内容简介:这是一篇翻译+自我理解实践。当你设计和构建应用程序时,你将面临两个重大挑战:
这是一篇翻译+自我理解实践。
使用消息队列,Spring Boot 和 Kubernetes 伸缩微服务
当你设计和构建应用程序时,你将面临两个重大挑战: 可伸缩性和健壮性(scalability and robustness) 。
您应该设计您的服务,即使它受到间歇性很大的负载,它仍然可靠地运行。
以Apple Store为例
每年都有数百万 Apple 客户预先注册购买新的 iPhone。这是数百万人同时购买物品。
如果您将 Apple 商店的流量描述为每秒请求数,那么这就是图形的样子:
现在想象一下,你的任务是构建这样的应用程序。
您正在建立一个商店,用户可以在那里购买自己喜欢的商品。 您构建了一个微服务来呈现网页并提供静态资产。 您还构建了一个后端 REST API 来处理传入的请求。 您希望将两个组件分开,因为使用相同的 REST API 可以为网站和移动应用程序提供服务。
今天是很重要的一天,你的商店上线了。
您决定将应用程序扩展为前端的四个实例和后端的四个实例,因为您预测网站比平常更大压力。
您开始接收越来越多的流量,前端服务正在处理流量。 您注意到连接到数据库的后端正在努力跟上事务的数量。 不用担心,您可以将后端的副本数量扩展为8。
您收到了越来越多的流量,后端无法应对。一些服务开始丢弃连接。愤怒的客户与您的客户服务取得联系。现在你正在处理流量。你的后端无法应付它,它会失去很多连接。
你将损失一大笔钱,并且你的用户也不高兴。 您的应用程序并非设计为健壮且高度可用:
- 前端和后端紧密耦合 - 实际上它不能在没有后端的情况下处理应用程序
- 前端和后端必须一致扩展 - 如果没有足够的后端,你可能会被淹没在流量中
- 如果后端不可用,则无法处理传入的事务。
失去了交易也就是收入受损了。
您可以重新设计体系结构,以便将前端和后端与队列分离。
前端将消息发布到队列,而后端则一次处理一个待处理消息。
新架构有一些明显的好处:
- 如果后端不可用,则队列充当缓冲区
- 如果前端产生的消息多于后端可以处理的消息,则这些消息将缓冲在队列中
- 您可以独立于前端扩展后端 - 即您可以拥有数百个前端服务和后端的单个实例
太好了,但是你如何构建这样的应用程序?
您如何设计可处理数十万个请求的服务? 您如何部署动态扩展的应用程序? 在深入了解部署和扩展的细节之前,让我们关注应用程序。
编写Spring应用程序
该服务有三个组件:前端,后端和消息代理。
前端是一个简单的Spring Boot Web应用程序,带有Thymeleaf模板引擎。
后端是一个消耗队列消息的工作者。 由于Spring Boot与JMS的集成非常好,因此您可以使用它来发送和接收异步消息。 您可以在 learnk8s/spring-boot-k8s-hpa 中找到一个带有连接到 JMS 的前端和后端应用程序的示例项目。
请注意,该应用程序是用 Java 10编写的,以利用改进的 Docker 容器集成。
只有一个代码库,您可以将项目配置为作为前端或后端运行。 您应该知道该应用程序具有:
- 你可以购买物品的主页
- 管理面板,您可以在其中检查队列中的消息数
- 一个 /health 端点,用于在应用程序准备好接收流量时发出信号
- 一个 /submit 端点,从表单接收提交并在队列中创建消息
- 一个 /metrics 端点,用于公开队列中待处理消息的数量(稍后将详细介绍)
该应用程序可以在两种模式下运行:
作为前端,应用程序呈现人们可以购买物品的网页。
作为工作者,应用程序等待队列中的消息并处理它们。
请注意,在示例项目中,使用 Thread.sleep(5000)
等待五秒钟来模拟处理。
您可以通过更改 application.yaml
中的值来在任一模式下配置应用程序。
纯粹的运行应用程序
默认情况下,应用程序作为前端和工作程序启动。
您可以运行该应用程序,只要您在本地运行 ActiveMQ 实例,您就应该能够购买物品并让系统处理这些物品。
如果您检查日志,您应该看到工作人员处理项目。
正常!
