内容简介:自动伸缩是每个人都想要的,尤其是在微服务领域。让我们看看如何在基于Spring Boot的应用程序中实现。我们决定使用今天,我将向您展示如何使用以下框架/工具实现这样的解决方案:
自动伸缩是每个人都想要的,尤其是在微服务领域。让我们看看如何在基于Spring Boot的应用程序中实现。
我们决定使用 Kubernetes
、 Pivotal Cloud Foundry
或 HashiCorp's Nomad
等 工具 的一个更重要的原因是为了让系统可以自动伸缩。当然,这些工具也提供了许多其他有用的功能,在这里,我们只是用它们来实现系统的自动伸缩。乍一看,这似乎很困难,但是,如果我们使用 Spring Boot
来构建应用程序,并使用 Jenkins
来实现 CI
,那么就用不了太多工作。
今天,我将向您展示如何使用以下框架/工具实现这样的解决方案:
-
Spring Boot
-
Spring Boot Actuator
-
Spring Cloud Netflix Eureka
-
Jenkins CI
它是如何工作的
每一个包含 Spring Boot Actuator
库的 Spring Boot
应用程序都可以在 /actuator/metrics
端点下公开 metric
。许多有价值的 metric
都可以提供应用程序运行状态的详细信息。在讨论自动伸缩时,其中一些 metric
可能特别重要: JVM
、CPU metric
、正在运行的线程数和HTTP请求数。有专门的 Jenkins
流水线通过按一定频率轮询 /actuator/metrics
端点来获取应用程序的指标。如果监控的任何 metric
【指标】低于或高于目标范围,则它会启动新实例或使用另一个 Actuator
端点 /actuator/shutdown
来关闭一些正在运行的实例。在此之前,我们需要知道当前有那些实践在提供服务,只有这样我们才能在需要的时候关闭空闲的实例或启动新的新例。
在讨论了系统架构之后,我们就可以继续开发了。这个应用程序需要满足以下要求:它必须有公开的可以优雅地关闭应用程序和用来获取应用程序运行状态 metric
【指标】的端点,它需要在启动完成的同时就完成在Eureka的注册,在关闭时取消注册,最后,它还应该能够从空闲端口池中随机获取一个可用的端口。感谢 Spring Boot
,只需要约五分钟,我们可以轻松地实现所有这些机制。
动态端口分配
由于可以在一台机器上运行多个应用程序实例,所以我们必须保证端口号不冲突。幸运的是, Spring Boot
为应用程序提供了这样的机制。我们只需要将 application.yml
中的 server.port
属性设置为 0
。因为我们的应用程序会在 Eureka
中注册,并且发送唯一的标识 instanceId
,默认情况下这个唯一标识是将字段 spring.cloud.client.hostname
, spring.application.name
和 server.port
拼接而成的。
示例应用程序的当前配置如下所示。
可以看到,我通过将端口号替换为随机生成的数字来改变了生成 instanceId
字段值的模板。
spring: application: name: example-service server: port: ${PORT:0} eureka: instance: instanceId: ${spring.cloud.client.hostname}:${spring.application.name}:${random.int[1,999999]}
启用Actuator的Metric
为了启用 Spring Boot Actuator
,我们需要将下面的依赖添加到 pom.xml
。
<dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-actuator</artifactId> </dependency>
我们还必须通过HTTP API将属性 management.endpoints.web.exposure.include
设置为 '*'
来暴露 Actuator
的端点。现在,所有可用的指标名称列表都可以在 /actuator/metrics
端点中找到,每个指标的详细信息可以通过 /actuator/metrics/{metricName}
端点查看。
优雅地停止应用程序
除了查看 metric
端点外, Spring Boot Actuator
还提供了停止应用程序的端点。然而,与其他端点不同的是,缺省情况下,此端点是不可用的。我们必须把 management.endpoint.shutdown.enabled
设为 true
。在那之后,我们就可以通过发送一个 POST
请求到 /actuator/shutdown
端点来停止应用程序了。
这种停止应用程序的方法保证了服务在停止之前从 Eureka
服务器注销。
启用Eureka自动发现
Eureka
是最受欢迎的发现服务器,特别是使用 Spring Cloud
来构建微服务的架构。所以,如果你已经有了微服务,并且想要为他们提供自动伸缩机制,那么 Eureka
将是一个自然的选择。它包含每个应用程序注册实例的IP地址和端口号。为了启用 Eureka
客户端,您只需要将下面的依赖项添加到 pom.xml
中。
<dependency> <groupId>org.springframework.cloud</groupId> <artifactId>spring-cloud-starter-netflix-eureka-client</artifactId> </dependency>
正如之前提到的,我们还必须保证通过客户端应用程序发送到 Eureka
服务器的 instanceId
的唯一性。在“动态端口分配”中已经描述了它。
下一步需要创建一个包含内嵌 Eureka
服务器的应用程序。为了实现这个功能,首先我们需要在 pom.xml
中添加下面这个依赖:
<dependency> <groupId>org.springframework.cloud</groupId> <artifactId>spring-cloud-starter-netflix-eureka-server</artifactId> </dependency>
这个 main类
需要添加 @EnableEurekaServer
注解。
