目录
单机容器编排:docker-compose
容器集群编排:docker swarm、mesos+marathon、kubernetes
应用编排:ansible
Kubernetes 的缩写为:K8S,这个缩写是因为k和s之间有八个字符的关系。
Kubernetes 是一个可移植的、可扩展的开源平台,用于管理容器化的工作负载和服务,可促进声明式配置和自动化。Kubernetes 拥有一个庞大且快速增长的生态系统。Kubernetesd 的服务、支持和工具广泛可用。
K8S由 google 的Borg系统 (博格系统,google内部使用的大规模容器编排工具) 作为原型,后经Go语言延用Borg的思路重写并捐献给CNCF基金会开源。
Kubernetes 这个名字源于希腊语**,意为“舵手”或“飞行员”。**
官网: https://kubernetes.io
GitHub: https://github.com/kubernetes/kubernetes
用于自动部署、扩展和管理容器化(containerized)应用程序的开源系统。
可以理解成K8S是负责自动化运维管理多个容器化程序(比如docker)的集群,是一个生态机器丰富的容器编排框架工具。
**容器是打包和运行应用程序的好方式。**在生产环境中,你需要管理运行应用程序的容器,并确保不会停机。 例如,如果一个容器发生故障,则需要启动另一个容器。如果系统处理此行为,会不会更容易?
这就是 Kubernetes 来解决这些问题的方法! Kubernetes 为你提供了一个可弹性运行分布式系统的框架。 Kubernetes 会满足你的扩展要求、故障转移、部署模式等。
K8S是Google开源的容器集群管理系统,在Docker等容器技术的基础上,为容器化的应用提供部署运行、资源调度、服务发现和动态伸缩等一系列完整功能,提高了大规模容器集群管理的便捷性。 其主要功能如下:
① 使用 Docker 等容器技术对应用程序包装(package)、实例化(instantiate)、运行(run)。
② 以集群的方式运行、管理跨机器的容器。
③ 解决 Docker 跨机器容器之间的通讯问题。
④ K8S 的自我修复机制使得容器集群总是运行在用户期望的状态。
弹性伸缩:使用命令、UI或者基于CPU使用情况自动快速扩容和缩容应用程序实例,保证应用业务高峰并发时的高可用性;业务低峰时回收资源,以最小成本运行服务。
自我修复:在节点故障时重新启动失败的容器,替换和重新部署,保证预期的副本数量;杀死健康检查失败的容器,并且在未准备好之前不会处理客户端请求,确保线上服务不中断。
服务发现和负载均衡:K8S为多个容器提供一个统一访问入口(内部IP地址和一个DNS名称),并且负载均衡关联的所有容器,使得用户无需考虑容器IP问题。
自动发布(默认滚动发布模式)和回滚:K8S采用滚动策略更新应用,一个更新一个Pod,而不是同时删除所有的Pod,如果更新过程中出现问题,将回滚更改,确保升级不会影响业务。
集中化配置管理和密钥管理:管理机密数据和应用程序配置,而不需要把敏感数据暴露在镜像里,提高敏感数据安全性,并可以将一些常用的配置存储在K8S中,方便应用程序使用。
存储编排:支持外挂存储并对外挂存储资源进行编排,挂载外部存储系统,无论是来自本地存储,公有云(如:AWS),还是网络存储(如:NFS、Glusterfs、Ceph)都作为集群资源的一部分使用,极大提高存储使用灵活性。
任务批量处理运行:提供一次性任务,定时任务,满足批量数据处理和分析的场景。
轻量级 一些解释性语言:例如Python/JavaScript / Perl /Shell,效率较低,占用内存资源较多
使用go语言——》编译型语言,语言级别支持进程管理,不需要人为控制,所以以go开发的资源消耗占用资源小开源
K8s解决了裸跑docker的若干痛点:
① 单机使用,无法有效集群
② 随着容器数量的上升,管理成本攀升
③ 没有有效的容灾、自愈机制
④ 没有预设编排模板,无法实现快速、大规模容器调度
⑤ 没有统一的配置管理中心工具
⑥ 没有容器生命周期的管理工具
⑦ 没有图形化运维管理工具
K8S 是属于主从设备模型(Master-Slave 架构),即由 Master 节点负责集群的调度、管理和运维,Slave 节点是集群中的运算工作负载节点。
在 K8S 中,主节点一般被称为 Master 节点,而从节点则被称为 Worker Node 节点,每个 Node 都会被 Master 分配一些工作负载。
Master 组件可以在群集中的任何计算机上运行,但建议 Master 节点占据一个独立的服务器。因为 Master 是整个集群的大脑,如果 Master 所在节点宕机或不可用,那么所有的控制命令都将失效。除了 Master,在 K8S 集群中的其他机器被称为 Worker Node 节点,当某个 Node 宕机时,其上的工作负载会被 Master 自动转移到其他节点上去。
