你知道什么叫金丝雀分布吗？你知道如何在Service Mesh微服务架构中实现吗？

什么是金丝雀发布

既然要聊具体的实现，那么在开始之前，先科普下什么是“金丝雀发布”。金丝雀发布也叫“灰度发布”，具体来说就是在发布线上版本时，先将少量的生产流量打到服务的新版本，以验证新版本的准确性和可靠性，待发布的新版本得到线上流量的全面验证后，在逐步将所有流量放入新版本，以实现生产服务版本的稳定更新。

为什么叫金丝雀发布呢，是因为金丝雀对矿场中的毒气比较敏感，所以在矿场开工前工人们会放一只金丝雀进去，以验证矿场是否存在毒气，这便是金丝雀发布名称的由来。

在不同技术栈场景中，金丝雀发布的实现方式也不尽相同：有通过nginx实现的、也有借助A/B测试实现的。而随着以Kubernetes为代表的云原生基础设施的普及，金丝雀发布作为一项基本的服务发布功能，其实现方式也有了一些新的趋势——那就是逐步与云原生基础设施融为一体，成为基础设施服务的一部分。

Kubernetes中的金丝雀（灰度）发布

接下来，先看看在Kubernetes中是如何实现版本更新的。以下内容假设你已经有了一套可用的Kubernetes环境，如果没有可以查看文末推荐阅读的文章链接，参考相关分享自行部署。

1.滚动更新

在介绍Kubernetes中的金丝雀（灰度）发布之前，先来了解下Kubernetes中最重要的应用部署方式——“滚动升级”。

所谓“滚动升级”：是指当更新了Kubernetes中Deployment编排资源的Pod模版（例如更新镜像版本号）之后，Deployment就需要遵循一种叫做“滚动更新（rolling update）”的方式，来升级现有的容器，从而实现应用对外服务的“不中断更新部署”。Kubernetes实现“滚动升级”的示意图如下：

如上图所示，滚动升级的过程为：

1）当容器开始升级时，集群中会先启动一个新版本的Pod，并终止一个旧版本的Pod。

2）如果此时，新版本的Pod有问题启动不了，那么“滚动升级”就会停止，并允许开发和运维人员介入。而在这个过程中，由于应用本身还有两个旧版本的Pod在线，所以服务并不会受到太大的影响。

3）而如果新版本的Pod启动成功，且服务访问正常，则继续滚动升级，直至按照Deployment编排器设置的副本数量，完成后续旧版本Pod的升级。

在Kubernetes中Deployment还可以通过相应地“滚动升级”策略，来控制Pod的滚动升级行为，以进一步保证服务的连续性。例如：“在任何时间窗口内，只有指定比例的Pod处于离线状态；在任何时间窗口内，只有指定比例的新Pod被创建出来"。可以通过相应地控制参数进行设置，如下：

...
spec:
  selector:
    matchLabels:
      app: micro-api
  replicas: 3
  #设置滚动升级策略
  #Kubernetes在等待设置的时间后才开始进行升级，例如5秒
  minReadySeconds: 5
  strategy:
    type: RollingUpdate
    rollingUpdate:
      #升级过程中最多可以比原先设置多出的Pod数量
      maxSurge: 1
      #升级过程中Deployment控制器最多可以删除多少个旧Pod，主要用于提供缓冲时间
      maxUnavailable: 1
...

在上面RollingUpdate Strategy(滚动升级策略)的配置中：

maxSurge：指定的是，除了设定的Pod副本数量之外，在一次“滚动”中，Deployment控制器还可以创建多少个新的Pod。
maxUnavailable：指的是，在一次“滚动”中，Deployment控制器可以删除多少个旧Pod。

通过这种精确的“滚动升级”策略，可以使得Kubernetes服务版本发布的过程更加平滑。此外，这两个配置还可以通过百分比的方式来表示，比如“maxUnavailable=50%”，指的是Deployment控制器最多可以一次删除“50%*设定Pod副本数”个Pod。

