[TOC]

Docker容器平台选型调研

编排选型

Swarm

Swarm可以从一个Dockerfile来构建镜像，但是构建的镜像只能在单一节点上运行，而不能够被分布到集群上的其他节点上。因此，应用被认为是一个容器，这种方式不是细粒度的。
Swarm需要使用docker-compose scale来扩展其中一个容器，这个新的容器将会根据调度器规则进行调度。如果容器负载过重，Docker Swarm并不会自动扩展容器
- 正常情况下,必须去检查容器是否达到瓶颈, 能够及时的扩容
Swarm cluster ,在docker1.12版本中已经支持失败节点自动检测并拉取
目前 Swarm 可以通过overlay networks 来支持多主机容器网络的访问, 旧版不支持.

Mesos & Marathon(最新版1.4.1)

Mesos 提供资源管理和调度框架抽象的功能，第三方应用需要实现 Mesos 框架提供的 API 才能接入 Mesos 所管理的资源.
- mesos在底层添加一个轻量的共享层,提供一个统一的api接口,供其他框架集群访问.
- Mesos并不负责调度而是负责委派授权，有很多相应框架已经实现了复杂的调度,如Marathon
相比于Swarm，Mesos的容错性更强，因为Mesos能够在JSON文件中对某个应用使用监测检查
Marathon 有用户UI界面，可以将其视为一个应用程序，它可以看作一个框架来管理容器, 容器可以通过REST API 与Marathon 一起工作, 方便运维。
- 新版Marathon很好的支持了应用的更新和回滚，除去了容器启动对静态配置文件的依赖，使应用容器更新发布、回滚更加方便.
Mesos在弹性扩缩容后会导致宿主机上产生大量的 Exit 状态的 Docker 容器，清除时较消耗资源，影响系统稳定性。
- 默认 Mesos 只有基于时长的清除策略，比如几小时，几天后清除，没有基于指定时间的清除策略，比如在系统闲时清除，也无法针对每个服务定制清除策略。
- 可以修改 Marathon 的源码程序，添加 Docker 容器垃圾清理接口，可以对不同服务按指定策略将Exit状态的Docker容器进行清理。
Mesos不支持抢占，无法设置任务优先级
- 目前 Apache Aurora 这个插件已经支持优先级和资源抢占, 但是它是和marathon同级别的.
对于 mysql / Kafka这类有状态的存储类应用，目前 mesos+ Marathon还支持得不是很好
- 在有失败发生或者一个简单的服务重启的场景下，Marathon会随机的在任何符合服务定义约束的资源上重启服务，这样对于有状态服务是不适合的，因为这样的话需要很高的操作代价来将本地状态迁移到新的服务上
- 但是可以通过Marathon本地持久化卷来达到能够部署有状态服务的目的
  - 本地持久化卷后,下次再启动该容器的时候marathon与mesos会将这个容器再次部署到原先的宿主机上，而不是其他机器.
可以自研所需的framwork.插件化处理. 不过Marathon本身是Scala编写的，UI是React编写,不利于二次开发
其他组件如: mesos-dns 和 marathon-lb.
- mesos-dns 是一个服务发现工具
- marathon-lb 不仅是服务发现工具，还是负载均衡工具, 要使用marathonn-lb，每组app必须设置HAPROXY_GROUP标签, 采用haproxy进行负载均衡
接入mesos的公司: http://mesos.apache.org/documentation/latest/powered-by-mesos/

Kubernetes(最新版1.6)

Kubernetes使用ReplicationController来保证应用至少有一个实例在运行。当在Kubernetes集群中创建了一个pod时，需要创建一个叫做负载均衡的Kubernetes服务，它负责转发流量到各个容器。
- 如果只有一个实例，也可以使用这种服务，因为它决定了能否将流量准确的转发到拥有动态IP的pod上。
Kubernetes添加了pod和replica的逻辑。这个为调度器和编排工具提供了更加丰富的功能，比如说负载均衡，扩展或者收缩应用的能力。并且还能够更新正在运行中的容器实例。Kubernetes 拥有自我修复，自动化推出和回滚和存储编排. 主要优点:
- AutoScale：根据收集的业务 metric 来决定是否需要自动扩缩容
- Rolling Deployents：滚动部署新版本并不中断服务，在新版本部署完成后老版本退出
- Work Queue：将 Service 从 1:1 的关系扩展到 1：N，为被访问的 Service 前置一层代理 Agent，用来转发请求
Kubernetes 擅长自动修复问题, 并且可以快速地对容器进行重启. 这会导致使用方不会注意容器是否崩溃
- 为了解决这个问题，可以添加一个集中式日志系统或其他方式进行监控
有状态服务集: StatefulSets (1.4版本叫PetSets )
- 对于PetSet中的Pod，每个Pod挂载自己独立的存储，如果一个Pod出现故障，从其他节点启动一个同样名字的Pod，要挂在上原来Pod的存储继续以它的状态提供服务。(保证ip/hostname不变)
- 适合于PetSet的业务包括数据库服务MySQL/PostgreSQL，集群化管理服务Zookeeper、etcd等有状态服务。
- 使用PetSet，Pod仍然可以通过漂移到不同节点提供高可用，而存储也可以通过外挂的存储来提供高可靠性，PetSet做的只是将确定的Pod与确定的存储关联起来保证状态的连续性
golang语言编写, 有助于二次开发, 社区活跃度高, 可以加入社区提高公司影响力
大致统计下使用kubernetes的公司: eBay、Yahoo、微软、IBM、英特尔、华为、VMware、HPE、Mirantis、网易、普元、亚信, 乐视 , 腾讯, 京东

容器技术栈

技术点	技术方案
资源调度 & 编排	Mesos + marathon Swarm(Compose) Kubernetes
镜像 & 仓库	harbor DockerHub Quay.io Artifactory
监控	cAdvisor Graphite Sysdig Datadog Prometheus ,Zabbix + pythonAgent
日志	ELK Graylog flume heka fluentd
服务注册和发现 / 负载均衡	HAProxy Etcd consul nginx Confd / DNS(好像有坑)
存储	devicemapper, overlayfs, Volume, Ceph ，Gluster ， NFS, OpenStack swift， glance ,iSCSI SAN
网络	HOST, VXLAN IPSEC . OpenFlow .Flannel. Docker Bridge, Calico, Neutron ,pipework ,weave , SocketPlane
分布式计划任务	chronos
安全	Notary Vault
自动化工具	ansible, salt

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