|
DockOne技术分享（八）：OpenStack Magnum社区及项目介绍
今天主要跟大家简单介绍下Magnum社区和Magnum项目的一些介绍。Magnum到现在为止，功能做的其实不是很多，希望通过这次机会能和大家多多讨论下，看看怎样让Magnum提供更好的容器服务。
1.Magnum社区
Mangum现在应该是OpenStack里边比较热门的一个和Docker集成的新项目。Magnum是去年巴黎峰会后开始的一个新的专门针对Container的一个新项目，用来向用户提供容器服务。从去年11月份开始在stackforge提交第一个patch，今年3月份进入OpenStack
namespace，这个项目应该是OpenStack社区从stackforge迁移到OpenStack
namespace最快的一个项目。Magnum现在可以为用户提供Kubernetes as a Service、Swarm
as a Service和这几个平台集成的主要目的是能让用户可以很方便的通过OpenStack云平台来管理k8s，swarm，这些已经很成型的Docker集群管理系统，使用户很方便的使用这些容器管理系统来提供容器服务。
通过这个图主要是想强调下，就是Magnum社区现在发展很迅速，大家可以看一下patch
set和commit的对比，基本上平均三个patch set就会产生一个commit，所以希望对Docker感兴趣的人，可以参与到Magnum的开发中来。
这一页是Magnum社区的一些情况，主要列出了一些为Magnum做贡献的公司，包括IBM、Rackspace、hp、cisco等等，IBM目前在这个项目排第一位。
通常情况下，一个公司对哪些项目比较看重，或者它对OpenStack社区的最近的一些策略，都可以通过分析每个公司对OpenStack的贡献来得到一定的结论。如果某个公司在某个项目贡献比较多的话，可能就意味着这个公司会在相关领域有一些动作。大家如果感兴趣的话，可以通过http://stackalytics.com/去研究一下自己感兴趣的公司最近在OpenStack的一些动态。
在这简单介绍下Magnum的一些主要Contributor，Adrian
Otto是Rackspace的杰出工程师，Magnum和Solum的双重PTL；Steven Dake刚刚从RedHat加入Cisco，他是Heat的创始人之一，现在Kolla的PTL，同时还在积极推动一个新项目Machine
Learning-As-A-Service；Davanum Srinivas (dims)刚刚从IBM加入Mirantis，现在担任Oslo的PTL。
2. Why Magnum
接下来我们看下为什么需要Magnum、OpenStack现在和Docker集成现在主要有三块，包括nova
Docker driver，heat Docker driver和Kilo推出的Magnum，当然还包含一些别的项目，例如Sahara，Murano，Kolla，Solum等等。
2.1 Nova Docker driver
上图是nova Docker driver，这个driver是OpenStack和Docker的第一次集成，相信对Docker和OpenStack感兴趣的人，应该都用过这个driver
这个driver的话，主要是把把Docker作为一种新的Hypervisor来处理，把所有的container当成vm来处理。提供了一个Docker的nova
compute driver。我不知道@Gnep@北京-VisualOp 的Hyper是不是可以考虑先弄个driver试试，我们待会可以讨论。
这个driver的优点是实现比较简单，只需要把nova compute中的一些对虚拟机操作的常用接口实现就可以，现在主要支持创建，启动，停止，pause，unpause等虚拟机的基本操作。
另外一个是因为nova Docker driver也是一个nova的compute driver，所以他可以像其他的compute
driver一样使用OpenStack中的所有服务，包括使用nova scheduler来做资源调度，使用heat来做应用部署，服务发现，扩容缩容等等，同时也可以通过和neutron集成来管理Docker网络。也支持多租户，为不同的租户设置不同的quota，做资源隔离等等。IBM现在的SuperVessel
Cloud使用的就是这个Driver。