接下来具体演示下在Kubernetes中进行服务滚动升级的详细过程。

使用的示例代码说明：

项目以Spring Boot编写的Java服务为主，在体验上更接近真实的项目开发场景。项目的结构如下：

该项目所在的GitHub地址为：

https://github.com/manongwudi/istio-micro-service-demo

“滚动升级”演示：

这里先借助示例项目中的“micro-api”服务来演示其在Kubernetes中进行“滚动升级”的过程，步骤如下：

（1）首先准备“micro-api”服务的k8s发布文件（如：micro-api.yaml）。代码如下：

apiVersion: v1
kind: Service
metadata:
  name: micro-api
spec:
  type: ClusterIP
  ports:
    - name: http
      port: 19090
      targetPort: 9090
  selector:
    app: micro-api

---
apiVersion: apps/v1
kind: Deployment
metadata:
  name: micro-api
spec:
  selector:
    matchLabels:
      app: micro-api
  replicas: 3
  #设置滚动升级策略
  #Kubernetes在等待设置的时间后才开始进行升级，例如5秒
  minReadySeconds: 5
  strategy:
    type: RollingUpdate
    rollingUpdate:
      #升级过程中最多可以比原先设置多出的Pod数量
      maxSurge: 1
      #升级过程中Deployment控制器最多可以删除多少个旧Pod
      maxUnavailable: 1
  template:
    metadata:
      labels:
        app: micro-api
    spec:
      #设置的阿里云私有镜像仓库登陆信息的secret(对应2.1.2的设置)
      imagePullSecrets:
        - name: regcred
      containers:
        - name: micro-api
          image: registry.cn-hangzhou.aliyuncs.com/wudimanong/micro-api:1.0-SNAPSHOT
          imagePullPolicy: Always
          tty: true
          ports:
            - name: http
              protocol: TCP
              containerPort: 19090

上述部署文件设置了“micro-api”服务的Pod副本个数为“3”，并且设置了相应地滚动升级策略。

（2）接下来执行k8s部署命令如下：

$ kubectl apply -f micro-api.yaml

成功后，查看Deployment创建后的状态信息，命令效果如下：

$ kubectl get deployments
NAME          READY   UP-TO-DATE   AVAILABLE   AGE
micro-api     3/3     3            3           190d

从上述命令的返回结果中，可以看到三个状态字段，它们的含义如下所示：

READY：表示用户期望的Pod副本个数，以及当前处于Running状态的Pod个数。
UP-TO-DATE：当前处于最新版本的Pod个数。所谓最新版本，指的是Pod的Spec部分与Deployment中Pod模版里定义的完全一致。
AVAILABLE：当前已经可用的Pod的个数——既是Running状态，又是最新版本，并且已经处于Ready（监控检查正确）状态的Pod个数。

（3）模拟服务版本升级，触发滚动升级。

接下来重新构建“micro-api”服务的版本，并将其上传至私有镜像仓库。之后，通过命令修改“micro-api”的Deployment所使用的镜像，并触发滚动升级。

修改Deployment所使用的镜像的命令如下：

$ kubectl set image deployment/micro-api micro-api=registry.cn-hangzhou.aliyuncs.com/wudimanong/micro-api:1.1-SNAPSHOT
deployment.apps/micro-api image updated

这里使用了“kubectl set image”指令，主要是为了方便操作，也可以直接在k8s部署文件中进行镜像版本的修改。

修改完Deployment的镜像版本后，Kubernetes会立即触发“滚动升级”的过程。可以通过“kubectl rollout status”指令来查看Deployment资源的状态变化。具体如下：

$ kubectl rollout status deployment/micro-api

Waiting for deployment "micro-api" rollout to finish: 2 out of 3 new replicas have been updated...
Waiting for deployment "micro-api" rollout to finish: 2 out of 3 new replicas have been updated...