编写Spring Boot应用程序很容易。
一个更有趣的主题是学习如何将Spring Boot连接到消息代理。
使用JMS发送和接收消息
Spring JMS(Java消息服务)是一种使用标准协议发送和接收消息的强大机制。
如果您以前使用过 JDBC API,那么您应该熟悉 JMS API,因为它的工作方式类似。
您可以使用 JMS 使用的最流行的消息代理是 ActiveMQ - 一个开源消息服务器。
使用这两个组件,您可以使用熟悉的接口(JMS)将消息发布到队列(ActiveMQ),并使用相同的接口来接收消息。
更妙的是,Spring Boot与JMS完美集成,因此您可以立即加速。 实际上,以下短类封装了用于与队列交互的逻辑:
@Component public class QueueService implements MessageListener { private static final Logger LOGGER = LoggerFactory.getLogger(QueueService.class); @Autowired private JmsTemplate jmsTemplate; public void send(String destination, String message) { LOGGER.info("sending message='{}' to destination='{}'", message, destination); jmsTemplate.convertAndSend(destination, message); } @Override public void onMessage(Message message) { if (message instanceof ActiveMQTextMessage) { ActiveMQTextMessage textMessage = (ActiveMQTextMessage) message; try { LOGGER.info("Processing task " + textMessage.getText()); Thread.sleep(5000); LOGGER.info("Completed task " + textMessage.getText()); } catch (InterruptedException e) { e.printStackTrace(); } catch (JMSException e) { e.printStackTrace(); } } else { LOGGER.error("Message is not a text message " + message.toString()); } } }
您可以使用 send
方法将消息发布到命名队列。
此外,Spring Boot将为每个传入消息执行 onMessage
方法。
最后一个难题是指示Spring Boot使用该类。 您可以通过在Spring Boot应用程序中 注册侦听器来在后台处理消息 ,如下所示:
@SpringBootApplication @EnableJms public class SpringBootApplication implements JmsListenerConfigurer { @Autowired private QueueService queueService; public static void main(String[] args) { SpringApplication.run(SpringBootApplication.class, args); } @Override public void configureJmsListeners(JmsListenerEndpointRegistrar registrar) { SimpleJmsListenerEndpoint endpoint = new SimpleJmsListenerEndpoint(); endpoint.setId("myId"); endpoint.setDestination("queueName"); endpoint.setMessageListener(queueService); registrar.registerEndpoint(endpoint); } }
其中id是使用者的唯一标识符,destination是队列的名称。 您可以从Github上的项目中完整地 读取Spring队列服务的源代码 。
请注意您是如何在少于40行代码中编写可靠队列的。
你必须喜欢Spring Boot。
您在部署时节省的所有时间都可以专注于编码
您已经验证了应用程序的工作原理,现在是时候部署它了。
此时,您可以启动VPS,安装Tomcat,花些时间制作自定义脚本来测试,构建,打包和部署应用程序。
或者您可以编写一个您希望拥有的描述:一个消息代理和两个部署了负载均衡器的应用程序。
诸如Kubernetes之类的协调员可以阅读您的愿望清单并提供正确的基础设施。 由于花在基础架构上的时间减少意味着更多的时间编码,这次你将把应用程序部署到Kubernetes。
但在开始之前,您需要一个Kubernetes集群。
您可以注册 Google Cloud Platform 或 Azure 并使用云提供商 Kubernetes 产品。 或者,您可以在将应用程序移动到云之前在本地尝试Kubernetes。
minikube是一个打包为虚拟机的本地Kubernetes集群。
如果您使用的是Windows,Linux和Mac,那就太好了,因为创建群集需要五分钟。
您还应该安装kubectl,即连接到群集的客户端。 您可以从官方文档中找到有关如何安装minikube和kubectl的说明。
如果您在Windows上运行,则应查看有关如何安装Kubernetes和Docker的详细指南。
您应该启动一个具有8GB RAM和一些额外配置的集群:
minikube start \ --memory 4096 \ --extra-config=controller-manager.horizontal-pod-autoscaler-upscale-delay=1m \ --extra-config=controller-manager.horizontal-pod-autoscaler-downscale-delay=2m \ --extra-config=controller-manager.horizontal-pod-autoscaler-sync-period=10s
如果你正在使用已经存在的 minikube 实例,则可以通过销毁 VM 来重新调整 VM 的大小。只需添加 --memory 4096
就不会有任何影响。
您应该使用以下命令验证安装是否成功:
kubectl get all
您应该看到一些资源列为表格。
集群已经准备就绪,也许您应该立即开始部署?
