kubernetes 入门实践-滚动发布
ㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤ(没有目的,就做不成任何事情;目的渺小,就做不成任何大事——狄德罗)ㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤ在了解k8s的滚动发布之前,我们先了解以下其他的发布方式蓝绿部署说明:所谓蓝绿部署,是指同时运行两个版本的应用,如上图所示,蓝绿部署的时候,并不停止掉老版本,而是直接部署一套新版本,等新版本运行起来后,再将流量切换到新版本上。但是蓝绿部署要求在升级过程中,同时
ㅤㅤㅤ
ㅤㅤㅤ
ㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤ(没有目的,就做不成任何事情;目的渺小,就做不成任何大事——狄德罗)
ㅤㅤㅤ
ㅤㅤㅤ
ㅤㅤㅤㅤㅤㅤㅤㅤㅤ
kubernetes 入门实践-操作k8s集群
在了解k8s的滚动发布之前,我们先了解以下其他的发布方式
蓝绿部署
说明:所谓蓝绿部署,是指同时运行两个版本的应用,如上图所示,蓝绿部署的时候,并不停止掉老版本,而是直接部署一套新版本,等新版本运行起来后,再将流量切换到新版本上。但是蓝绿部署要求在升级过程中,同时运行两套程序,对硬件的要求就是日常所需的二倍,比如日常运行时,需要10台服务器支撑业务,那么使用蓝绿部署,你就需要购置二十台服务器。
优点
- 同一时间对外服务的只有一个版本,容易定位问题
- 升级和回滚操作相对简单
缺点
- 需要部署两套机器,资源消耗大
- 如果新版本有问题 则对客户有较大影响
滚动发布
说明:所谓滚动升级,就是在升级过程中,并不一下子启动所有新版本,是先启动一台新版本,再停止一台老版本,然后再启动一台新版本,再停止一台老版本,直到升级完成,这样的话,如果日常需要10台服务器,那么升级过程中也就只需要11台就行了。
但是滚动升级有一个问题,在开始滚动升级后,流量会直接流向已经启动起来的新版本,但是这个时候,新版本是不一定可用的,比如需要进一步的测试才能确认。那么在滚动升级期间,整个系统就处于非常不稳定的状态,如果发现了问题,也比较难以确定是新版本还是老版本造成的问题。
为了解决这个问题,我们需要为滚动升级实现流量控制能力。
优点
- 不需要两套机器资源,成本较低
- 非全量发布,所以对客户影响较小
缺点
- 同时两个版本提供服务,定位问题困难,容易造成数据不一致的问题
- 系统自动扩容的,要考虑代码版本问题
灰度发布
说明:灰度发布也叫金丝雀发布,起源是,矿井工人发现,金丝雀对瓦斯气体很敏感,矿工会在下井之前,先放一只金丝雀到井中,如果金丝雀不叫了,就代表瓦斯浓度高。
在灰度发布开始后,先启动一个新版本应用,但是并不直接将流量切过来,而是测试人员对新版本进行线上测试,启动的这个新版本应用,就是我们的金丝雀。如果没有问题,那么可以将少量的用户流量导入到新版本上,然后再对新版本做运行状态观察,收集各种运行时数据,如果此时对新旧版本做各种数据对比,就是所谓的A/B测试。
当确认新版本运行良好后,再逐步将更多的流量导入到新版本上,在此期间,还可以不断地调整新旧两个版本的运行的服务器副本数量,以使得新版本能够承受越来越大的流量压力。直到将100%的流量都切换到新版本上,最后关闭剩下的老版本服务,完成灰度发布。
如果在灰度发布过程中(灰度期)发现了新版本有问题,就应该立即将流量切回老版本上,这样,就会将负面影响控制在最小范围内。
优点
- 保证整体系统稳定性,在初始灰度的时候就可以发现、调整问题,影响范围可控
- 新功能逐步评估性能,稳定性和健康状况,如果出问题影响范围很小,相对用户体验也少
缺点
- 自动化要求较高
- 新旧代码版本不一致 要考虑数据问题
分流策略
-
针对用户级别分流。比如先部署给内部用户,在逐渐根据外部用户的分类等级扩散。
-
地域、IP 级别分流。只部署新版本到某地理地域,慢慢扩大到全量发布。
-
应用程序中判断特性分流。比如通过什么渠道使用服务的、浏览器特征分析、某个使用触发才使用新版本。
目前v7 k8s部署方式
滚动发布
滚动升级是默认的更新策略,它在删除一部分旧版本Pod资源的同时,补充创建一部分 新版本的Pod对象进行应用升级,其优势是升级期间,容器中应用提供的服务不会中断,但要求应用程序能够应对新旧版本同时工作的情形,例如新旧版本兼容同一个 数据库方案等.不过更新操作期间,不同客户端得到的响应内容可能会来自不同版本的应用
Deployment控制器的滚动更新操作并非在同一个ReplicaSet控制器对象下删除并创建Pod资源,而是将它们分置于两个不同的控制器之下:旧控制器的Pod对象数量不断减少的同时,新控制器的Pod对象数量不断增加,直到旧控制器不再拥有Pod对象
详细的滚动发布流程
- 更换deployment配置文件,比如更换镜像
- k8s根据配置规则,在保证最大不可用数的情况下,先创建新的,再删除旧的pod
- 一次轮替,完成pod的更新
k8s滚动发布的问题和解决方案
更多推荐
所有评论(0)