网易云基于Kubernetes的深度定制化实践

2017年3月底，Kubernetes隆重发布了1.6版本，在节点规模、安全性、调度和存储上都有了重大进展。目前来看，不论从社区关注度还是实践案例角度，Kubernetes都已经超越Mesos和Docker Swarm，成为最受欢迎的容器编排技术。

网易云从2015下半年开始向Kubernetes社区贡献代码，是国内最早的Kubernetes实践者和贡献者，也是Kubernetes技术的积极布道者，网易云已经成为CNCF官方授权的CloudNative Meetup主办方。6月3日，网易云在网易杭州园区举办Kubernetes Meetup杭州站，活动邀请了Hyper项目成员、Kubernetes项目官方Project Manager和Feature Maintainer张磊，网易云容器编排技术负责人娄超，才云Caicloud高级软件工程师岑鹏浩，当当网数字业务事业部技术总监李志伟，为杭州的小伙伴们带来Kubernetes最新的技术进展和最佳实践。

本文主要整理了网易云容器编排技术负责人娄超的演讲“网易云基于Kubernetes的深度定制化实践”！

娄超，网易云容器编排技术负责人。曾经参与淘宝分布式文件系统tfs和阿里云缓存服务研发，2015年加入网易参与网易云容器服务研发，经历网易云基础服务（蜂巢）v1.0，v2.0的容器编排相关的设计和研发工作，并推动网易云内部Kubernetes版本不断升级。

网易云容器服务的架构

网易云的容器服务基于网易云的IaaS。为了简化用户的操作，Kubernetes并不是直接暴露给用户的，而是通过上层的业务层为用户提供容器服务，增加独立的Netease-Controller， 对接网易IaaS及公共平台，资源管理和复杂的业务需求。

Kubernetes公有云实践

Kubernetes的社区版本主要面向私有云市场，没有租户的概念，只有namespace的逻辑隔离，Node/pv等资源都是集群全局共享的，服务发现和负载均衡也都是全局的，Node须在集群内预备足够，不用担心资源调度出现失败，也无需关心Docker隔离安全性问题。而对于公有云来说，云中有着海量用户，用户的技术背景多样，需要很高的安全隔离性。网易云在基于Kubernetes实现公有云的过程中，做了很多工作。

1. 首先，在多租户的安全隔离方面，有专门的IaaS团队提供主机、硬盘和网络的隔离；

2. 对于每个租户来说，都可以自定义创建namespace；

3. 原生的Kubernetes认证很简单，而且Node是全局共享的，每个Node上都可访问Kubernetes的所有资源，所以为了实现公有云，网易云做了租户级别的安全隔离，包括认证、授权和API分类统计和流控报警；

4. 在网易云中计算、存储、网络资源均按需实时分配、回收，保证资源的利用率尽可能高；因为资源是实时分配的，所以创建起来一般比较慢，所以网易云对创建流程做了一些全局的优化，比如加快Node注册的进程，根据镜像选择主机等；

5. 原生的Kubernetes中没有网络IP的概念，网易云增加了Network资源类型表示网络IP。

网易云容器Pod网络

容器的网络主要有以下几种方案：

• 入门级：Docker 基础网络模型 host（共享），bridge(NAT)

• 进阶级：自建网桥(IP-per-pod)，可跨主机通讯，如Flannel， Weave

• 专业级： 多租户，ACL，高性能可扩展 ，如Calico，GCE高级网络模式

网易云容器网络实现

网易云的容器服务的网络实现与GCE类似，基于底层的IaaS网络，通过Kubernetes与网易云网络对接，网易云容器与主机在网络上完全对等，租户内全互通。

Kubernetes中没有定义IP的管理，可能一个容器或节点重启一下，IP就变了。网易云通过IP的管理实现了IP的保持功能，同时Pod支持私有网、公网双重网络。

此外，网易云还实现了Pod的私有网、公网IP映射关系管理，在Kubelet上实现Netease CNI插件管理网卡挂卸载、路由配置。

网易云有状态容器

提到容器的状态，人们常用Cattle和Pet来做比喻。Cattle是指无状态的容器，随时可以被替换，Pet则是有标记的，它的数据、状态和配置可能都需要持久化。社区从1.3版本就开始用PetSet实现有状态的容器，最新的1.6版本中，是叫StatefulSet。

网易云在社区版本的有状态容器诞生之前（1.0版本），就自研了StatefulPod的实现方式：

• 和StatefulSet不同的是，它可以支持容器系统卷、数据卷的保持（PV、PVC）。StatefulSet只能支持外挂的数据卷，但是网易云的StatefulPod能够保证只要不删除用户，用户系统盘的数据也能够保持下来；

