如何在 Kubernetes 中对应用进行可暂停的分批发布

2019 年 3 月 25 日 高效开发运维

作者 | 孙齐

编辑 | 张婵

Kubernetes 生态中的常用变更策略有哪些？本文结合 Deployment 的特性与常见的发布策略，介绍了阿里在分批发布场景下的实践。

在 Kubernetes 中针对各种工作负载，提供了多种控制器，其中 Deployment 为官方推荐，被用于管理无状态应用的 API 对象。本文将结合 Deployment 的特性，与常见的发布策略，以及我们在分批发布场景下的实践，做一些分享。

使用 Deployment 的场景

Deployment 在 Kubernetes 1.9 版本后被晋升为 GA 版本，基于 Spec 定义管理 Pod，无需关心每个实例的部署结构差异。

对于日常应用变更，可以满足如下典型场景：

• 应用变更，提供滚动升级策略，失败自动暂停。
• 应用变更失败，回滚到之前版本。
• 应用水平伸缩，支撑更高负载。
• 历史资源回收，不需要手工回收 Pod 或 ReplicaSet 资源。

Deployment 提供了 RollingUpdate 滚动升级策略，升级过程中根据 Pod 状态，采用自动状态机的方式，通过下面两个配置，对新老 Pod 交替升级，控制升级速率。

• Max Unavailable : 最大不可用实例数 / 比例。
• Max Surge : 调度过程中，可超过最大期望实例数的数 / 比例。

Kubernetes 生态中常见变更策略

基于 Deployment 的基础功能，结合 Service / Ingress / Istio 等流量控制组件，常见如下几种策略。具体对比分析与实现，可参考网上文章 https://container-solutions.com/kubernetes-deployment-strategies/，这里不做过多展开：

滚动 Rolling：渐进式创建新版本，然后停止老版本，自动完成整个流程。

金丝雀 Canary：小部分流量，升级并导入新版本，手工验证完毕后，全量升级部署。

蓝绿 Blue/Green：创建出新版本，与老版本并存，通过切换流量实现发布与回滚。

重建 Recreate：杀死所有老版本，再用新版本重建。适用于开发、测试环境重新初始化。
A/B 测试：部署新版本，流量控制倒流，长期在线。严格来说，这是一种线上业务与商业化验证的模式，不是变更策略。

为何需要分批暂停

在日常变更中，上述机制会让变更变得简单和便捷，但 Deployment 有如下限制：

• 需要手工回滚。
• 无法暂停滚动升级过程。

那么客户发布过程中，经常会遇到哪些情况，导致发布失败呢？我们在整理与分析客户失败的发布时发现，主要出现在下面阶段：

• 开始灰度发布：因配置错误、打包异常、代码 BUG，或灰度后功能验证中发现了问题。
• 灰度验证成功，分批发布过程中：因网络白名单、资源不足、单机配置错误。
• 发布上线后：客户反馈、监控报警。

不难看出，一次常见的发布，在不同发布阶段，需要一个手动的、可以更细粒度的控制，减少对线上的不良影响。所以滚动升级的分批暂停功能，对核心业务发布来说，是质量保障必不可少的一环。那有没有什么方法，即可使用 Deployment 的滚动升级机制，又可以在发布过程中，结合金丝雀发布，分阶段暂停发布流程呢？

阿里在 K8s 中的分批发布实践：手动灰度 + 自动 / 手动分批发布

在阿里巴巴内部，分批发布是最常见的发布手段，用于保障线上发布。结合“可灰度、可监控、可回滚”作为基本发布要求，发布阶段可以分为主要两个阶段：

• 灰度阶段：先灰度 1-2 台，线上验证流量正确性。该阶段出现问题后，影响面可控、可快速回滚。大部分应用变更过程中，可能会出现的问题，均会在此阶段被发现或暴露。
• 自动 / 手动分批阶段：灰度成功后，一批批发布，为监控和报警，留足时间窗口，提前发现问题。

结合上述场景，我们采用管控 + 双 Deployment 方式实践了可暂停的分批发布。主要是基于如下两种发布策略的组合使用：

• Canary + Batch Rolling 策略结合。
• Canary : 灰度发布 XX 台，发布后暂停。线上验证流量。
• Batch Rolling : 分批发布 XX 批，发布后自动 / 手动继续发布下一批。

针对具体发布策略，我们的考虑和做法是这样的：

• 创建新 Deployment : 新版本发布，作为灰度验证的部署实例，初始实例数为 0；
• 进入灰度阶段：仅选取少量实例，扩容新版本 Deployment，缩容线上 Deployment；
• 进入分批阶段：根据分批实例，自动变更新老 Deployment 实例；
• 回滚阶段：反向做分批流程，将新版本实例数缩容到 0，老版本重新扩容到原有预期的实例数。

若发布过程中出现异常状态，如何及时发现错误，设置滚动升级卡点，或做到自动回滚呢？现在考虑如下：

• 自动健康检查：结合应用 Liveness / Readiness 检查配置，根据 Kubernetes Pod 状态，若发布过程中有任何发布失败情况，均停止当前批次新老 Deployment 的滚动升级操作。
• 终止发布回滚：认为任何的发布失败，不应该是等待排查问题再发一次，而是应该第一时间回滚代码，保障线上业务质量，然后再考虑第二次变更。所以当未完成本次分批发布时，终止变更，会自动回滚本次变更。

思考

通过扩展滚动更新，提供手工分批能力后，还有更多可以保障发布的策略与发布。

• 对灰度发布，结合流量控制规则，进行线上灰度验证。
• 结合更多监控指标，与线上服务情况，确定指标基线，作为发布卡点，让分批发布更自动化。

作者简介

孙齐（花名：代序），阿里巴巴高级工程师，负责企业级分布式应用服务 EDAS 及 EDAS Serveless 的开发和维护工作。

活动推荐

各互联网公司的一线专家也在不断提升运维能力，从被动救火式运维向主动精细化运维实践、基于机器学习的智能运维实践、基于 Kubernetes 的自动化运维实践、全链路日志监控实践等方面转换。QCon 北京 2019 可能会有适合你业务的方案：