他的缺点也很明显，因为Docker和虚拟机差别也挺大的，Docker还有一些很高级的功能是VM所没有的，像容器关联，就是使不同容器之间能够共享一些环境变量，来实现一些服务发现的功能，例如k8s的pod就是通过容器关联来实现的。另外一个是端口映射，k8s的pod也使用了端口映射的功能，可以把一个pod中的所有container的port都通过net
container export出去，便于和外界通信。还有一个是不同网络模式的配置，因为Docker的网络模式很多，包括host模式，container模式等等，以上的所有功能都是nova
Docker driver不能实现的。
2.2 Heat Docker Driver
上图是heat Docker driver，因为nova Docker driver不能使用Docker的一些高级功能，所以社区就想了另一个方法，和heat去集成，因为heat采用的也是插件模式，所以就在heat实现了一个新的resource，专门来和Docker集成。这个heat插件是直接通过rest
api和Docker交互的，不需要和nova、cinder、neutron等等来进行交互。
所以这个driver的优点是首先它完全兼容Docker的api，因为我们可以在heat template里边去定义我们关心的参数，可以实现Docker的所有高级功能，用户可以在heat
template定义任意的参数。另外因为和heat集成了，所以默认就有了multi tenat的功能，可以实现不同Docker应用之间的隔离。
但是他的缺点也非常明显，因为他是heat直接通过rest api和Docker交互的，所以heat
Docker driver没有资源调度，用户需要在template中指定需要在哪一台Docker服务器上去部署应用，所以这个driver不适合大规模应用,因为没有资源调度。另外因为没有和neutron去交互，所以网络管理也只能用Docker本身的网络管理功能，没有subnet，网络隔离也做得不是太好，需要依赖于用户手动配置flannel或者ovs等等
3. Magnum简介
所以社区就推出了Magnum这个项目。上图是Magnum的一个架构图。
3.1 Magnum主要概念
它的结构其实很简单，首先我们看下magnum的主要概念，在这个图的右边，主要有这么几个：Bay、Baymodel、Node、Pod、Service、RC、Container。
Bay：bay在magnum主要表示一个集群，现在通过magnum可以创建k8s和swarm的bay，也就是k8s和swarm的集群。
Baymodel：baymodel是flavor的一个扩展，flavor主要是定义虚拟机或者物理机的规格，baymodel主要是定义一个Docker集群的一些规格，例如这个集群的管理节点的flavor，计算节点的flavor，集群使用的image等等，都可以通过baymodel去定义。
Node主要是指Bay中的某个节点。
Container就是具体的某个Docker容器。
Pod, Replication Controller和Service的意思和在k8s的意思是一样的。在这简单介绍下这三个概念。
Pod是Kubernetes最基本的部署调度单元，可以包含多个container，逻辑上表示某种应用的一个实例。比如一个web站点应用由前端、后端及数据库构建而成，这三个组件将运行在各自的容器中，那么我们可以创建包含三pod，每个pod运行一个服务。或者也可以将三个服务创建在一个pod，这个取决于用户的应用需求。一个pod会包含n
1个container，多出来的那一个container是net container，专门做路由的。
Service：可以理解为是pod的一个路由，因为pod在运行中可能被删除或者ip发生变化，service可以保证pod的动态变化对访问端是透明的。
Replication Controller：是pod的复制抽象，用于解决pod的扩容缩容问题。通常，分布式应用为了性能或高可用性的考虑，需要复制多份资源，并且根据负载情况动态伸缩。通过replicationController，我们可以指定一个应用需要几份复制，Kubernetes将为每份复制创建一个pod，并且保证实际运行pod数量总是与预先定义的数量是一致的(例如，当前某个pod宕机时，自动创建新的pod来替换)。
3.2 Magnum主要服务
接下来看下magnum中的主要服务，现在主要有两个服务，一个是magnum-api，一个是magnum-conductor。具体如上图所示。