Waiting for deployment "micro-api" rollout to finish: 2 out of 3 new replicas have been updated...
Waiting for deployment "micro-api" rollout to finish: 2 of 3 updated replicas are available...
Waiting for deployment "micro-api" rollout to finish: 2 of 3 updated replicas are available...
deployment "micro-api" successfully rolled out

这时，也可以通过查看Deployment的Events，看到这个“滚动升级”的过程。具体如下：

$ kubectl describe deployment micro-api
...
OldReplicaSets:  <none>
NewReplicaSet:   micro-api-d745d8649 (3/3 replicas created)
Events:
  Type    Reason             Age   From                   Message
  ----    ------             ----  ----                   -------
  Normal  ScalingReplicaSet  12m   deployment-controller  Scaled up replica set micro-api-677dd4d5b6 to 1
  Normal  ScalingReplicaSet  12m   deployment-controller  Scaled down replica set micro-api-57c7cb5b74 to 2
  Normal  ScalingReplicaSet  12m   deployment-controller  Scaled up replica set micro-api-677dd4d5b6 to 2
  Normal  ScalingReplicaSet  5m1s  deployment-controller  Scaled down replica set micro-api-677dd4d5b6 to 0
  Normal  ScalingReplicaSet  5m    deployment-controller  Scaled up replica set micro-api-d745d8649 to 2
  Normal  ScalingReplicaSet  56s   deployment-controller  Scaled down replica set micro-api-57c7cb5b74 to 0
  Normal  ScalingReplicaSet  56s   deployment-controller  Scaled up replica set micro-api-d745d8649 to 3

可以看到，当你修改了Deployment里的Pod定义后，"Deployment Controller"会使用这个修改后的Pod模版，创建一个新的ReplicaSet，这个新的ReplicaSet的初始Pod副本数是：0。

然后在Age=12 m的位置，开始将这个新的ReplicaSet所控制的Pod副本数从0个变成1个。

紧接着，在Age=12 m的位置，又将旧ReplicaSet所控制的Pod副本数减少1个，即“水平收缩”成两个副本。

如此交替进行，新ReplicaSet所管理的Pod的副本数，从0个变成1个，再变成2个，最后变成3个；而旧ReplicaSet所管理的Pod的副本数则从3个变成2个，最后变成0个。

这样，就完成了一组Pod的版本升级过程。而像这样将一个Kubernetes集群中正在运行的多个Pod版本，交替逐一升级的过程，就是“滚动升级”。

2.金丝雀（灰度）发布

前面“1.”小标题中，比较详细的演示了Kubernetes的“滚动升级”的方式，虽然通过滚动升级的方式可以方便、平滑的实现版本更新，但是这个过程，并没有灰度功能。滚动升级的方式，虽然中间有缓冲交替的过程，但这种过程是自动的、迅速的，滚动升级过程结束就相当于直接进行了新版本的全量发布。

而对于需要进行金丝雀（灰度）发布的场景，“滚动升级”的方式很显然是不够用的。那么，在Kubernetes中应该如何结合版本更新做到金丝雀（灰度）发布呢？

具体步骤如下：

（1）编写实现新版本灰度发布的部署文件。

为了实现在Kubernetes中的金丝雀（灰度）发布过程的可观测，我们重新定义下具体的k8s发布文件（如：micro-api-canary.yaml）的内容如下：

apiVersion: apps/v1
kind: Deployment
metadata:
  name: micro-api
spec:
  selector:
    matchLabels:
      app: micro-api
  replicas: 3
  #设置滚动升级策略
  #Kubernetes在等待设置的时间后才开始进行升级，例如5秒
  minReadySeconds: 5
  strategy:
    type: RollingUpdate
    rollingUpdate:
      #升级过程中最多可以比原先设置多出的Pod数量
      maxSurge: 1
      #升级过程中Deployment控制器最多可以删除多少个旧Pod，主要用于提供缓冲时间
      maxUnavailable: 1
  template:
    metadata:
      labels:
        app: micro-api
        #增加新的标签（演示k8s的灰度发布）
        track: canary
    spec:
      #设置的阿里云私有镜像仓库登陆信息的secret(对应2.1.2的设置)
      imagePullSecrets:
        - name: regcred
      containers:
        - name: micro-api
          image: registry.cn-hangzhou.aliyuncs.com/wudimanong/micro-api:1.3-SNAPSHOT
          imagePullPolicy: Always
          tty: true
          ports:
            - name: http
              protocol: TCP
              containerPort: 19090

上述发布文件与“1.”小标题中演示滚动升级时，发布文件的内容一致，只是为了方便观察灰度发布过程的实现，这里通过“track: canary”对新发布的Pod版本进行标记。

