“千万”并发：Kubernetes 1.2v 开启谷歌级别性能之旅

随着Kubernetes1.2v发布，K8S现在能支持1000个节点的集群（即1千万请求／秒），附带对大多数API操作（99%尾部这段）延迟降低80%。这意味着在最近的6个月内，K8S支持的容量增加了10倍同时还保证用户使用感受——99%pod启动时间少于3秒，大多数API操作99%延迟在几十毫秒（唯一例外是LIST操作，对于很大的集群需要几百毫秒）。Kubernetes 1.2v的千万并发令人乍舌？三个月后，K8S 1.3v将会再次带来10倍的提升。

kubernetes 1.2v千万并发实测，请看视频：

视频在这里 请点击

在这个视频里，我们看到集群规模上升到1000个节点上到达10MQPS(即每秒1千万请求)，还包括了滚动更新，没有宕机时间和任何尾部延迟。这在互联网上也足以列入前百强的表现。
接下来，我们来介绍一下K8S是如何做到这些的，以及我们未来在K8S扩容性上进一步提高的计划。

方法论

我们对于K8S的扩容性做的基准是基于以下服务层面上的目标（ServiceLevel Objectives）:

1. API的相应：99%的API调用返回时间都小于1秒

2. Pod启动时间：99%的pod和它们容器（pull好的镜像）在5秒内启动

只有这两点同时满足，我们才说K8S的扩容性到达了怎样怎样一个节点的数量。我们持续收集和报告这些测量数据来作为我们项目测试的框架，测试也相应的分成了两个部分：API相应时间和pod启动时间。

API响应

---

K8S为用户提供了一些抽象概念来代表他们的应用，比如说，用冗余控制器（即RC, Replicaiton Controller）作为一群pod的抽象。把所有RC列出来或把一个给定的RC所包含的所有pods列出来，就是一个很常见的场景（usecase）。但从另外一方面来说，很少会有需要去把系统里的所有pods列出来，比如说3万个pod（即比如1000个节点，每个节点有30个pod）意味着150MB的数据（即5KB／pod* 3万pods）。这个测试使用冗余控制器。

对于这个测试来说（假设N是集群里的节点数量），我们做了：

1. 创建大约3N个的不同数量的冗余控制器（5，30，250副本），这样我们总共会有30N的副本。我们分步来进行它们的创建（即不是同时开始的），然后一直等到它们跑起来。

2. 在每个冗余控制器上都进行一些操作（扩容，列出所有实例等），把这些操作也分步来做，来测试每个操作的延迟性。这个和一个真实的用户会进行的常规集群操作很类似。

3. 停止和删除系统内的所有冗余控制器。

这些测试的结果，请看下面“Kubernetes 1.2参数”的数据。
在1.3版本中，我们计划会进一步延伸这些测试，内容会包含创建服务、部署、DaemonSets和其他API对象。

Pod启动时间端对端的延迟

---

用户对K8S来跳用和启动一个pod所需时间非常感兴趣。这个不仅仅是初次创建pod，而且也包括当节点失败的时候，冗余控制器需要多久来创建一个代替的pod。

对于这个测试来说（假设N是集群里的节点数量），我们做了：

1. 创建一个单独的冗余控制器，有30＊N的副本，等它们全部都跑起来。我们也跑高密度的测试，有100*N的副本，但集群内的节点数量少一些。

2. 启用一系列的单个pod的冗余控制器－没200毫秒起一个。对于每一个，我们都测量“端到端启动总时间”（后面会具体定义这个时间）

3. 停止和删除系统中所有冗余控制器和pods

端到端启动总时间，我们的定义是指从用户给API server 发送需要生成一个冗余控制器请求那刻开始，一直到pod的“running&ready”这个状态返回给用户，这个过程走表的时间。这意味着，“podstartup time”（pod启动时间）包含了RC的创建，依次序的话即创建pod、调度器调度pod、Kubernetes建立intra-pod的网络、启动容器、等待pod对健康检查成功回应，以及到最后pod把它的状态返回给API server，API server再给用户，这一整个过程的所需时间。
我们当然可以通过去掉等待的时间或者创建pod的时间来人为大大地缩短“pod startup time”（pod启动时间），但我们还是秉持坚信一个更为广义的定义来契合最为现实的场景，才能使广大用户理解他们对K8S性能的真实期待。

