑战

要提供大规模的生产可用的容器服务，容器集群的可用性首先会面临诸多挑战。上面介绍vivo容器化，在生产集群建设过程中遇到的4个比拟大的挑战。

  • 集群规模快速增长：vivo集群服务器规模上万个宿主机节点，治理的集群数十个，单集群规模2千+，实例数10万+，对集群性能和机器治理挑战极大。
  • 集群运维、经营和标准化：因为晚期集群治理不标准，黑屏化操作和人为误操作等问题层出不穷，集群运维人员每天因为各种救火忙得焦头烂额。
  • 集群容器监控架构和可观测性：随着集群规模快速增长，容器的监控组件面临极大压力，对容器监控的采集、存储和展现，提出更高的要求。
  • 线上K8s版本升级迭代：面对Kubernetes版本的疾速迭代，须要实现给航行的飞机换引擎。

针对挑战，咱们的应答计划别离是：高可用、可观测、标准化和自动化。其中容器监控和k8s版本无损降级的挑战，vivo公众号有具体技术计划的介绍，本文偏重介绍集群高可用和运维自动化两局部。

2.4.2 平台挑战

除了集群稳定性的挑战，平台也将面临各种挑战，因为容器平台和周边生态能力不欠缺，对业务存在较高的适配和迁徙老本。总结起来咱们遇到的挑战次要有4点：

  • 容器IP的变动：k8s晚期把业务都设计成无状态的，其原生实现是每次公布容器的IP都会变动，这对局部依赖固定IP的传统业务不太敌对，业务革新老本较高。
  • 周边生态的适配和兼容：包含公布零碎、中间件微服务平台、外部开发框架和流量接入层等
  • 用户应用习惯：vivo有比拟成熟的公布平台，用户习惯按机房公布，习惯资源分配和公布离开操作。
  • 价值输入：运维研发效率的晋升不好量化，容器老本劣势短期不好掂量。

下面这些挑战，推动咱们要进行容器周边生态买通，同时通过加强容器平台产品能力，来适配各种业务场景，升高用户的迁徙老本。

2.5 最佳实际

2.5.1 容器集群高可用建设

接下来，介绍vivo在容器集群高可用建设中的最佳实际，咱们是从故障预防、故障发现和故障复原，3个维度来构建容器集群可用性保障体系的。

1、在故障预防上，咱们别离从流程工具、容灾能力和基础架构3个方面来进行建设：

  • 流程工具：次要蕴含故障预案和故障演练，以及通过建设运维治理平台，来实现运维标准化、白屏化和自动化。
  • 容灾能力：次要是构建业务跨故障域容灾能力，保障集群故障时，服务和业务流量能跨集群调度和疾速一键迁徙等。
  • 基础架构：次要是通过屏蔽用户对底层集群的感知，一个机房多套集群，一个业务同时部署在多个集群上，防止单集群故障对业务造成影响。

2、在故障发现上，咱们次要是通过，自建的监控大盘、日常集群巡检、外围组件监控、集群外拨测等措施，对故障及时发现和解决，升高对业务影响。

3、在故障复原上，次要是基于后面的故障预案，疾速复原，及时止损，并做好故障的复盘，不断改进咱们的故障预防和发现机制，积淀贵重教训。

另外，集群的可观测性是可用性保障的一个重要依据，咱们通过建设本人的SLO面板，对集群状态实时地进行监控，只有对经营情况一目了然，能力做到稳如泰山，从容应答所有变动。

2.5.2 容器集群自动化运维

除了容器集群本身稳定性建设，在运维自动化方面，咱们建设了容器多集群治理平台，实现集群配置标准化，外围运维场景白屏化，来晋升运维效率。

咱们的容器集群治理平台，是以云原生的形式来治理云原生，简略来说，就是基于k8s的operator机制，实现k8s on k8s。

以后，咱们的平台曾经可能实现多集群的对立纳管，集群部署也是自动化、标准化的，还实现了底层IAAS层买通，集群节点能全流程化、可视化的一键扩缩容，而集群巡检性能，能够帮忙咱们及时发现集群的问题和隐患。