Magnum-api和其它的项目的api的功能是一样的，主要是处理client的请求，将请求通过消息队列发送到backend，在magnum，后台处理主要是通过magnum-conductor来做的。
magnum现在支持的backend有k8s，Swarm，Docker等等，Magnum
conductor的主要作用是将client的请求转发到对用的backend，backend在Magnum的官方术语叫CoE(Container
Orchestration Engine)
3.3 Magnum工作流程
第一步需要创建baymodel，就是为需要提供容器服务的bay创建一些集群的定义规格。
第二步就可以在第一步创建的baymodel基础上创建bay了，用户可以选择使用Kubernetes或者Swarm，未来还会有Mesos。
第三步，当bay创建完成后，用户就可以通过调用Magnum API和后台的k8s或者swarm交互来创建container了
3.4 Magnum Notes
另外想强调一下，Magnum现在没有调度模块，因为现在支持的CoE有Swarm和Kubernetes，所以对Container的调度，完全是通过Kubernetes和Swarm本身的调度器来工作的，Magnum只是负责将用户创建container的请求进行转发，转发到对应的CoE，最终的请求由具体的backend去调度。
Magnum现在也支持对Docker进行管理，但是因为没有调度，目前建议对Docker的管理通过Swarm
Bay来进行管理，因为Swarm是Docker官方的Docker集群管理工具。
Magnum现在还支持Multi tenant，每个租户可以有自己的bay，baymodel，pod，service，rc等等，这样可以保证不同租户的资源隔离。每个租户只能看到和操作属于自己的资源。
Magnum现在本身不管理Docker的网络，都是通过上层的CoE自己去管理的，例如Kubernetes的bay现在通过flannel去管理，其实用的还是tunnel技术。
3.5 Magnum Bay
上图是Magnum目前支持的两个bay，Kubernetes和Swarm，Bay创建完成后，可以直接通过Magnum
API和Kubernetes或者Swarm交互创建container。Magnum现在自己通过swagger实现了一套kubernetes
api，magnum通过kubernetest的rest api来和后台的kubernetes交互。
3.6 Magnum Roadmap
3.6.1网络
第一个是网络，网络永远是热门话题，不管是在哪次峰会，现在Magnum也碰到了同样的问题：Container的网络怎样管理，现在主要是通过Kubernetes依赖于overlay
network的flannel来管理，但是因为flannel的性能和扩展性的问题，Magnum社区正在讨论对网络方面进行改进，例如和libnetwork或者neutron集成。这个bp在这https://blueprints.launchpad.net/magnum/
spec/native-Docker-network，非常欢迎对Docker网络感兴趣的人参与讨论及实现。Magnum现在非常需要对网络比较熟的人来共同推动这个bp。我现在在调查libnetwork，看能不能在Magnum去使用。
3.6.2 Mesos支持
另外一个是因为现在能够提供容器服务的工具很多，Mesos也是比较流行的一个，所以Magnum正在计划把Mesos集成进来，提供容器服务。这个bp在这https://blueprints.launchpad.net/magnum/
spec/mesos-bay-type 第一版的Mesos支持，会是Mesos Marathon这样一个组合。因为如果不依赖一个framework的话，mesos很难去使用。
3.6.3 Magnum界面
还有就是Magnum打算在L版做一个GUI界面，让用户更简单的使用Magnum。现在这个bp正在review
https://review.OpenStack.org/#/c/188958/
3.7 使用Magnum
3.7.1 检查所有Baymodel
首先是通过命令”Magnum baymodel-list”查看Magnum中现在的所有的baymodel，可以看到现在主要有两个OOB的baymodel：kubernetes和swarm