设置新版本的镜像为:“micro-api:1.3-SNAPSHOT”。并且通过“spec.selector.matchLabels.app:micro-api”与历史版本Pod所对应的Service（micro-api.yaml文件中定义的Service）资源定义匹配。

（2）执行"滚动升级"发布命令，实现“灰度发布”效果。

$ kubectl apply -f micro-api-canary.yaml && kubectl rollout pause deployment/micro-api

上面通过"kubectl rollout pause"命令实现对Deployment的金丝雀（灰度发布）。执行发布命令之后的运行效果如下：

$ kubectl get pods --show-labels -o wide
NAME                         READY   STATUS    RESTARTS   AGE     IP          NODE         NOMINATED NODE   READINESS GATES   LABELS
micro-api-57c7cb5b74-mq7m9   1/1     Running   0          6m20s   10.32.0.3   kubernetes   <none>           <none>            app=micro-api,pod-template-hash=57c7cb5b74
micro-api-57c7cb5b74-ptptj   1/1     Running   0          6m20s   10.32.0.4   kubernetes   <none>           <none>            app=micro-api,pod-template-hash=57c7cb5b74
micro-api-7dbb6c5d66-4rbdc   1/1     Running   0          5m33s   10.32.0.6   kubernetes   <none>           <none>            app=micro-api,pod-template-hash=7dbb6c5d66,track=canary
micro-api-7dbb6c5d66-cfk9l   1/1     Running   0          5m33s   10.32.0.5   kubernetes   <none>           <none>            app=micro-api,pod-template-hash=7dbb6c5d66,track=canary

查看Deployment的滚动升级情况，命令如下：

$ kubectl get deployments
NAME            READY   UP-TO-DATE   AVAILABLE   AGE
micro-api       4/3     2            4           194d

可以看到此时“micro-api” ready的数量为4，其中两个旧版本Pod，两个新版本Pod。

（3）接下来进行流量测试。

查询两组Pod版本所对应的Service资源的IP，命令如下：

# kubectl get svc micro-api
NAME        TYPE        CLUSTER-IP       EXTERNAL-IP   PORT(S)     AGE
micro-api   ClusterIP   10.110.169.161   <none>        19090/TCP   194d

接下来，模拟对服务的接口进行批量访问，命令如下：

$ for i in {1..10}; do curl 10.110.169.161:19090/test/test; done

{"code":0,"data":"V3|无依赖测试接口返回->OK!","message":"成功"}
{"code":0,"data":"V3|无依赖测试接口返回->OK!","message":"成功"}
{"code":0,"data":"无依赖测试接口返回->OK!","message":"成功"}
{"code":0,"data":"无依赖测试接口返回->OK!","message":"成功"}
{"code":0,"data":"V3|无依赖测试接口返回->OK!","message":"成功"}
{"code":0,"data":"V3|无依赖测试接口返回->OK!","message":"成功"}
{"code":0,"data":"无依赖测试接口返回->OK!","message":"成功"}
{"code":0,"data":"无依赖测试接口返回->OK!","message":"成功"}
{"code":0,"data":"V3|无依赖测试接口返回->OK!","message":"成功"}
{"code":0,"data":"V3|无依赖测试接口返回->OK!","message":"成功"}

可以看到，此时流量会随机的流向旧版本和新版本（日志标记为V3）的服务。

（4）将服务版本升级为新版本。

如果新版本的服务经过线上流量测试验证没有问题，则可以通过"rollout resume"命令将整体服务的版本升级为新版本。命令如下：

$ kubectl rollout resume deployment micro-api
deployment.apps/micro-api resumed

升级后的效果如下：

$ kubectl get pods --show-labels -o wide
NAME                         READY   STATUS    RESTARTS   AGE   IP          NODE         NOMINATED NODE   READINESS GATES   LABELS
micro-api-7dbb6c5d66-4rbdc   1/1     Running   0          18m   10.32.0.6   kubernetes   <none>           <none>            app=micro-api,pod-template-hash=7dbb6c5d66,track=canary
micro-api-7dbb6c5d66-bpjtg   1/1     Running   0          84s   10.32.0.3   kubernetes   <none>           <none>            app=micro-api,pod-template-hash=7dbb6c5d66,track=canary
micro-api-7dbb6c5d66-cfk9l   1/1     Running   0          18m   10.32.0.5   kubernetes   <none>           <none>            app=micro-api,pod-template-hash=7dbb6c5d66,track=canary

