魅族云平台的定位是私有云平台，主要是用于支撑在线业务，用以替换传统的虚拟化方式。目前现状是2017年完成全国三个数据中心的建设，年内完成90%业务的迁移。

我们是以小团队紧跟 **s 社区步伐，快速迭代、低成本试错的方式来构建我们的平台的。同时，针对一些我们遇到的问题，做一些局部创新，在保证系统核心的随社区稳定升级的前提下，解决好非功能性问题。

对于 **s 集群构建，将从 **s 的单一镜像、**s 集群 master、minion 三个方面分别展开介绍。

**s?集群的安装部署是利用单一镜像?+ docker run?实现一键安装。为此将所有 **s 相关的描述文件、脚本和二进制全部打包成镜像，目的是实现集群的快速部署和升级。

为了能够实现自动加载，**s 集群核心组件使用了 Static Pod 方式。在自动修复方面，kubelet probe?可以实现?Pod?的自检，配置了自动重启。如果需要对核心组件进行升级，指定统一镜像的版本号即可实现核心组件升级更新。

controller manager 和 scheduler 服务在三台物理机实现集群 master 高可用。API Server?的高可用既可以通过负载均衡方式实现，也能通过?DNS?方式实现。

集群?controller mananger 重启可能会出现?Node?状态不同步的问题，因此对于核心组件状态，需要配置告警并及时检查有无异常状态。

硬件方面并没有固定的配置，尽量利用现有的资源。在我们的集群中，常见?minion?的配置是?24核 CPU(with ht)、128GB 内存以及千兆网卡。

**s 集群中 minion 作为计算节点，其上主要是各种业务的容器和 Systempods。

对于 minion 节点做了三个方面参数的优化，中断相关、TCPbacklog 和 swap。

minion 节点操作系统使用的是 centos 7，docker storage 使用的 devicemapper driver，日志基本写到外挂的 EmptyDir volume，docker 存储使用得很少。

我们为?EmptyDir Volume?专门开辟了普通分区，没有使用?lvm，因为日志量不好预估，遭遇过因为?lvm metadata?的事故。

使用?Device Mapper?还遭遇过?kernel issue，因此需要更新内核。

默认内核是3.10版本，长期维护的内核版本的是我们需要的。而且考虑到要对某些内核模块做?hacking，4.0及以上变化较大，hackingtcp_v4_syn_recv_sock 存在问题，所以我们最终选择了自行编译?3.16内核。

考虑到和?CMDB?的结合，minion 节点打上了?Label，例如标记它的功能是什么，物理位置信息,机柜等。这些信息对于?Pod?调度非常重要。包括?Pod?的?Node?亲和性，Pod?亲和性和反亲和性。

容器网络的方面我们采用的是 calico 的方案。主机通过 BGP 直接和核心路由设备对接，这里也可以用 RouteReflector 替代。

控制层面走 BGP，数据层面走三层路由。网络封包会经过主机的?netfilter框架,最后经由主机?forward chain 进入容器，默认都会被?conntrack。部署方面，Calico?通过 **s 的 Daemonset 方式，部署非常方便

优化主要是针对 conntrack，建议尽量使用?headless service，少产生?iptables rule。同时，对 conntrack 用量进行监控。容错方面，容器会主动去? ping?交换机，确保网络的连通性。当 calico 出现问题的时候，容器是不会加入服务的，由此来保证服务的可靠性。

对于我们系统，绝大部分流量来自外部 LVS，其可信任度高，默认的方式会产生大量的 conntrack 记录，所以应当把?LVS 过来的流量直接给?bypass conntrack。

经过生产实践效果验证，no mesh 模式的稳定性要优于?mesh?模式。异常处理主要分为 POD?主动检测网络和 calico 的整体健康监控告警。

我们做的是对外服务，大部分流量都是从外部打进来的，终端用户都是外部的客户，所以针对外部的访问做了4层和7层的负载均衡。我们做的是对外服务，大部分流量都是从外部打进来的，终端用户都是外部的客户，所以针对外部的访问做了4层和7层的负载均衡。

在4层接入上采用了是阿里开源的?Fullnat LVS 方案，看中了它运维方便、水平扩展性好。工作在4层的 LVS 服务既可以支持 TCP 同时也支持? UDP，流量从client 端经过 LVS 做?Fullnat?后到达 minion，应答直接路由回对应的LVS。

对于4层负载均衡的配置，是通过自动化方式来实现的，无需人工配置，可以自动在路由设备宣告?vip，并生成对应的?ECMP?路由。LVS 的?VirtualServer?配置也是自动生成的，VirtualServer?到?EndPoint ip?的自动映射。

