背景
对于业务和产品来讲,随时都有紧急小版本功能上线,对于研发人员来讲,线上如果有一些紧急的bug,都需要随时发版修正;而对于产品使用用户来讲,任何的功能和版本发布,要尽可能对用户无感知。方案
- 灰度发布,自动小批量流量切换。
- 产品层面要切分小版本,研发设计细节上要向上兼容(诸如接口层面)。
- 服务发布要实现滚动发布,发布异常要自动回滚,中间不断服。
k8s 滚动发布方案:
1. 历史实践方案- rancher
k8s采用rancher部署。 1)采用rancher cli 客户端工具登陆rancher,获取发布日志,扫描启动日志“成功标记位”,超过扫描周期,判定为发布失败,通知rancher进行回滚。 2)应用进程关闭前自动通知网关注销节点,通知eureka下线,关闭流量。如果关闭进程超时,则强杀! 实践心得:正常发布情况下基本可用,回滚情况下基本可用;如果出现超时,可能会出现流量少量时间异常。因为靠超时保证稳定性,所以有时发布周期较长。2. 现有实践方案 - 阿里云k8s
k8s采用阿里云部署。 1) 采用kubectl 工具,yml文件部署。 2)yml定义readinessProbe 就绪探针实现优雅上线,preStop 关闭前事件实现优雅下线。 3)采用发布“部署结果”状态检测,如果发布超过时间(超时),则立即通知回滚上一个版本。yml定义文件如图所示:
一. 优雅上线的http状态请求实现
1. 基于bsf框架底层(业务统一使用的底层基础架构),内部实现基于springboot的生命周期,识别应用进程所处的“启动完成”,“关闭事件”,从而识别应用是否已完全启动成功以及下线后撤销就绪状态。同样业务也可以订阅生命周期事件并加入自定义逻辑,从而保证 业务特殊场景的初始化完成才“处于就绪状态”,开始接收业务流量。 2. 代码外层逻辑如下:bsf-statusFilterjava-stop.sh文件如图所示:
![](/i/l/?n=22&i=blog/815689/202210/815689-20221019222719122-1847267517.png)
二. 优雅下线的shell脚本实现
- 基于bsf框架底层(业务统一使用的底层基础架构),内部实现对于eureka服务的状态修改及自动下线,从而实现应用进程关闭时通知eureka注销自身应用服务下线。同样也会通知当前生命周期处于stopping状态,从而引发“就绪探针”的就绪状态失效。
- 代码外层逻辑如下:bsf-eurekaStatusFilter
- podstopsleeptime 时间为eureka注销后,默认eureka下线真正生效时间(因为eureka客户端可能有缓存),需要看eureka情况调整。比如eureka需要调优几个参数,其中涉及到eureka消费者端的订阅实例刷新的周期,eureka实例的eureka服务端缓存时间。理论上手工下线后5秒生效,如果手工下线失效,保守时间应该是消费者端实例刷新时间+eureka服务端实例缓存时间=生效时间;在eureka客户端配置如图调优后,考虑设置为10秒。
eureka 调优参考如下:
![](/i/l/?n=22&i=blog/815689/202210/815689-20221019222755862-752093805.png)
三. 发布异常检测逻辑实现
核心实现基于两个关键k8s 命令: 1. kubectl rollout status deploy {服务名} -n {namespace} 定期检查当前发布状态,如果长时间没有发布成功,则通知回滚。(风险:假如此时有人工控制台或命令介入操作,会干预正常自动化发版) 2. kubectl -n {namespace} rollout undo deploy {服务名} 通知服务回滚上一个版本。(风险:上一个版本可能失败,或者出现异常?不一定是程序问题,可能数据库出现异常等等?所以一般人工介入确认一下比较好。同时发出飞书通知提醒!)发布异常检测处理逻辑如图:
四. 验证滚动发布是否有效
1. 外层网关验证 采用全自动化全链路压测工具(自动流量录制,自动生成报告,压测效能提升10倍),设置自动化压测任务,进行长时间不间断扫描!验证发布/回滚时,流量验证是否出现中断! 结论: 配置2个线程持续扫描空接口的情况下,没有出现http链接异常,在滚动发布的时候出现流量的波谷,但是服务没有中断。压测工具报告如图所示:
![](/i/l/?n=22&i=blog/815689/202210/815689-20221019222922365-1167602910.png)
2. 内部服务调用验证: 基于eureka情况下,内部rpc调用是否有效?尚未检验。 3. 多种异常情况下的发布是否正常回滚? 诸如常见的编译错误或者系统配置一样导致打包问题,会不会影响线上(应该是终止的)。多种服务启动错误能不能自动回滚?(有些场景下应该还是不能回滚的) 4. 内部大范围项目推广验证!!! 待实践。