可以看到，此时目标服务已经通过“滚动升级”的方式完成了全量更新。而如果存在问题，则通过“kubectl rollout undo”命令进行回滚即可！

从上述过程可以看到，Kubernetes中的金丝雀（灰度发布）主要是通过操纵（如：pause）“滚动升级”的过程来实现的——通过发布一定数量的新版本Pod，并利用Service资源类型本身的负载均衡能力来实现流量在新/旧Pod之间的随机交替。

这样的方式虽然已经可以满足一些简单的场景，但是没有办法做到更精准的灰度流量控制。这时候就需要借助 Service Mesh 中的解决方案了，下面我们来看看在 Istio 中如何做到精准流量的金丝雀（灰度）发布。

Istio中的金丝雀（灰度）发布

Istio与Kubernetes实现金丝雀（灰度）发布的方式不一样，Istio通过Envoy（SideCar）强大的路由规则管理能力，可以非常灵活地控制对应版本的流量占比，从而实现具备精准流量控制能力的金丝雀（灰度）发布功能。

Istio通过Envoy(SideCar)实现金丝雀（灰度）发布的流量路由示意图如下（继续以“micro-api”服务为例）：

从上图中可以大致看出，Istio具备强大的流量管理能力，而这种能力对于实现流量精准控制的金丝雀（灰度）发布功能来说，自然是水到渠成的。

具体来说，在Istio中是通过VirtualService（虚拟服务）这种特定的资源在服务网格中实现流量路由的。通过VirtualService可以方便地定义流量路由规则，并在客户端试图连接到服务时应用这些规则，并最终到达目标服务。

接下来，具体演示如何在Istio中通过VirtualService实现金丝雀（灰度）发布。步骤如下：

（1）首先发布一个v1版本的服务。

要在Istio中实现更精准的版本控制，需要在发布Pod资源时，通过明确的“版本标签”进行指定。准备“micro-api”服务v1版本的k8s部署文件（micro-api-canary-istio-v1.yaml）：

apiVersion: v1
kind: Service
metadata:
  name: micro-api
spec:
  type: ClusterIP
  ports:
    - name: http
      port: 19090
      targetPort: 9090
  selector:
    app: micro-api

---

apiVersion: apps/v1
kind: Deployment
meta data:
  name: micro-api-v1
spec:
  selector:
    matchLabels:
      app: micro-api
      #这里是关键，需要设置版本标签，以便实现灰度发布
      version: v1
  replicas: 3
  #设置滚动升级策略
  #Kubernetes在等待设置的时间后才开始进行升级，例如5秒
  minReadySeconds: 5
  strategy:
    type: RollingUpdate
    rollingUpdate:
      #升级过程中最多可以比原先设置多出的Pod数量
      maxSurge: 1
      #升级过程中Deployment控制器最多可以删除多少个旧Pod，主要用于提供缓冲时间
      maxUnavailable: 1
  template:
    metadata:
      labels:
        app: micro-api
        #设置版本标签，便于灰度发布
        version: v1
    spec:
      #设置的阿里云私有镜像仓库登陆信息的secret
      imagePullSecrets:
        - name: regcred
      containers:
        - name: micro-api
          image: registry.cn-hangzhou.aliyuncs.com/wudimanong/micro-api:1.1-SNAPSHOT
          imagePullPolicy: Always
          tty: true
          ports:
            - name: http
              protocol: TCP
              containerPort: 19090

“spec.selector.matchLabels.version:v1”标签用来标注服务的版本，该标签是后续Istio的流量管理规则中，识别服务版本的主要依据。