通过平台进行日常运维和操作，不仅能晋升效率，也具备审计能力，有操作和变更日志可追溯，便于问题定位。

2.5.3 容器平台架构降级

为适应业务容器化在外部的疾速遍及和推广，咱们降级了vivo的容器平台架构。

新的架构分为4层，容器+k8s则作为根底的对立底座，向下对接公司IAAS层的基础设施，向上提供容器产品和平台能力，并通过凋谢API供下层调用和定制本人的下层逻辑。

API之上是容器反对的各种服务类型，包含在线服务、中间件服务、大数据计算、算法训练、实时计算等，最下面是为vivo互联网各个业务进行赋能。

基于这套容器平台架构，业务能实现资源隔离部署、疾速交付和按需应用，同时也具备更好的弹性伸缩能力。对平台，咱们能够对立资源的调度，实现资源的分时复用、在离线混部等，来晋升资源的利用率。

2.5.4 容器平台能力加强

vivo外部容器化场景比拟多样化，为了让业务可能安心、低成本的接入和应用容器的能力，在推广过程中，咱们基于开源+自研做了容器的适配和原生能力的加强。

上面对6个产品能力加强进行简略的分享：

  • 云原生工作负载加强：基于开源的openkruise，对原生deployment、statefulset等workload进行了加强，实现诸如原地降级、公布暂停、流式和配置优先级等扩大能力。
  • 服务无损公布加强：基于外部框架和平台自主研发，实现HTTP、RPC等协定框架的流量无损公布。
  • 容器镜像平安：基于开源的Harbor定制开发，实现容器镜像平安扫描和卡控能力。
  • 容器镜像减速：基于开源dragonfly2定制扩大，让大规模集群镜像的散发性能晋升80%以上。
  • IP固定能力加强：基于有状态服务和CNI进行自研，撑持黑白名单、有状态服务场景诉求，升高业务接入革新老本。
  • 多集群治理能力加强：基于开源Karmada进行性能优化和扩大，晋升业务容灾能力，撑持单集群横向扩大能力。

当然，在充沛享受开源红利的同时，咱们也继续地参加开源协同，回馈社区。在应用和自研的过程中，咱们也把本人生产实践过程中发现的问题和积攒的教训提交到社区，例如Dragonfly2、Karmada等。

2.5.5 容器CICD一体化

除了平台能力的加强，容器平台作为一个PaaS平台，须要和周边的生态买通，能力让业务更好的迁徙和应用，其中最重要的就是公布零碎的买通，也就是CICD平台。

简直每个科技公司都会有本人的CICD，它是一个DevOps自动化的工具，可进行业务构建和编排部署的流水线。

vivo的CICD平台底层架构是基于JenKins+Spinnaker实现的，整个容器构建和部署流程如下：

  • 首先，用户在CICD平台上创立好公布过程的流水线配置并保留。
  • 其次，CI环节可实现和外部GitLab对接，拉取代码，基于jenkins进行代码编译和镜像构建，构建好的镜像通过平安扫描后，推送到开发环境的镜像仓库。
  • 最初，在CD环节，CICD平台会调用容器平台提供的API，进行开发、测试、预发和生产环境的部署操作。

2.5.6 对立流量接入

接下来，介绍容器生态里，最重要的业务流量接入层的买通。

晚期，vivo外部是基于Nginx，来实现的南北流量和货色流量的转发。在虚拟机和物理机场景能比拟好的撑持，随着容器在外部全面的推广，传统的Nginx架构已不能适配。

次要体现在，容器场景业务实例数量，相比原来虚拟机和物理机成倍数增长，容器公布过程IP的频发变动和状态同步，都会对Nginx集群造成十分大的压力，在业务申请量十分大的状况下，接入层的配置文件刷新和加载，会造成业务的抖动，这是咱们不能承受的。