3.7.2 查看Baymodel详细信息
通过“baymodel-show”查看Kubernetes Baymodel的详细信息
3.7.3 创建Kubernetes Bay
通过“bay-create”创建了一个有两个minions节点的kubernetes
bay
3.7.4 检查Kubernetes Bay拓扑结构
因为Kubernetes的bay实际上是heat的一个stack，所以创建后，可以通过horizon查看stack拓扑结构的显示，从这里边可以看到heat创建kubernetes
bay的所有对象。
3.7.5 检查Magnum Bay
我们可以通过bay-list查看bay的状态，从这个图可以看到Kubernets
Bay已经创建完成了
3.7.6创建Kubernetes Pod
在Kubernetes bay的基础上通过“pod-create”创建一个nginx
pod，在这主要是通过Magnum的命令行创建这个pod。
3.7.7检查Kubernetes Pod
创建完成后，可以通过Magnum “pod-list”，“pod-show”来查看pod状态
3.7.8 Swarm相关
我们可以用同样的方法来创建swarm的bay，通过swarm的bay来提供container
service。
DockOne技术分享（九）：持续集成和“云”
今天的话题是，持续集成和“云”，主要部分是我之前两年的工作和我的一些个人思考。
这个话题我之前在中国的ruby大会上讲过，slides在这里 ，供参考，不过但是现在讲的内容根据最近多半年的工作进展又有所变化。
先自我介绍一下，我是软件工程师，从业13年，主要从事的领域都是应用系统开发，涉及OA、电信网管/增值业务、互联网等领域。
2009年底加入阿里，2015年4月离职，主要做的事情：广告应用系统 -> 运维自动化平台 ->
持续集成服务平台。
最后的持续集成服务平台是来自于实践需要，我最先在做广告业务系统的研发工作，广告系统虽然复杂，但是其中的应用系统从软件架构上看并没有什么特别的地方，所以希望将精力投在可以改进团队工作水平的地方。
一开始是一个运维自动化平台，由于团队人手有限，我基本是一个人做的，发现开发效率很好，软件质量也不错，所以在工作中总结了一些质量改进的实践，在团队中推广，这是我从研发进入QA的起点。
经过一段时间摸索，我们发现测试自动化搞不起来的原因之一是成本太高。
我之前习惯用ruby或者rails，所有的测试都可以单机完成，用cucumber这样的工具可以做BDD，用vagrant可以避免环境污染，所以自动化没问题。而java就没有这些条件了，数据库掌握在DBA手里，测试的linux是大家公用的，很容易引起冲突。
于是我和主管商量，决定搞一个平台，通过它降低研发成本，在本团队开展一段时间以后，又带着系统转到技术质量部，把CISE做大，测试部门成立了专门的团队，离职前已经开始在各bu和研发团队广泛运用
对CI的理解
持续集成平台究竟解决什么问题呢？
简单说，就是两个自动化：
构建自动化
测试自动化
测试自动化好理解，构建自动化比想象中要复杂一些，我一般用下面这张图来解释——
我们手里的软件，总是可以进行不断地分解，从系统到模块，最后到类和方法。由于整体和部分的功能不能完全划等号，所以测试需要在各个层面上进行，但是这些测试的成本和收益有所不同。
如图，我之前感到java开发的痛苦，就源于工程师手中没有更上层的“武器”，所以只能在单测上用力。
所以，如果我们能做好更大尺度系统的自动化的构建，那么研发人员也就有机会使用“高层”的自动化测试，而避免在细节上写太多的用例。
但这个并不容易，我们的努力也只是起到了一部分作用。
平台介绍
下面说一下这个平台本身，由于涉及到阿里巴巴内部系统，有些是不能说的，不过还好，核心部分并没啥技术含量
:-)
很多人对CI的了解是基于jenkins，当然也有些人接触过travis CI或者circle CI，我们的系统更像后者，当然功能上要更强些。
平台的起点是公司的gitlab和svn服务，通过自动监控或者hook触发，每一次代码提交都会触发一个自动化过程，在这个过程中，平台负责分配虚拟机、数据库等必要资源，然后将代码编译打包构建运行。
编译打包构建运行看起来是一个自动化过程，但每个环节实际上都可以有验证——这其实就是各种测试。
编译前可以做代码扫描（有的语言是编译后做代码扫描）
编译之后可以做单测
打包运行后可以做集成测试
......