准备好发布文件后，执行发布命令：

$ kubectl apply -f micro-api-canary-istio-v1.yaml

此时，一个低版本的服务就运行成功了！接下来我们模拟对其实施金丝雀（灰度）发布。

（2）发布一个v2版本的服务（升级的目标版本）。

与v1版本服务一样，发布的v2版本的服务也需要明确版本标签，其发布文件（micro-api-canary-istio-v2.yaml）的内容如下：

apiVersion: apps/v1
kind: Deployment
metadata:
  name: micro-api-v2
spec:
  selector:
    matchLabels:
      app: micro-api
      #设置好版本标签，便于灰度发布
      version: v2
  replicas: 3
  #设置滚动升级策略
  #Kubernetes在等待设置的时间后才开始进行升级，例如5秒
  minReadySeconds: 5
  strategy:
    type: RollingUpdate
    rollingUpdate:
      #升级过程中最多可以比原先设置多出的Pod数量
      maxSurge: 1
      #升级过程中Deployment控制器最多可以删除多少个旧Pod，主要用于提供缓冲时间
      maxUnavailable: 1
  template:
    metadata:
      labels:
        app: micro-api
        #设置好版本标签，便于灰度发布
        version: v2
    spec:
      #设置的阿里云私有镜像仓库登陆信息的secret
      imagePullSecrets:
        - name: regcred
      containers:
        - name: micro-api
          image: registry.cn-hangzhou.aliyuncs.com/wudimanong/micro-api:1.3-SNAPSHOT
          imagePullPolicy: Always
          tty: true
          ports:
            - name: http
              protocol: TCP
              containerPort: 19090

执行发布命令：

$ kubectl apply -f micro-api-canary-istio-v2.yaml 
deployment.apps/micro-api-v2 created

此时，系统中就存在了两组版本的Pod资源，具体如下：

# kubectl get pods
NAME                            READY   STATUS    RESTARTS   AGE
micro-api-v1-565d749dd4-7c66z   1/1     Running   2          13h
micro-api-v1-565d749dd4-7dqfb   1/1     Running   2          13h
micro-api-v1-565d749dd4-l62wc   1/1     Running   2          13h
micro-api-v2-6f98c598c9-5stlw   1/1     Running   0          82s
micro-api-v2-6f98c598c9-f2ntq   1/1     Running   0          82s
micro-api-v2-6f98c598c9-l8g4j   1/1     Running   0          82s

接下来将演示如何利用Istio强大的流量管理功能，来实现流量在这两组版本Pod资源之间的精确控制！

（3）创建Istio网关资源。

在Istio中要实现流量的精确控制，需要将VirtualService绑定到具体的Ingressgateway（入口网关）资源。因此在创建VirtualService资源实现流量路由及控制前，需要创建一个Istio网关。部署文件（micro-gateway.yaml）的内容如下：

apiVersion: networking.istio.io/v1alpha3
kind: Gateway
metadata:
  name: micro-gateway
spec:
  selector:
    istio: ingressgateway
  servers:
    - port:
        number: 80
        name: http
        protocol: HTTP
      hosts:
        - "*"

上述部署文件执行后将创建一个名称为“micro-gateway”的Istio网关，并允许所有主机（hosts:"*"指定）通过该网关。

（4）创建Istio虚拟服务资源VirtualService。

前面提到过在Istio中主要是通过VirtualService（虚拟服务）来实现服务网格内的流量路由及控制。接下来我们看看VirtualService资源的具体创建方式，准备资源文件（如virtual-service-all.yaml），内容如下：

apiVersion: networking.istio.io/v1alpha3
kind: VirtualService
metadata:
  name: micro-api-route
spec:
  #用于定义流量被发送到的目标主机（这里为部署在k8s中的micro-api服务）
  hosts:
    - micro-api.default.svc.cluster.local
  #将VirtualService绑定到Istio网关,通过网关来暴露路由目标
  gateways:
    - micro-gateway
  http:
    - route:
        #设置旧版本（V1）版本的流量占比为70%
        - destination:
            host: micro-api.default.svc.cluster.local
            subset: v1
          #通过权重值来设置流量占比
          weight: 70
        #设置新版本（V2）版本的流量占比为30%
        - destination:
            host: micro-api.default.svc.cluster.local
            subset: v2
          weight: 30