@SpringBootApplication @EnableEurekaServer public class DiscoveryApp { public static void main(String[] args) { new SpringApplicationBuilder(DiscoveryApp.class).run(args); } }
默认情况下,客户端应用程序尝试使用 8761
端口连接 Eureka
服务器。我们只需要单独的、独立的 Eureka
节点,因此我们将禁用注册,并尝试从另一个 Eureka
服务器实例中获取服务列表。
spring: application: name: discovery-service server: port: ${PORT:8761} eureka: instance: hostname: localhost client: registerWithEureka: false fetchRegistry: false serviceUrl: defaultZone: http://localhost:8761/eureka/
我们将使用 Docker
容器来测试上面的自动伸缩系统,因此需要使用 Eureka
服务器来准备和构建 image
。
Dockerfile
和 image
的定义如下所示。
我们可以使用命令 docker build -t piomin/discovery-server:2.0
来进行构建。
FROM openjdk:8-jre-alpine ENV APP_FILE discovery-service-1.0-SNAPSHOT.jar ENV APP_HOME /usr/apps EXPOSE 8761 COPY target/$APP_FILE $APP_HOME/ WORKDIR $APP_HOME ENTRYPOINT ["sh", "-c"] CMD ["exec java -jar $APP_FILE"]
为弹性伸缩构建一个Jenkins流水线
第一步是准备 Jenkins
流水线,负责自动伸缩。我们将创建 Jenkins
声明式流水线,它每分钟运行一次。可以使用 triggers
指令配置执行周期,它定义了自动化触发流水线的方法。我们的流水线将与 Eureka
服务器和每个使用 Spring Boot Actuator
的微服务中公开的 metric
端点进行通信。
测试服务的名称是 EXAMPLE-SERVICE
,它和定义在 application.yml
文件 spring.application.name
的属性值(大写字母)相同。被监控的 metric
是运行在Tomcat容器中的HTTP listener
线程数。这些线程负责处理客户端的HTTP请求。
pipeline { agent any triggers { cron('* * * * *') } environment { SERVICE_NAME = "EXAMPLE-SERVICE" METRICS_ENDPOINT = "/actuator/metrics/tomcat.threads.busy?tag=name:http-nio-auto-1" SHUTDOWN_ENDPOINT = "/actuator/shutdown" } stages { ... } }
使用Eureka整合Jenkins流水线
流水线的第一个阶段负责获取在 discovery
服务器上注册的服务列表。 Eureka
发现了几个HTTP API端点。其中一个是 GET /eureka/apps/{serviceName}
,它返回一个给定服务名称的所有活动实例列表。我们正在保存运行实例的数量和每个实例 metric
端点的URL。这些值将在流水线的下一个阶段中被访问。
下面的流水线片段可以用来获取活动应用程序实例列表。 stage
名称是 Calculate
。我们使用 HTTP请求插件 来发起HTTP连接。
stage('Calculate') { steps { script { def response = httpRequest "http://192.168.99.100:8761/eureka/apps/${env.SERVICE_NAME}" def app = printXml(response.content) def index = 0 env["INSTANCE_COUNT"] = app.instance.size() app.instance.each { if (it.status == 'UP') { def address = "http://${it.ipAddr}:${it.port}" env["INSTANCE_${index++}"] = address } } } } } @NonCPS def printXml(String text) { return new XmlSlurper(false, false).parseText(text) }
下面是 Eureka
API对我们的微服务的示例响应。响应 content-type
是 XML
。
使用Spring Boot Actuator整合Jenkins流水线
Spring Boot Actuator
使用 metric
来公开端点,这使得我们可以通过名称和选择性地使用标签找到 metric
。在下面可见的流水线片段中,我试图找到 metric
低于或高于阈值的实例。如果有这样的实例,我们就停止循环,以便进入下一个阶段,它执行向下或向上的伸缩。应用程序的IP地址是从带有 INSTANCE_
前缀的流水线环境变量获取的,这是在前一阶段中被保存了下来的。
stage('Metrics') { steps { script { def count = env.INSTANCE_COUNT for(def i=0;i 100) return "UP" else if (value.toInteger() < 20) return "DOWN" else return "NONE" }
关闭应用程序实例
在流水线的最后一个阶段,我们将关闭运行的实例,或者根据在前一阶段保存的结果启动新的实例。通过调用 Spring Boot Actuator
端点可以很容易执行停止操作。在接下来的流水线片段中,首先选择了 Eureka
实例。然后我们将发送 POST
请求到那个ip地址。