和travis不同的是，如果目标涉及多个应用，之间存在服务调用，那么我们还会自动的将相关应用也部署好，然后在一个机器群里面做更接近真实场景的功能测试。
做过类似工作的同学一定知道这一点的代价有多大，但这样会有很大好处——我们可以在一次commit后自动进行所有层面的测试——从单测到系统交付测试。
当然这是理论上的，实际中可以根据研发团队需要进行选择。
总结一下，我们认为，CI平台应该能进行所有粒度的测试，最小针对函数，最大可以针对分布式系统。作为前提，CI平台需要支持整个系统的自动化构建。
这个大概是和travis CI之间最大的不同，下面再列几个不是很重要的区别。
使用云平台解决虚机问题，身在阿里巴巴，所以我们使用阿里云的ECS，需要资源是随时申请，用过以后立即释放重置。
这样可以解决环境污染的问题（即使是java应用，有些团队也会留下本地文件操作，这些东西会导致测试不可重复）。
数据库自动分配，我们构建了mysql集群，不过不是一般意义上的那种协作集群，而是一个数据库池，让数据库和虚机一样随用随取，用后重置。
这样做是为了让java程序员也可以像rails的db migration一样可以用到干净的数据库。
对这个平台的介绍就这些，下面讨论一些经验教训。
经验教训
UI应该尽量轻
这个话题要和jenkins/hudson做对比，这两个系统我其实不是很熟，不过也知道它们都是很强大的自动化系统。但是，jenkins/hudson的最大问题是，它们的UI做的太多了，用户可以在UI上做很多事——很多和CI没关系的事情。
举个例子：
jenkins的任务是可以排队调度的，而对于CI来说，排队是什么意思呢？研发工程师养成持续小步提交代码这个好习惯以后，又硬生生由于资源不足而被迫等待，最终可能会放弃这个好习惯，实在是不划算。
我们的办法是——敞开供应，只要有代码提交就分配机器，当然有人会质疑，因为这会导致需要一个很大的资源后备池，不过这可能正是“云”时代的不同思考方式——在“云”的时代，资源的使用毛刺应该通过大规模后备池来抹平。
当然，滥用资源还是要避免的，只是我们认为需要“后置惩罚”，比如通过审计，找出资源消耗大户，打他的板子
:-P
当我们把所有的额外功能都剥掉以后，发现UI其实就一个作用——展现，因为CI需要的是完全的自动化，人工本来就不需要介入，只要最后被notify一下，或者偶尔过来在web上看看报表趋势什么的就够了。
CI是服务加最佳实践
我们理解的第二个经验就是，搞CI，是服务加最佳实践，所以一定要指导研发团队，而不能完全任由研发团队提要求，很多团队的工程师良莠不齐，对各种编程api比较熟悉，但是可能缺乏做事的好习惯，这时需要指导他们，当然前提是你也要对开发很了解才行，否则会被鄙视的
:-P
对CI来说，最大的常见麻烦是不写测试，这个一般是通过管理教育，比较简单。
另外一个隐藏的比较深——开发人员对系统的运行并不了解，比如开发的系统运行在linux上，但是基本的命令都不会。
这个问题我们遇到了挑战，有人认为这涉及到分工，研发工程师不应该了解线上，但是这个观点是有问题的。
因为很多bug和环境相关，如果开发人员不能在”真“的环境中尝试，一旦系统报错，很难不发生扯皮——这个扯皮可能发生在开发和测试之间，更可怕的是发生在线上，光定位就需要N多人参与，成本极大。
插件
最后是插件的问题，这个说来简单——插件能解决一些问题，不过插件设计之初实际上就限制了其使用，所以我总结的教训就是：先别急着做插件，想好了设计再动手。
DockOne技术分享（十）：跨主机的 --link
这次技术分享的内容是做到跨主机的容器定位通信，取代了--link无法跨主机和互通的障碍。
阅读本文之前，请先阅读我的上一篇文章，让容器跨主机互相访问，通过自制路由器广播路由条目互相学习。
来让一个LAN里的Docker主机全部知道对方网络的下一跳怎么走，但是解决了刚需之后，又一个很大的问题告诉我，Docker在重启容器或者服务之后会更改自己的IP地址。
就像配置思科路由器的 ip local pool （不是DHCP服务）不会释放地址池等等，所以在不能很轻易固定IP的情况下，我想到了域名解析。但怎么让DNS服务器去知道容器的IP和名字呢？我查阅了一些资料发现DDNS是很适合这个需求。但是DDNS