我们对?LVS?控制程序做了改造，暴露了一些指标，包括网络和应用服务相关的数据，并以此实现了?Grafana?可视化和监控告警。

一方面是对 LVS 整体流量异常告警，另一方面 realserver (Pod) 做高延迟异常检测告警。

七层负载均衡采用的是 POD 里面跑 nginx+ingress controller，它的定位是业务专属的反向代理，能够实现自动扩缩容，面向的?upstream?主要是? Jetty?业务容器。

由于四层负载均衡采用的是 FullnatLVS，真正的终端 ip 地址已经被隐藏起来了，需要从 TCPoption 中获取。realserver 默认取到的是 LVS 的 local ip 地址，需要使用 TOA 模块来获取终端 ip。

开源版本的?TOA?一直没有升级，为此我们将其移植到?3.16，对于大多数业务来说，客户端?ip?地址是不可或缺的。

在把 nginx 容器化之后，踩了一些坑，其中一个是延迟过高。从 access.log 看，upstream 的 RT 时间长达几秒，而直接访问 upstream Pod 服务又是很快的，说明是 nginx 的问题。经分析后发现配置不合理，nginx 容器化之后缺少对 worker 数量和亲和性的优化。

按照默认配置，一台24核 CPU 的机器上，对于一个业务的?nginx，自动配置为?24个?worker?进程，而?cpu limit?往往只设置成?5、6个核，worker?没有?cpu?资源导致高延迟。同时，调整 worker?进程的亲和性，防止压力堆积在前几个核上。

Nginx 动态缩容需考虑柔性，比如某业务原来有3个 Nginx 容器，现在要缩成2个，被停掉这个 Nginx 容器需要做一些优雅退出的准备工作，否则可能导致服务整体响应延迟陡增。

这个 POD 一开始就从 LB 上被摘掉了，我们利用 Pod 的 prestop hook，等待并优雅退出。

扩容时，需要考虑启动时间和热身问题。有的业务可能需要几秒或几十秒，要有充足的初始化时间，否则，请求过去就会失败。

如果?Probe Timeout?设置得比较小，会导致?Pod?被强制重启或者摘除，导致整体服务的雪崩。在实际运行过程中，应根据监控情况对?CPU request?和?Hpa?配置持续优化。

监控采用的是 prometheus，开箱即用的整体方案。部署方面是在 **s 上部署成?Daemonsets?或者?Deployment，针对其特点会调度到特定的机型，通过类型拆分成几种 map 来方便管理。

监控指标包括两个方面，一个是硬指标，例如，从 nginx 获取当前业务的qps、http code 分布、当前整个业务的资源消耗情况以及后端的 jetty 消耗情况。

另一方面是业务的软指标，指的是内部指标，主要包括 jvm 的指标，内部的logger 相关，如?error?计数器。

日志的处理是收集到 elasticsearch 处理的。ES 的部署和 prometheus 类似也是 POD 的方式。部署 ES 的 datanode、master 和 client 需要关注线程数据和 CPU limit 的匹配问题。

日志收集容器试过使用?fluentd 进行收集，与业务容器共享一个存储，发现有日志滞后和资源消耗高的问题。用 filebeat 容器替代 fluentd 之后,资源占用率很小，消耗不到0.1核、内存不到?100M?就可以实现比较好的日志传输效果。

业务发布考虑到效率和交互性，需要给用户提供一个交互界面，能够生成?**s的资源描述文件，并能执行具体的?Action，如创建/更新/删除。

实现上是通过?json schema 的方式来描述所有参数，默认值+结合用户输入最终生成?**s?的资源描述文件。

利用 ansible 调用 kubectl 来实现自动化部署。实现了部署进度，发布历史管理，模板化部署。对于多集群管理，ansible 通过切换不同?**s?集群的?context，发布业务到不同机房。

对于镜像的选择我们的原则就是够小、够用，为了保证兼容性我们加入 glibc 支持。Docker 其实推荐只跑一个进程，但很多业务都是需要多个进程配合的，S6 用于应对这种场景，作为进程和服务的管理器来实现一些比较复杂的功能。

总的来说，这是一套低成本的私有云实现方案，核心部分持续享受到?**s?的红利，可以集中力量解决?4/7?层负载均衡及一些非功能性问题。同时，利用**s核心系统的能力，快速构建外部支撑系统，如监控、告警、日志、发布系统等，在很大程度上提高了效率和可维护性。