如果需要扩展应用程序,我们将调用另一个流水线,它负责构建 fat JAR
并让这个应用程序在机器上跑起来。
stage('Scaling') { steps { script { if (env.SCALE_TYPE == 'DOWN') { def ip = env["INSTANCE_0"] + env.SHUTDOWN_ENDPOINT httpRequest url: ip, contentType: 'APPLICATION_JSON', httpMode: 'POST' } else if (env.SCALE_TYPE == 'UP') { build job: 'spring-boot-run-pipeline' } currentBuild.description = env.SCALE_TYPE } } }
下面是 spring-boot-run-pipeline
流水线的完整定义,它负责启动应用程序的新实例。它先从 git
仓库中拉取源代码,然后使用 Maven
命令编译并构建二进制的jar文件,最后通过在 java -jar
命令中添加 Eureka
服务器地址来运行应用程序。
pipeline { agent any tools { maven 'M3' } stages { stage('Checkout') { steps { git url: 'https://github.com/piomin/sample-spring-boot-autoscaler.git', credentialsId: 'github-piomin', branch: 'master' } } stage('Build') { steps { dir('example-service') { sh 'mvn clean package' } } } stage('Run') { steps { dir('example-service') { sh 'nohup java -jar -DEUREKA_URL=http://192.168.99.100:8761/eureka target/example-service-1.0-SNAPSHOT.jar 1>/dev/null 2>logs/runlog &' } } } } }
扩展到多个机器
在前几节中讨论的算法只适用于在单个机器上启动的微服务。如果希望将它扩展到更多的机器上,我们将不得不修改我们的架构,如下所示。每台机器都有 Jenkins
代理运行并与 Jenkins
master通信。如果想在选定的机器上启动一个微服务的新实例,我们就必须使用运行在该机器上的代理来运行流水线。此代理仅负责从源代码构建应用程序并将其启动到目标机器上。这个实例的关闭仍然是通过调用HTTP端点来完成。
假设我们已经成功地在目标机器上启动了一些代理,我们需要对流水线进行参数化,以便能够动态地选择代理(以及目标机器)。
当扩容应用程序时,我们必须将代理标签传递给下游流水线。
build job:'spring-boot-run-pipeline', parameters:[string(name: 'agent', value:"slave-1")]
调用
流水线具体由那个标签下的代理运行,是由" ${params.agent}
"决定的。
pipeline { agent { label "${params.agent}" } stages { ... } }
如果有一个以上的代理连接到主节点,我们就可以将它们的地址映射到标签中。由于这一点,我们能够将从 Eureka
服务器获取的微服务实例的IP地址映射到与 Jenkins
代理的目标机器上。
pipeline { agent any triggers { cron('* * * * *') } environment { SERVICE_NAME = "EXAMPLE-SERVICE" METRICS_ENDPOINT = "/actuator/metrics/tomcat.threads.busy?tag=name:http-nio-auto-1" SHUTDOWN_ENDPOINT = "/actuator/shutdown" AGENT_192.168.99.102 = "slave-1" AGENT_192.168.99.103 = "slave-2" } stages { ... } }
总结
在本文中,我演示了如何使用 Spring Boot Actuato
metric
来自动伸缩 Spring Boot
应用程序。使用 Spring Boot
提供的特性以及 Spring Cloud Netflix Eureka
和 Jenkins
,您就可以实现系统的自动伸缩,而无需借助于任何其他第三方工具。本文也假设远程服务器上也是使用 Jenkins
代理来启动新的实例,但是您也可以使用 Ansible
这样的工具来启动。如果您决定从 Jenkins
运行 Ansible
脚本,那么将不需要在远程机器上启动 Jenkins
代理。
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:- K8S水平伸缩器 - 自动伸缩微服务实例数量
- kubernetes自动伸缩
- 微服务实例自动弹性伸缩实践
- 在Kubernetes上部署和伸缩Jenkins
- Jenkins + DockerSwarm 实现弹性伸缩持续集成
- 基于Prometheus,Alermanager实现Kubernetes自动伸缩
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。
Flow-Based Programming (2nd Edition)
CreateSpace / 2010-5-14 / $69.95
Written by a pioneer in the field, this is a thorough guide to the cost- and time-saving advantages of Flow-Based Programming. It explains the theoretical underpinnings and application of this program......一起来看看 《Flow-Based Programming (2nd Edition)》 这本书的介绍吧!