如上所示，VirtualService资源具备针对http的精准流量控制能力，可以将指定占比的流量路由到特定的“subset”指定的版本。而为了实现这一能力，VirtualService资源还需要与Istio网关绑定，通过Istio网关来暴露路由目标。

（5）创建Istio目标路由规则资源。

虚拟服务VirtualService在Istio中主要用于控制流量的行为，而定义流量行为的路由规则则需要通过“DestinationRule”路由规则资源来定义。创建路由规则文件（destination-rule-all.yaml），具体内容如下：

apiVersion: networking.istio.io/v1alpha3
kind: DestinationRule
metadata:
  name: micro-api-destination
spec:
  #与Deployment资源对应的Service资源名称关联
  host: micro-api
  #流量策略设置：负载均衡策略、连接池大小、局部异常检测等，在路由发生后作用于流量
  trafficPolicy:
    #限流策略
    connectionPool:
      tcp:
        maxConnections: 10
      http:
        http1MaxPendingRequests: 1
        maxRequestsPerConnection: 1
    #设置目的地的负债均衡算法
    loadBalancer:
      simple: ROUND_ROBIN
  #目的地指的是不同的子集(subset)或服务版本。通子集(subset),可以识别应用程序的不同版本，以实现流量在不同服务版本之间的切换
  subsets:
    - name: v1
      labels:
        version: v1
    - name: v2
      labels:
        version: v2

如上所示，通过subsets属性，定义了VirtualService资源用于路由的具体版本标签匹配信息。至此，针对两个版本服务的灰度流量控制规则就设置好了，接下来测试具体的金丝雀（灰度）发布效果。

（6）测试Istio实现金丝雀（灰度）发布的流量控制效果。

在正式测试之前，可以通过命令查看下当前的部署资源情况：

#查看部署的Deployment资源
kubectl get deploy  | grep micro-api

micro-api-v1             3/3     3            3           21h
micro-api-v2             3/3     3            3           8h

#查看两组版本Pod资源对应的K8s-Service的服务IP
kubectl get svc micro-api

NAME        TYPE        CLUSTER-IP       EXTERNAL-IP   PORT(S)     AGE
micro-api   ClusterIP   10.110.169.161   <none>        19090/TCP   205d

#查看VirtualService资源定义
kubectl get vs

NAME              GATEWAYS          HOSTS                                   AGE
micro-api-route   [micro-gateway]   [micro-api.default.svc.cluster.local]   7h34m

#查看定义的路由规则资源
kubectl get dr

NAME                    HOST        AGE
micro-api-destination   micro-api   7h27m

通过上面的资源信息查看，这里我们已经可以查到Deployments对应的K8s-Service资源的IP，但如果通过K8s-Service资源来进行测试的话，会发现流量的控制并不精准，并不能达到我们设置的70%流量流向v1，30%的流量流向v2（因为这是随机流量）。

因此，要使用Istio的精准流量控制功能，还需要使用Istio的Ingressgateway。查看Istio的Ingressgateway资源IP的命令如下：

#查看ingress的IP
kubectl get svc -n istio-system | grep ingress

istio-ingressgateway   LoadBalancer   10.98.178.61     <pending>     15021:31310/TCP,80:32113/TCP,443:31647/TCP,31400:30745/TCP,15443:30884/TCP   7h54m

接下来，通过Ingress的IP来访问“micro-api”服务，命令及效果如下：

# for i in {1..10}; do curl -H "Host:micro-api.default.svc.cluster.local" 10.98.178.61:80/test/test; done

{"code":0,"data":"V3|无依赖测试接口返回->OK!","message":"成功"}
{"code":0,"data":"无依赖测试接口返回->OK!","message":"成功"}
{"code":0,"data":"无依赖测试接口返回->OK!","message":"成功"}
{"code":0,"data":"无依赖测试接口返回->OK!","message":"成功"}
{"code":0,"data":"无依赖测试接口返回->OK!","message":"成功"}
{"code":0,"data":"无依赖测试接口返回->OK!","message":"成功"}
{"code":0,"data":"无依赖测试接口返回->OK!","message":"成功"}
{"code":0,"data":"无依赖测试接口返回->OK!","message":"成功"}
{"code":0,"data":"V3|无依赖测试接口返回->OK!","message":"成功"}
{"code":0,"data":"V3|无依赖测试接口返回->OK!","message":"成功"}