不是。
你必须先装好你的东西。
你应该安装 jq
- 一个轻量级且灵活的命令行 JSON 处理器。 你可以在官方网站上找到 更多关于jq的信息 。
什么比uber-jar更好?容器
部署到Kubernetes的应用程序必须打包为容器。
毕竟,Kubernetes是一个容器协调器,所以它本身无法运行你的jar。 容器类似于fat jar:它们包含运行应用程序所需的所有依赖项。
甚至JVM也是容器的一部分。
所以他们在技术上是一个更胖的fat jar。
将应用程序打包为容器的流行技术是Docker。
虽然最受欢迎,但Docker并不是唯一能够运行容器的技术。 其他受欢迎的选项包括 rkt
和 lxd
。
如果您没有安装Docker,可以按照Docker官方网站上的说明进行操作。 通常,您构建容器并将其推送到仓库中。
它类似于向Artifactory或Nexus发布 jar。
但在这种特殊情况下,您将在本地工作并跳过仓库部分。
实际上,您将直接在minikube中创建容器镜像。
首先,按照此命令打印的指令将Docker客户端连接到minikube:
minikube docker-env
请注意,如果切换终端,则需要重新连接minikube内的Docker守护程序。 每次使用不同的终端时都应遵循相同的说明。
并从项目的根目录构建容器镜像:
docker build -t spring-k8s-hpa .
您可以验证镜像是否已构建并准备好运行:
docker images | grep spring
非常好!
群集已准备好,您打包应用程序,也许您已准备好立即部署? 是的,您最终可以要求Kubernetes部署应用程序。
将您的应用程序部署到Kubernetes
您的应用程序有三个组件:
- 呈现前端的Spring Boot应用程序
- ActiveMQ作为消息代理
- 处理事务的Spring Boot后端
您应该单独部署这三个组件。
对于他们每个人你应该创建:
- 一个Deployment对象,描述部署的容器及其配置
- 一个Service对象,充当Deployment部署创建的应用程序的所有实例的负载均衡器
部署中的每个应用程序实例都称为Pod。
部署ActiveMQ
让我们从ActiveMQ开始吧。
您应该创建一个 activemq-deployment.yaml
文件,其中包含以下内容:
apiVersion: extensions/v1beta1 kind: Deployment metadata: name: queue spec: replicas: 1 template: metadata: labels: app: queue spec: containers: - name: web image: webcenter/activemq:5.14.3 imagePullPolicy: IfNotPresent ports: - containerPort: 61616 resources: limits: memory: 512Mi
该模板冗长但直接易读:
- 您从名为 webcenter/activemq 的官方仓库中请求了一个 activemq 容器
- 容器在端口61616上公开消息代理
- 为容器分配了512MB的内存
- 你要了一个副本 - 你的应用程序的一个实例
使用以下内容创建 activemq-service.yaml
文件:
apiVersion: v1 kind: Service metadata: name: queue spec: ports: - port: 61616 targetPort: 61616 selector: app: queue
幸运的是,这个模板更短!