是配合DHCP的，docker0却不是，Docker容器不会从DHCP服务器请求地址。
在有一天无意中看到了etcd GitHub里的文档，有一些根据etcd开发的开源软件，不仅有服务发现，还有两个DNS服务。比较了学习成本后，我选择了
skydns+etcd，skydns是Golang写的。
只想要etcd里提交信息，skydns就能读取到，无需重启服务，这非常的方便，就是怎么让容器去告诉etcd
域名和IP地址呢？Docker容器的好处就是启动脚本可以自定义。
我在启动脚本里添加一条curl或者etcdctl每次启动容器的时候容器读取自己的hostname还有IP地址发送给etcd服务器就可以。
比如我有2个Tomcat和1个Nginx都是容器化的：
tomcat1.hypers.local tomcat2.hypers.local |
在Nginx的upstream里将server的地址变成tomcat1.hypers.local:8080
tomcat2.hypers.local:8080。这样我就忘记了 容器的IP，也忘记了它在哪台主机上。
只要DNS能解析出他们的IP就可以了,因为 docker容器是取宿主的 nameserver 所以这个dns如何指定地址无需担心。只要宿主是skydns的地址就行，启动etcd+skydns是非常简单的，etcd
启动命令我想大家玩过k8s的都会。
skydns是0配置的，可以读取etcd里的skydns信息。也可以自己 skydns -后面加参数启动，我已经把skydns
Docker化了，就不麻烦大家编译了，在灵雀云上的georce的仓库里能找到。
skydns搭建在etcd服务器上
curl -XPUT http://127.0.0.1:4001/v2/keys/skydns/config \
-d value='{"dns_addr":"0.0.0.0:53", "domain":".local.", "nameservers": ["223.5.5.5:53","114.114.114.114:53"]}'
docker pull index.alauda.cn/georce/skydns
docker run -itd --name=skydns --net=host index.alauda.cn/georce/skydns |
容器启动脚本
curl -XPUT http://$ETCD:4001/v2/keys/skydns/local/$DOMAIN/"`hostname -s`" \
-d value='{"host":"'`ip a | grep "scope global eth0" | awk '{print$2}' | grep -o '\([0-9]\{1,3\}\.\)\{3\}[0-9]\{1,3\}'`'"}'
etcdctl -C $ETCD_HOST:4001 --no-sync set /skydns/local/$DOMAIN/"`hostname
-s `" '{"host":"'`ip a | grep
"scope global eth0" | grep -o '\([0-9]\{1,3\}\.\)\{3\}[0-9]\{1,3\}'`'"}' |
这两条命令代表同一个意思，hostname是根据启动容器时的命令，比如
docker run -itd --name=java --hostname=tomcat1 |
$DOMAIN 是docker run -itd -e DOMAIN=hypers
我默认都是用的local最后根域，连起来就是 tomcat1.hypers.local。就像我网络那篇文章最后用win7访问无端口映射过的Nginx。nginx.hypers.local
也是可以访问的，只要我win7的dns是指向skydns。
Skydns里可以设置DNS转发给223.5.5.5 或者114.114.114.114 所以无需担心不能上网。
|