基于这个背景，咱们基于APISIX构建了云原生流量接入层，来适应全面容器化的需要。通过一年多的建设，以后咱们的对立流量接入平台曾经可能很好的撑持容器化的接入，同时具备更好的扩大能力。

2.6 实际成绩

2.6.1 产品能力矩阵欠缺

通过多年的打磨和建设，vivo容器产品能力矩阵趋于欠缺，整个产品能力矩阵，分为4层：

  • 根底服务层：蕴含3类服务，镜像治理、集群运维和集群监控。
  • 能力层：蕴含6个外围能力，别离是集群调度、CAAS-API、容器配置、容器业务监控告警、容器日志和平台扩大能力。
  • 平台层：蕴含2大平台能力，别离是CI和CD。
  • 业务层：以后笼罩了vivo互联网所有业务场景。

2.6.2 业务接入成绩凸显

接下来，会具体介绍下vivo容器推广状况。

目前容器在vivo外部次要笼罩4大场景，别离是：互联网在线业务、算法在线、大数据计算和AI算法训练等。接下来，会从接入规模和价值来简略介绍。

  • 互联网在线服务：外部各个业务线均有大量服务运行在容器上，例如vivo商城、账号、浏览器、快利用、天气等，曾经接入服务600+。
  • 算法在线服务：以后接入500+服务，3000+服务器，波及推广搜的各个业务线。
  • 大数据计算服务：蕴含离线计算如Spark，实时计算如Flink、Olap等场景，以后接入集群20+。
  • AI算法训练：次要是提供GPU、CPU异构计算，业务场景如Tensorflow、mpi等场景，算力十几万核，以及若干GPU卡。

业务容器化后，给业务在降本提效上带来的成果非常明显，包含但不限于扩缩容效率、弹性伸缩能力、业务自愈能力、资源老本等方面。

2.7 实际总结

基于咱们的摸索和实际，可总结为技术价值、推广策略、平台建设和云原生冲破4个维度的思考。

  • 找价值：关注新技术，但不执着于技术自身，必须联合业务痛点和价值。
  • 定策略：自下而上小范畴试点摸索，产生理论的业务价值，影响自上而下的策略调整。
  • 建平台：当曾经有比较完善的平台和能力时，要找到容器的切入点，进行交融共建，切忌推到重来；对于须要从0到1建设的新能力，须要果决的孵化翻新。
  • 求冲破：在业务容器化过程中，为了疾速容器化，咱们做了许多的兼容和适配。为了更好的降本提效，将来，咱们心愿疏导用户，实现从应用云原生，到用好云原生的冲破。

总的来说，技术服务于业务，企业应基于本身现状，寻找适合的解决方案，并为业务发明价值。

三、vivo对云原生的将来瞻望

3.1 vivo基础架构倒退

从过来看将来倒退，回顾过去10年历程，vivo基础架构的倒退经验了3个阶段：

  • 阶段一：传统研发运维阶段，从2011到2018年，从晚期的do拆散研发模式，到基于openstack+kvm的虚拟化计划落地。
  • 阶段二：利用架构互联网化阶段，从2018到2020年，容器化开始在vivo外部衰亡。
  • 阶段三：云原生基础架构演进阶段，从2021年到当初，云原生和容器将会在vivo外部有更多场景的利用和推广，如在离线混部等。

3.2 vivo云原生将来瞻望

回归事物根源思考，做正确的事，并把事件做正确。不盲从，有定力，基于价值，主观对待新技术倒退，大胆假如、小心验证、实际出真知。

vivo云原生的将来，将会朝着3个方向倒退，别离是全面容器化、拥抱云原生和在离线混部。

咱们的愿景是：一次开发到处运行，通过主动运维实现极致效率和老本最优！

  • 对开发人员：咱们心愿大家成为那只漫游海上的蓝色鲸鱼，驮着咱们的业务利用，一次构建到处散发，灵便调度和运维。
  • 对管理者：咱们心愿谋求效率的同时，可能实现老本最优。