yaml读取:
app:queue
您可以使用以下命令创建资源:
kubectl create -f activemq-deployment.yaml kubectl create -f activemq-service.yaml
您可以使用以下命令验证数据库的一个实例是否正在运行:
kubectl get pods -l=app=queue
部署前端
使用以下内容创建 fe-deployment.yaml
文件:
apiVersion: extensions/v1beta1 kind: Deployment metadata: name: frontend spec: replicas: 1 template: metadata: labels: app: frontend spec: containers: - name: frontend image: spring-boot-hpa imagePullPolicy: IfNotPresent env: - name: ACTIVEMQ_BROKER_URL value: "tcp://queue:61616" - name: STORE_ENABLED value: "true" - name: WORKER_ENABLED value: "false" ports: - containerPort: 8080 livenessProbe: initialDelaySeconds: 5 periodSeconds: 5 httpGet: path: /health port: 8080 resources: limits: memory: 512Mi
Deployment 看起来很像前一个。
但是有一些新的 fields:
- 有一个部分可以注入环境变量
- 有活动探测器,可以告诉您应用程序何时可以接受流量
使用以下内容创建 fe-service.yaml
文件:
apiVersion: v1 kind: Service metadata: name: frontend spec: ports: - nodePort: 32000 port: 80 targetPort: 8080 selector: app: frontend type: NodePort
您可以使用以下命令创建资源:
kubectl create -f fe-deployment.yaml kubectl create -f fe-service.yaml
您可以使用以下命令验证前端应用程序的一个实例是否正在运行:
kubectl get pods -l=app=fe
部署后端
使用以下内容创建 backend-deployment.yaml
文件:
apiVersion: extensions/v1beta1 kind: Deployment metadata: name: backend spec: replicas: 1 template: metadata: labels: app: backend annotations: prometheus.io/scrape: 'true' spec: containers: - name: backend image: spring-boot-hpa imagePullPolicy: IfNotPresent env: - name: ACTIVEMQ_BROKER_URL value: "tcp://queue:61616" - name: STORE_ENABLED value: "false" - name: WORKER_ENABLED value: "true" ports: - containerPort: 8080 livenessProbe: initialDelaySeconds: 5 periodSeconds: 5 httpGet: path: /health port: 8080 resources: limits: memory: 512Mi
使用以下内容创建 backend-service.yaml
文件:
apiVersion: v1 kind: Service metadata: name: backend spec: ports: - nodePort: 31000 port: 80 targetPort: 8080 selector: app: backend type: NodePort
您可以使用以下命令创建资源:
kubectl create -f backend-deployment.yaml kubectl create -f backend-service.yaml
您可以验证后端的一个实例是否正在运行:
kubectl get pods -l=app=backend
部署完成。 它真的有效吗?
您可以使用以下命令在浏览器中访问该应用程序:
minikube service backend
和
minikube service frontend
如果它有效,你应该尝试购买一些物品! 工人处理交易吗?
是的,如果有足够的时间,工作人员将处理所有待处理的消息。
恭喜你!
您刚刚将应用程序部署到Kubernetes!
手动伸缩以满足不断增长的需求
单个工作人员可能无法处理大量消息。
实际上,它当时只能处理一条消息。
如果您决定购买数千件物品,则需要数小时才能清除队列。
此时您有两种选择:
- 你可以手动扩容和缩容
- 您可以创建自动缩放规则以自动向上或向下扩容
让我们先从基础知识开始。
您可以使用以下方法将后端扩展为三个实例:
kubectl scale --replicas=5 deployment/backend
您可以验证Kubernetes是否创建了另外五个实例:
kubectl get pods
并且应用程序可以处理五倍以上的消息。
一旦工人排空队列,您可以缩小:
kubectl scale --replicas=1 deployment/backend
如果您知道最多的流量何时达到您的服务,手动扩大和缩小都很棒。
如果不这样做,设置自动缩放器允许应用程序自动缩放而无需手动干预。
您只需要定义一些规则。
公开应用程序指标
Kubernetes如何知道何时扩展您的申请?