如上所示，流量按照设定的比例（v1:70%;v2:30%）进行了分流。

（7）测试将流量全部切向新版本。

为了更明显地验证Istio的流量控制效果，接下来，我们通过变更VirtualService资源的流量设置占比，将流量全部切到新版本。变更后的VirtualService资源的配置文件内容如下：

apiVersion: networking.istio.io/v1alpha3
kind: VirtualService
metadata:
  name: micro-api-route
spec:
  #用于定义流量被发送到的目标主机（这里为部署在k8s中的micro-api服务）
  hosts:
    - micro-api.default.svc.cluster.local
  #将VirtualService绑定到Istio网关,通过网关来暴露路由目标
  gateways:
    - micro-gateway
  http:
    - route:
        #设置旧版本（V1）版本的流量占比为70%
        - destination:
            host: micro-api.default.svc.cluster.local
            subset: v1
          #通过权重值来设置流量占比
          weight: 0
        #设置新版本（V2）版本的流量占比为30%
        - destination:
            host: micro-api.default.svc.cluster.local
            subset: v2
          weight: 100

继续通过Istio网关访问目标服务，命令如下：

# for i in {1..10}; do curl -H "Host:micro-api.default.svc.cluster.local" 10.98.178.61:80/test/test; done

{"code":0,"data":"V3|无依赖测试接口返回->OK!","message":"成功"}
{"code":0,"data":"V3|无依赖测试接口返回->OK!","message":"成功"}
{"code":0,"data":"V3|无依赖测试接口返回->OK!","message":"成功"}
{"code":0,"data":"V3|无依赖测试接口返回->OK!","message":"成功"}
{"code":0,"data":"V3|无依赖测试接口返回->OK!","message":"成功"}
{"code":0,"data":"V3|无依赖测试接口返回->OK!","message":"成功"}
{"code":0,"data":"V3|无依赖测试接口返回->OK!","message":"成功"}
{"code":0,"data":"V3|无依赖测试接口返回->OK!","message":"成功"}
{"code":0,"data":"V3|无依赖测试接口返回->OK!","message":"成功"}
{"code":0,"data":"V3|无依赖测试接口返回->OK!","message":"成功"}

可以观察到，此时流量已经全部切换到了新版本服务！

后记

在微服务时代，不同的服务之间相互联系，关系错综复杂，部署升级一个服务，可能造成整个系统的瘫痪，因此，需要选择合适的部署方式，从而将风险降到最低。金丝雀（灰度）发布只是多种部署方式的一种，还有蓝绿部署、滚动部署（如K8s的滚动升级）等，可以根据不同的业务场景选择不同的发布形式。

你知道什么叫金丝雀分布吗？你知道如何在Service Mesh微服务架构中实现吗？

什么是金丝雀发布

Kubernetes中的金丝雀（灰度）发布

Istio中的金丝雀（灰度）发布

后记

风平浪静如码

引用和评论

在Java程序中监听mysql的binlog

Bitmap 和布隆过滤器傻傻分不清？你这不应该啊

Jerry和您聊聊Chrome开发者工具

Spring 实现 3 种异步流式接口，干掉接口超时烦恼

💢线上高延迟请求排查

每一个前端，都要拥有属于自己的埋点库~

Spring Boot起步，CRUD、错误处理与宝塔部署

你知道什么叫金丝雀分布吗？你知道如何在Service Mesh微服务架构中实现吗？

什么是金丝雀发布

Kubernetes中的金丝雀（灰度）发布

Istio中的金丝雀（灰度）发布

后记

风平浪静如码

引用和评论

在Java程序中监听mysql的binlog

Bitmap 和 布隆过滤器傻傻分不清？你这不应该啊

Jerry和您聊聊Chrome开发者工具

Spring 实现 3 种异步流式接口，干掉接口超时烦恼

💢线上高延迟请求排查

每一个前端，都要拥有属于自己的埋点库~

Spring Boot起步，CRUD、错误处理与宝塔部署

Bitmap 和布隆过滤器傻傻分不清？你这不应该啊