• StatefulPod还能保证容器私有网、公网IP保持（Network）；

• 在原生的Docker中，一个Node启动的所有容器目录都是统一的，网易云扩展Docker支持容器rootfs目录自定义；

• 网易云的有状态容器还支持故障的迁移，比如硬盘和IP等资源都能在Node间漂移。

网易云Kubernetes性能优化

一般在实现公有云时，尽量会保证同一个机房内，只有一个Kubernetes集群，但随着用户的增多，集群的规模也越来越大，会出现很多性能问题。网易云随着社区的发展一路走来，也遇到了很多社区可能在设计之初并没有预料到的问题，比如：

1. Kube-scheduler对所有pod顺序串行调度

2. Kube-controller的deltaQueue是无优先级的FIFO队列

3. Serviceaccounts控制器里没有Secret本地缓存

4. 所有Node重复配置集群所有Service的iptables规则

5. Kubelet的SyncLoop每次检查都重复GET imagePullSecrets

6. 大量Node的心跳汇报严重影响了Node的watch

7. Kube-apiserver 没有查询索引

针对这些问题，网易云做了很多性能优化，首先是master端的调度器：

• 公有云的场景和私有云不一样，容器分布在不同的租户中，每个租户的资源都是独立的，本身就可以通过租户来沟通并调度；

• 通常在调度的时候需要一个个去遍历Node，实际上很多无闲置资源的Node可以不参与调度的检查，网易云会在遍历前过滤掉无闲置资源的Node；

• 优化predicate调度算法过滤顺序，提高调度效率；

• 网易云中，调度都是基于事件的，比如调度失败如果是因为Node资源不足，就会发一个事件去申请资源，资源回来后会又会返回一个事件驱动Pod重调度，没有任何时间等待；

上图就是在网易云中并行调度的过程。

然后是mater端控制器的优化：

Kubernetes中有很多控制器，比如Node控制器、namespace控制器，其中replication controller是一个核心的控制器，能确保任何时候Kubernetes集群中有指定数量的pod副本在运行。网易云创建了事件优先级机制，根据事件类型进入优先级队列workqueue。

Node端的优化：

网易云的用户很多，用户之间都是完全隔离的，网易云kube-proxy按租户对Node分组：

• 租户之间容器网络完全隔离，不配多余转发规则；

• 只watch本租户的Service，再生成iptable 规则。

Kubelet降低master请求负载：

• imagePullSecret推迟都要拉镜像才GET或增加Secret local cache

• 只watch本租户相关资源变化（依赖apiserver新加的tenant索引）

• 租户之间容器网络完全隔离，不配多余转发规则；

• 精简kubelet watch 低master连接数，包括Node

接下来是针对单集群扩展的优化：

根据官方的数据，Kubernetes 1.0最多支持100个Node，3000个Pod；在1.3版本中这个数字上升到2K个Node，6W个Pod，今年最新发布的1.6版本已经支持5K个Node，15W个Pod。

通过上图可以知道APIserver是整个集群的通信网关，只是一个proxy代理，而且goroutine对web服务完美支持，最终性能瓶颈在对 Etcd的访问上。

为了解决这个问题，首先想到的是分库，按Node/RS/Pod/Event分库存入多个Etcd集群。因为Etcd本身容量和性能均不能水平扩展，而且没有性能诊断工具；

• Etcd2 调优，比如针对snapshot的优化，采用SSD硬盘等；

• 升级Etcd3，在之前的版本中，每次更改都会发送一个请求，一个请求又对应一个回复，在Etcd3中是批量请求的方式，可能一次请求就把1000个变化推送过来了，所以效率提高很多；

• 更换Kubernetes后端的存储，换其他性能更优的KV存储。

Node心跳汇报模式修改

• Node心跳间隔延长

• Node心跳不持久化

• 心跳从Node分离出来，Node心跳只需list不必watch

• NodeController被动改主动探测

其它优化

镜像、容器的GC完善：目前的GC只考虑了磁盘的空间使用量，没考虑inode的问题，很多用户的小文件很多，所以网易云新增了磁盘inode使用率检查

容器监控统计：Cadvisor新增网络流量、TCP连接、磁盘相关统计

NodeController安全模式，自定义Protected，Normal，Advanced 3种模式。

• Protected： 底层IAAS主动临时运维时，为了避免大规模迁移波动， Node离线只报警不迁移

• Normal：有状态的不迁移，无状态的及时离线删除重建。(仅仅底层云盘、网络故障)

• Advanced：有状态无状态都自动迁移恢复

还需要注意的一些问题：

• Pod的graceful delete要容器能正常传递SIGTERM信号

• StatefulSet在kubelet挂掉时可能出现两个同时运行的Pod