很简单,你必须告诉它。
自动调节器通过监控指标来工作。
只有这样,它才能增加或减少应用程序的实例。
因此,您可以将队列的长度公开为度量标准,并要求 autoscaler 观察该值。
启用自动缩放器后,队列中的待处理消息越多,Kubernetes将创建的应用程序实例就越多。
那么你如何公开这些指标呢?
应用程序具有 /metrics
端点以显示队列中的消息数。
如果您尝试访问该页面,您会注意到以下内容:
# HELP messages Number of messages in the queue # TYPE messages gauge messages 0
应用程序不会将指标公开为 JSON 格式。
格式为纯文本,是公开 Prometheus 指标 的标准。
不要担心记忆格式。
大多数情况下,您将使用其中一个 Prometheus客户端库 。
在Kubernetes中使用应用程序指标
你几乎准备好自动缩放; 您应该首先安装指标服务器。
事实上,默认情况下,Kubernetes不会从您的应用程序中提取指标。
如果您愿意,您应该启用Custom Metrics API。
要安装Custom Metrics API,您还需要Prometheus - 时间序列数据库。
安装Custom Metrics API所需的所有文件都可以方便地打包在 learnk8s/spring-boot-k8s-hpa 中。
您应下载该存储库的内容,并将当前目录更改为该项目的 monitoring
文件夹中。
安装自定义 Metrics API
确保你在 monitoring
文件夹下:
cd monitoring
在 kube-system
命名空间中部署 Metrics Server:
kubectl create -f ./metrics-server
一分钟后,metrics-server 开始上报节点和 pod 的 CPU 和内存使用情况。
查看节点 metrics:
kubectl get --raw "/apis/metrics.k8s.io/v1beta1/nodes" | jq .
查看 pod metrics:
kubectl get --raw "/apis/metrics.k8s.io/v1beta1/pods" | jq .
创建监控命名空间:
kubectl create -f ./namespaces.yaml
在监控命名空间中部署Prometheus v2:
kubectl create -f ./prometheus
部署 Prometheus 自定义 metrics API 适配器:
kubectl create -f ./custom-metrics-api
列出 Prometheus 提供的自定义 metrics:
kubectl get --raw "/apis/custom.metrics.k8s.io/v1beta1" | jq .
获取监控命名空间中所有 pod 的 FS 使用情况:
kubectl get --raw "/apis/custom.metrics.k8s.io/v1beta1/namespaces/monitoring/pods/*/fs_usage_bytes" | jq .
任务完成!
您已准备好使用指标。
实际上,您应该已经找到了队列中消息数量的自定义指标:
kubectl get --raw "/apis/custom.metrics.k8s.io/v1beta1/namespaces/default/pods/*/messages" | jq .
恭喜,您有一个公开指标的应用程序和使用它们的指标服务器。
您最终可以启用自动缩放器!
这里需要调整一下
打包应用程序
你将应用程序打包为容器:
eval $(minikube docker-env) docker build -t spring-boot-hpa .
部署应用程序
使用以下命令在 Kubernetes 中部署应用程序:
kubectl create -f kube/deployment.yaml
这里需要调整一下
在Kubernetes中自动扩展部署
Kubernetes有一个名为 Horizontal Pod Autoscaler 的对象,用于监视部署并上下调整Pod的数量。
您将需要其中一个来自动扩展实例。
您应该创建一个包含以下内容的 hpa.yaml
文件:
apiVersion: autoscaling/v2beta1 kind: HorizontalPodAutoscaler metadata: name: spring-boot-hpa spec: scaleTargetRef: apiVersion: extensions/v1beta1 kind: Deployment name: backend minReplicas: 1 maxReplicas: 10 metrics: - type: Pods pods: metricName: messages targetAverageValue: 10
该文件含糊不清,让我为您翻译:
Kubernetes监视scaleTargetRef中指定的部署。在这种情况下,它是工人。 您正在使用消息指标来扩展您的Pod。当队列中有超过十条消息时,Kubernetes将触发自动扩展。 至少,部署应该有两个Pod。 Ten Pods是上限。 您可以使用以下命令创建资源:
kubectl create -f hpa.yaml
提交自动缩放器后,您应该注意到后端的副本数量是两个:
kubectl get pods
这是有道理的,因为您要求自动缩放器始终至少运行两个副本。
您可以检查触发自动缩放器的条件以及由此产生的事件:
kubectl describe hpa
自动定标器建议它能够将Pod扩展到2,并且它已准备好监视部署。
令人兴奋的东西,但它有效吗?