组件 | 作用 |
master节点 | |
apiserver | 所有服务的访问入口 |
controller-manager | 负责根据预设模板创建pod,维持pod等资源的副本期望数目 |
scheduler | 负责调度pod,通过预选策略、优选策略选择最合适的node节点分配pod |
etcd | 分布式键值对数据库,负责存储K8S集群的重要信息(持久化) |
work node节点 | – |
Kubelet | 跟apiserver通信汇报当前node节点上的资源使用情况和状态,接受apiserver的指令跟容器引擎交互实现容器的生命周期管理 |
Kube-proxy | 在node节点上实现pod的网络代理,维护网络规则和四层负载均衡规则,负责写入规则到iptables或ipvs实现服务映射访问 |
容器运行时docker | 运行容器,负责本机的容器创建和管理工作 |
首先,运维人员使用kubectl命令行工具向 API Server发送请求,API Server接收到请求后会写入到etcd中,API Server会让Controller-manager按照预设的模板去创建pod,Controller-manager通过API Server读取etcd中用户的预设信息,再通过API Server去找Scheduler可以为新创建的pod选择最合适的node节点。scheduler会通过API Server在etcd存储中心根据存储的node节点元信息、剩余资源等,用预选和优选策略选最优的node节点。
scheduler确定node节点后通过API Server交给这个node节点上的kubele进行pod资源的创建,kubele调用容器引擎交互创建pod,同时将pod监控信息通过API Server存储到etcd中。
用户访问时,通过kube-proxy负载、转发,访问相应的pod
决定创建pod清单的是Controller-manager控制器,而kubelet、容器引擎都是干活的
详细版
kubectl 创建一个Pod(在提交时,转化为json**)**
① 首先经过auth 认证(鉴权),然后传递给API Server进行处理。
② API Server将请求信息提交给 etcd
③ scheduler 和 controller-manager 会watch(监听)API Server,监听请求。
④ 在scheduler和controller-manager 监听到请求后,scheduler会提交给API Server一个list清单-----》包含的是获取node节点信息。
⑤ 此时API Server 就会向etcd获取后端node节点信息,获取到后,被scheduler监听到,然后scheduler 进行预选优选进行打分,最后将结果给API Server。
⑥ 此时API Server也会被controller-manager 监听,controller-manager会根据请求创建Pod的配置信息(需求什么控制器),然后把控制器资源给API Server。
⑦ 此时API Server会提交清单给与对应节点的kubelet(代理)。
⑧ kubelet代理通过K8S与容器的接口(例如containerd)进行交互,假设是docker容器,那么此时kubelet就会通过dockershim以及runc接口与docker的守护进程docker-server进行交互,来创建对应的容器,再生成对应的Pod。
⑨ kubelet同时会借助于metric server收集本节点的所有状态信息,然后再提交给API Server
⑩ 最后API Server会提交list清单给与etcd来存储(最后api-server会将数据维护在etcd中)。
简单版
① 首先kubectl 转化为json后,向api-server 提交创建Pod请求
② api-server将请求信息记录在etcd中
③ scheduler 监听api-server处理的请求,然后向api-server申请后端节点信息
④ api-server 从etcd中获取后端节点信息后,给与scheduler
⑤ scheduler 进行预选优选、打分,然后提交结果给api-server
⑥ controller-manager 监听api-server处理的请求信息,并将所需的控制器资源给与api-server
⑦ api-server 对接node节点的kubelet
⑧ kubelet调用资源创建pod,并将统计信息返回给api-server
⑨ api-server将信息记录在etcd中