Kubernetes 1.2 实测数据

所以结果如何呢？我们再Google Compute Engine上跑了测试。对于1000个节点的集群，master使用了一个n1-standard-32的VM（32核，120GB内存）。

API响应

---

下面两张图表代表了 99% API调用的延迟在K8S 1.0版本和1.2版本之间的对比，基于100个节点的集群（柱状越短，表现越好）

对于LIST的操作，我们单独来呈现结果，因为这些操作的延迟要高很多。

我们也跑了1000个节点的集群的测试。

因为LIST操作要大的多，所以我们再一次把这些操作的测试结果单独来呈现：所有的延迟，在两个不同的集群尺寸下，都低于1秒。

pod启动端到端延迟

---

关于“pod启动时间延迟”的结果（即前面说到的“pod端到端延迟”的部分）显示在下图。为了有参考，我们把K8S1.0版本针对100个节点集群的结果也显示在了图里的第一部分。

由图可见，K8S 1.2 在性能上显著减少了100个节点集群尾部（即99%这段）延迟时间，现在在K8S可提供的最大集群尺寸范围内可以提供很低的pod启动延迟。跟6个月之前相比，K8S现在1000个节点的集群无论在API调用延迟和pod启动延迟上都有了全方面的提高。

Kubernetes 1.2性能飞跃是怎么做到的

1. 在API server层面上创建“read cache”(read缓存) 参见：点我

2. 在Kubelet里引入pod生命周期事件发生器（即PLEG -Pod Lifecycle Event Generator）参见：点我

3. 提高调度器的流量 参见：点我

4. 一个更高效的JSON parser

对Kubernetes 1.3版本的规划：

当然，我们工作还远未结束，我们会持续提高Kubernetes的性能，就像Google对内使用Borg那样，把K8S的scale增加到无穷大。基于对底层测试和生产环境中对容器集群的使用场景，我们目前对1.3已经有了如下规划：

1. 目前的瓶颈依然还是API server，花费大量时间在给JSONobject进行排列。我们家化增加protocol buffer来为集群内的组件沟通以及在etcd内存储JSON objects做可选路径。用户依然可以使用JSON来跟APIserver进行沟通，但由于大量的K8S的沟通是集群内（API server向节点、调度器向API server等）。我们期待使用在master上CPU和memory的消耗会有显著降低。

2. Kubernetes使用标签来标示成组的objects。比如，来找到哪些pods属于一个给定的冗余控制器，会需要把所有在同一个namesapce下的并且还符合标签选择器的pod都扫一遍。因此对于做一个有效的标签索引的增加可以充分利用已有的APIobject缓存，这样能更快速的来查找并且匹配符合标签选择器的对象，速度会提高很多。

3. 调度的决定来自于很多不同的因素，包括基于资源来分布pods，基于相同的选择器来分步pods(比如同一个服务、冗余控制器、工作等)等等。这些计算，尤其是选择器的分步，可能还是有改进空间的，参见：点我

4. 再就是etcd 3.0的发布值得期待，其中在设计上就有Kubernetes应用场景的考虑，将会带来性能上的提高和引入新功能。CoreOS已经在开展把Kubernetes引入etcd3.0版本的工作，参见：点我

对于K8S 1.3的期待不至于这个列表，可以预见的是，我们将会在K8S1.3看到一个类似从1.0到1.2一样的飞跃。

结语

在过去的六个月，我们见证了Kubernetes性能的极大飞跃，能够跑1000个节点的集群，同时还具备和之前版本较小集群规模同样出色的回应性。但我们对此远远不满足，我们会把Kubernetes推到更强大，K8S1.3将会更大程度地提高系统的scale、性能和回应性，同时还会增加新的功能，使得K8S更好地来适应高需求的、基于容器集群的应用。