负载测试
只有一种方法可以知道它是否有效:在队列中创建大量消息。
转到前端应用程序并开始添加大量消息。
while true; do sleep 0.5; curl -d "quantity=1" http://<minikube ip>:32000/submit; done
在添加消息时,使用以下方法监视 Horizontal Pod Autoscaler 的状态:
kubectl describe hpa
Pod的数量从2上升到4,然后是8,最后是10。
该应用程序随消息数量而变化!
欢呼!
您刚刚部署了一个完全可伸缩的应用程序,该应用程序可根据队列中待处理消息的数量进
另外,缩放算法如下:
MAX(CURRENT_REPLICAS_LENGTH * 2,4)
在解释算法时,文档没有多大帮助。您可以在代码中找到详细信息。
此外,每分钟都会重新评估每个放大,而每两分钟缩小一次。
以上所有都是可以调整的设置。
但是你还没有完成。
什么比自动缩放实例更好? 自动缩放集群
跨节点扩展Pod非常有效。
但是,如果集群中没有足够的容量来扩展Pod,该怎么办?
如果您在群集中达到峰值容量,Kubernetes将使Pod处于挂起状态并等待更多资源可用。
如果您可以使用类似于 Horizontal Pod 自动缩放器的自动缩放器,但对于节点则会很棒。
好消息!
您可以拥有一个群集自动缩放器,可以在需要更多资源时为 Kubernetes 群集添加更多节点。
集群自动定标器有不同的形状和大小。
它也是特定于云提供商的。
请注意,您将无法使用 minikube 测试自动缩放器,因为它根据定义是单节点。
您可以在Github上找到有关集群自动调节器和云提供程序实现的更多信息。
总结
大规模设计应用程序需要仔细规划和测试。
基于队列的体系结构是一种出色的设计模式,可以解耦您的微服务并确保它们可以独立扩展和部署。
虽然您可以推出部署脚本,但利用Kubernetes等容器协调器可以更轻松地自动部署和扩展应用程序。
这就是所有!
感谢Nathan Cashmore和Andy Griffiths的反馈!
如果您喜欢这篇文章,您可能会发现有趣的阅读:
3个简单的技巧,用于较小的Docker镜像,并学习如何更快地构建和部署Docker镜像。 Kubernetes Chaos Engineering:经验教训 - 第1部分Kubernetes出现问题时会发生什么? Kubernetes可以从失败和自愈中恢复吗?
参考资料
茶歇驿站
一个可以让你停下来看一看,在茶歇之余给你帮助的小站,这里的内容主要是后端技术,个人管理,团队管理,以及其他个人杂想。
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网
猜你喜欢:- [译] 为什么要做特征缩放,怎么做特征缩放,什么时候做特征缩放?特征缩放三连了解一下
- 度量平台开发实践
- Metrics-服务指标度量
- 如何度量软件团队成员的技能?
- 用R语言实现信息度量
- 如何度量测试开发的价值产出?
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
The Probabilistic Method
Noga Alon、Joel H. Spencer / Wiley-Interscience / 2008-8-11 / USD 137.00
Praise for the Second Edition : "Serious researchers in combinatorics or algorithm design will wish to read the book in its entirety...the book may also be enjoyed on a lighter level since the diffe......一起来看看 《The Probabilistic Method》 这本书的介绍吧!