云原生实践总结
👉 作为一名SRE，在运维云原生过程中的实践总结、沉淀，以便自己回顾和他人查阅，希望能帮助你在云原生领域的平稳落地。
📖 全文字数：1.6k+
⏳ 阅读时长：4min
企业落地云原生的目的
一句话概括：在保证稳定性的前提下，降本增效
目标拆解：
保障稳定性
建设高可用性：基础组件（Master三大件/Etcd等）高可用、多机房、多集群、Pod 高可用 持续进行风险治理：耦合度、故障发现、容量、容灾、变更及可运维性、安全性 建设可观测性：Metrics、Logging、Tracing、Events、Chaos、Dashboard、Inspection 故障演练：Apiserver 高可用故障演练、Etcd 高可用故障演练、双机房切换故障演练 预案建设：Etcd 备份恢复、Velero 备份恢复、Master 节点紧急扩容、Etcd 节点紧急扩容、多集群故障迁移 性能/容量评估：物理机性能压测、Master 组件性能压测、Etcd 性能压测、应用性能压测 节约成本
推进无状态应用容器化 推进无状态应用接入弹性伸缩 K8s 调度能力增强：预选、优选、重调度（使资源分配均匀、提高装箱率、提高资源使用率） 持续进行应用容量治理：横向缩容（降副本数）、纵向缩容（降规格 CPU/MEM） 建立资源画像：调度和容量治理依赖资源画像 提高效率（平台能力建设）
自动化运维平台（面向开发）：容器生命周期管理、Ingress 生命周期管理、HPA 生命周期管理、扩缩容&升降配、容器资源预留、Java Dump & GCLog、屏蔽/恢复告警 发布系统（面向开发）：Java/Nodejs/静态资源模版、自定义镜像、自定义模版、滚动发布、灰度发布、启动日志查看 堡垒机（面向开发）：Web 终端、文件管理、日志审计 SRE 平台（面向运维）：集群安装、集群扩缩容、集群升级、插件安装、Ingress 节点扩缩容、Web Kubectl、集群自动化巡检、多集群迁移
总结为下图，拿走不谢😏
实践中使用到的 CNCF Landscape 项目
按用途和熟悉度分类：
| 深度使用 | 轻度使用或测试环境试用 | 准备使用 | |
|---|---|---|---|
| 调度与编排 | Kubernetes、KEDA | Karmada、Volcano | |
| 协调与服务发现 | etcd、CoreDNS | ||
| 应用程序定义与镜像构建 | Helm、KubeVirt、Operator Framework | ||
| 持续集成与交付 | Argo | OpenKruise | |
| Service Mesh | Istio | ||
| 云原生网络 | Calico | Cilium | |
| 云原生存储 | Rook、Longhorn | ||
| 可观测性 | Prometheus、VictoriaMetrics、Fluentd、Grafana、Chaosblade | OpenTelemetry | |
| 容器运行时 | Docker | containerd | |
| 镜像仓库 | JFrog Artifactory | Harbor | Dragonfly |
实践中遇到的问题&故障
🤔 问题 ：
如何提高资源可见性？容器内 top free 命令看到的是宿主机资源使用情况 应用从 KVM 迁移到 容器 后，资源利用率为何发生变化？有增高的，有降低的 流量洪峰时，个别应用为啥容器比虚拟RT长？ 新增 Ingress 后导致 RedirectUri 不一致？ 自动注入service变量导致 Nodejs 负载变高？ grpc 应用负载均衡问题，使用 service 和 Ingress 无效？ 接入容器后，域名访问异常？
🤔 故障：
Calico 异常重启？ kubelet pleg ？ Node 被清空？ 什么？相同型号物理机 容器性能不如虚拟机？
文章更新预告
根据本期文章总结，后续会先更新以下文章，文章预告：
保障稳定性：
高可用性 🚩 既要稳也要省，容器资源该怎么分配（Qos 设置篇）？ 🚩 巧用 shell-operator为核心应用自动注入 pdb（已发表）👉 容器化后无损上下线解决方案 🚩 多集群管理方案 🚩 K8s 多机房高可用方案 🚩 建设 Pod 高可用性（优先级、Qos、打散、hpa、无损发布、pdb） 🚩 Prometheus 高可用设计 🚩 风险治理篇琐碎整理（临时存储限制、告警与 AppID 负责人如何关联、审计日志重要性、Node 资源预留） 可观测性 🚩 kube-prometheus 使用实践 🚩 使用 Fluentd 收集 K8s 日志 🚩 K8s 组件改监控哪些核心指标？ 🚩 自定义 K8s Dashboard 分享 🚩 K8s 自动化巡检设计思路 故障演练 🚩 Apiserver 高可用故障演练 🚩 Etcd 高可用故障演练 预案建设 🚩 Etcd 物理备份 + Velero 逻辑备份 & 恢复详解 🚩 多集群迁移设计思路 性能/容量评估 🚩 物理机性能压测方法详解（附 Github 源码） 🚩 Master 组件性能压测 🚩 Etcd 性能压测 🚩 物理机 MaxPod 到底设多少合适？
节约成本：
提高效率
🚩 GitOps - ArgoCD 方案调研 🚩 Argo Rollout 使用分享 🚩 Argo Workflow 使用分享 🚩 Jumpserver 二开实现容器 Web 终端、文件管理、日志审计（附 Github 源码）
CNCF 项目使用介绍
🚩 Etcd 概述及使用实践 🚩 Coredns 概述及使用实践 🚩 Calico 概述及使用实践 🚩 Helm 概述及使用实践 🚩 KubeVirt 概述及使用实践 🚩 Docker 概述及使用实践
问题故障汇总
🚩 容器化后常见 FAQ 🚩 Calico 异常重启根因分析
参考链接：
CLOUD NATIVE LANDSCAPE https://cncf.landscape2.io/?group=projects-and-products
我是 Clay，下期见 👋
欢迎订阅我的公众号「SRE运维进阶之路」或关注我的 Github https://github.com/clay-wangzhi/wiki 查看最新文章
欢迎加我微信
sre-k8s-ai，与我讨论云原生、稳定性相关内容
原文作者：SRE运维进阶之路；如有侵权，请联系管理员删除。
上一篇：
K8s 一条默认参数引起的性能问题
下一篇：
云原生落地最佳实践
请登录后发表评论
登录
全部评论
