Docker：作為開源的應(yīng)用容器引擎，可以把應(yīng)用程序和其相關(guān)依賴打包生成一個Image鏡像文件，是一個標(biāo)準(zhǔn)的運行環(huán)境，提供可持續(xù)交付的能力。
一、背景
基于分布式的架構(gòu)中，需要管理的服務(wù)是非常多的，無論是服務(wù)的數(shù)量還是體系劃分；
從服務(wù)的能力上看，可以進(jìn)行分層管控，只是其中有相當(dāng)一部分服務(wù)層，改動更新的頻率很低，所以感知也不明顯；
就以自己當(dāng)下參與研發(fā)的系統(tǒng)來說；
通過K8S進(jìn)行管理的服務(wù)近百個，這中間有部分服務(wù)采用集群模式，即便是這個規(guī)模的系統(tǒng)，也幾乎不可能依賴純?nèi)斯み\維的形式，自動化流程必不可少；
二、持續(xù)集成
此前圍繞該主題寫過一個完整的實踐案例，主要圍繞Jenkins、Docker、K8S等組件的使用層面，總結(jié)源碼編譯、打包、鏡像構(gòu)建、部署等自動化管理的流程；
Jenkins：是一個擴(kuò)展性非常強(qiáng)的軟件，用于自動化各種任務(wù)，包括構(gòu)建、測試和部署等；
Docker：作為開源的應(yīng)用容器引擎，可以把應(yīng)用程序和其相關(guān)依賴打包生成一個Image鏡像文件，是一個標(biāo)準(zhǔn)的運行環(huán)境，提供可持續(xù)交付的能力；
Kube.NETes：作為開源的容器編排引擎，用來對容器化應(yīng)用進(jìn)行自動化部署、 擴(kuò)縮和管理；
三、K8S架構(gòu)
1、核心組件
Control-Plane-Components：控制平面組件
對集群做出全局決策，例如：資源調(diào)度、檢測、事件響應(yīng)，可以在集群中的任何節(jié)點上運行；
- api：開放K8S的API，組件之間通過API交互，相當(dāng)于控制面的前端；
- controllermanager：運行控制器進(jìn)程，邏輯上是一個單獨的進(jìn)程；
- scheduler：監(jiān)聽新建未指定運行節(jié)點的Pods，并為Pod選擇運行節(jié)點；
- etcd：兼具一致性和高可用性的鍵值數(shù)據(jù)庫，作為保存K8S數(shù)據(jù)的后臺庫;
Node：節(jié)點組件
該組件會在每個節(jié)點上運行，負(fù)責(zé)維護(hù)運行的Pod并提供Kubernetes運行環(huán)境；
- kubelet：在每個節(jié)點上運行的代理，保證容器都運行在Pod中；
- kube-proxy：每個節(jié)點上運行的網(wǎng)絡(luò)代理， 維護(hù)節(jié)點上的網(wǎng)絡(luò)規(guī)則；
ContAIner-Runtime：容器運行時
負(fù)責(zé)運行容器的軟件，支持Docker、containerd、CRI-O等多個容器運行環(huán)境，以及任何實現(xiàn)Kubernetes-CRI容器運行環(huán)境接口；
2、分層結(jié)構(gòu)
從整體的功能上來考慮，K8S集群可以分為：用戶、控制平面、節(jié)點三個模塊；
用戶側(cè)：不論是CLI命令行還是UI界面，會與控制面板的APIserver進(jìn)行交互，APIserver再與其他組件交互，最終執(zhí)行相應(yīng)的操作命令；
控制平面：以前也稱為Master，核心組件包括APIserver、controller、scheduler、etcd，主要用來調(diào)度整個集群，以及做出全局決策；
節(jié)點：通過將容器放入在節(jié)點上運行的Pod中來執(zhí)行工作負(fù)載，簡單的理解工作負(fù)載就是各種應(yīng)用程序等，節(jié)點上的核心組件包括Pod、kubelet、Container-Runtime、kube-proxy等；
3、核心能力
站在研發(fā)的視角來看，K8S提供極其強(qiáng)大的應(yīng)用服務(wù)管理能力；
3.1 發(fā)現(xiàn)與負(fù)載
服務(wù)Service可以將運行在一個或一組Pod上的網(wǎng)絡(luò)應(yīng)用程序公開為網(wǎng)絡(luò)服務(wù)的方法，通常使用標(biāo)簽對資源對象進(jìn)行篩選過濾；
3.2 調(diào)度
調(diào)度器通過監(jiān)測機(jī)制來發(fā)現(xiàn)集群中新創(chuàng)建且尚未被調(diào)度到節(jié)點上的Pod，由于Pod中的容器和Pod本身可能有不同的資源要求，調(diào)度會將Pod放置到合適的節(jié)點上；
3.3 自動伸縮
K8S可以通過指標(biāo)檢查工作負(fù)載的資源需求，例如CPU利用率、響應(yīng)時長、內(nèi)存利用率、或者其他，從而判斷是否需要執(zhí)行伸縮，垂直維度可以是更多的資源分配，水平維度可以是更多的集群部署；
K8S可以自動伸縮，也具備自動修復(fù)的能力，當(dāng)節(jié)點故障或者應(yīng)用服務(wù)異常時，會被檢查到，可能會進(jìn)行節(jié)點遷移或者重啟；
四、應(yīng)用案例
1、服務(wù)部署
在此前的實踐案例中，用CLI命令行和腳本文件的方式，完成的部署動作，而在整個流程中涉及集群的多個組件協(xié)作，多次的通信和調(diào)度；
kubectl create -f pod.yaml
2、交互流程
【1】CLI命令行和UI界面，都是通過APIserver接口，與集群內(nèi)部組件交互，比如上述的Pod部署操作；
【2】在APIserver收到請求之后，會將序列化狀態(tài)的對象寫入到etcd中完成存儲操作；
【3】Scheduler調(diào)度器通過監(jiān)測（Watch）機(jī)制來發(fā)現(xiàn)集群中新創(chuàng)建且尚未被調(diào)度到節(jié)點上的Pod；
【4】在集群中找到一個Pod的所有可調(diào)度節(jié)點，對這些可調(diào)度節(jié)點打分，選出其中得分最高的節(jié)點來運行Pod，然后調(diào)度器將這個調(diào)度決定通知給APIserver；
【5】APIserver完成信息存儲后，然后通知相應(yīng)節(jié)點的Kubelet；
【6】Kubelet是基于PodSpec來工作的，確保這些PodSpec中描述的容器處于運行狀態(tài)且運行狀況良好，每個PodSpec是一個描述Pod的YAML或JSON對象；
【7】Pod是可以在Kubernetes中創(chuàng)建和管理的、最小的可部署的計算單元，包括一個或多個容器；
五、參考源碼
文檔倉庫：
https://gitee.com/cicadasmile/butte-JAVA-note
腳本倉庫：
https://gitee.com/cicadasmile/butte-auto-parent
