云原生架构(Cloud-Native Architecture)
云原生关注应用如何在动态环境中持续运行和交付:实例可以被替换,流量可以分散,配置和制品可以追溯,故障可以观察并恢复。把一个只能手工启动、状态存在本机目录的程序搬到云主机,并不会自动获得这些能力。
CNCF 的云原生定义 v1.1 强调可编程、可重复的交付以及安全、韧性、可管理和可观测的松耦合系统。容器、微服务、服务网格、声明式 API、不可变基础设施、Serverless 都是可组合的技术,不是必须全部安装的清单。模块化单体也可以采用云原生运行方式。
订单服务为何需要这些能力
小林负责促销活动的订单接口。平时两台实例足够,活动前需要扩容;发布新版本时不能让正在支付的请求突然断开;某台机器故障后要补实例;订单错误率上升时,还要区分新版本、数据库和支付渠道的问题。
这些要求对应的是具体合同,而不是产品名称:新实例从哪里获取配置,何时可以接流量,旧实例何时停止,哪个指标说明扩容有效,数据库能否承受增加后的并发。Kubernetes 可以协调副本,但订单的幂等和支付事务仍由应用设计保护。
图中 Service 表示稳定访问抽象,实际转发由集群网络数据面实现;控制器调谐副本,不在每个订单请求的同步链路上。数据库可以是托管服务或独立集群,不能因为应用运行在 Kubernetes 就假定数据也自动具有高可用。
把运行合同补齐
| 合同 | 订单服务需要做什么 | 平台提供什么 |
|---|---|---|
| 交付单元 | 固定依赖,记录提交,明确 CPU 架构和系统依赖 | 镜像仓库、制品校验、运行时 |
| 配置与身份 | 配置外置,区分普通配置与凭据,不把密钥写入镜像 | ConfigMap、Secret、外部密钥系统、工作负载身份 |
| 启动与就绪 | 初始化完成后再接请求,探针成本可控 | startup/readiness 探测与端点更新 |
| 停止 | 处理终止信号,停止接新任务,完成或交还在途任务 | 终止宽限期、流量摘除与容器停止 |
| 容量与状态 | 可水平扩展,定义连接池、队列和持久化边界 | 调度、资源治理、弹性控制、存储接口 |
| 故障证据 | 关联请求、订单、版本、错误与耗时 | 日志、指标、Trace、Events、审计 |
容器共享宿主机内核;镜像并非跨 CPU、跨内核能力都能直接运行。多架构制品要分别构建和验证,glibc/musl、GPU 驱动和设备访问也属于运行合同。更小的镜像能减少体积和攻击面,但基础镜像选择还要兼顾依赖兼容和维护周期。
十二要素应用可作为检查这些合同的起点:代码和依赖明确,配置与后端服务外置,构建/发布/运行分开,以进程扩展,快速启动和终止,日志按事件流处理,管理任务独立执行,并缩小开发与生产差异。它适合业务应用的运行设计,不能把“进程无状态”扩大成数据库也不需要管理状态。
探针分别决定什么
startup 保护慢启动阶段,成功之前不执行 readiness 和 liveness。readiness 决定实例是否准备好承接 Service 流量;失败通常不重启容器。liveness 用来发现重启才能恢复的故障,持续失败才触发容器重启,不能把所有外部依赖的短暂故障都当作“本进程已死”。
如果把数据库超时作为 liveness 失败条件,数据库抖动可能造成所有应用同时重启,进一步加重负载。readiness 是否检查某个依赖,也要按接口能否降级、依赖故障是否影响全部请求决定。探针通过只证明探针覆盖的条件成立,不保证支付业务成功。
下面是 apps/v1 Deployment 的结构示例。镜像地址是占位,替换为已验证制品,生产发布固定 digest;应用必须实现三个端点并监听 8080。资源数值和时间只是起点,需要按启动时间、请求耗时和压力测试调整。
yaml
apiVersion: apps/v1
kind: Deployment
metadata:
name: order-api
namespace: orders
spec:
replicas: 2
selector:
matchLabels:
app: order-api
strategy:
type: RollingUpdate
rollingUpdate:
maxSurge: 1
maxUnavailable: 0
template:
metadata:
labels:
app: order-api
spec:
automountServiceAccountToken: false
terminationGracePeriodSeconds: 60
containers:
- name: api
image: registry.example.com/order-api:release-example
ports:
- name: http
containerPort: 8080
resources:
requests:
cpu: 250m
memory: 256Mi
limits:
cpu: "1"
memory: 512Mi
startupProbe:
httpGet: { path: /health/startup, port: http }
periodSeconds: 5
failureThreshold: 24
readinessProbe:
httpGet: { path: /health/ready, port: http }
periodSeconds: 5
timeoutSeconds: 2
livenessProbe:
httpGet: { path: /health/live, port: http }
periodSeconds: 10
timeoutSeconds: 2
failureThreshold: 3maxUnavailable: 0 不能保证零中断:还需要额外容量容纳新副本、可用实例跨故障域分布、负载均衡摘除及时、在途连接能够排空。60 秒宽限期也不会替应用实现优雅停机。异步消费者要停止领取任务,对未完成消息不提前确认,并通过幂等处理恢复重投。
对象与运行细节见 Deployment、Pod 和 调度与节点生命周期。
一份制品怎样成为线上版本
CI 负责测试、构建、扫描和记录制品;CD 负责把经过验证的版本送入目标环境。持续交付保持随时可发布,持续部署把满足条件的版本自动发布到生产,二者的授权策略不同。
GitOps 中,部署仓库保存镜像 digest、配置及环境差异,控制器从受信源读取期望状态,与集群实际对象比较并调谐。CI 不必持有生产集群管理员凭据,镜像拉取也不是由 GitOps 控制器转存应用镜像。应用仓库和配置仓库可以分开,也可以在同一仓库中按职责管理。
“Synced”只说明对象与期望清单一致;“Ready”主要说明资源就绪;订单成功率、尾延迟和重复支付等仍需业务验证。Deployment 的滚动更新不自动理解这些指标。需要按错误率暂停、按权重灰度或切换蓝绿环境时,再引入对应发布控制能力,并定义样本不足、指标查询失败时怎样处理。
GitOps 管理下直接执行临时回滚命令,可能很快被期望状态覆盖。正式回退应先修正部署来源并验证生效;紧急手工操作需按既定方式暂停调谐、留痕,恢复后对齐 Git。旧镜像可重新运行,不代表数据库迁移、消息格式或外部支付副作用可逆。数据库变更应考虑扩展/收缩、兼容窗口和恢复演练。
发布及供应链细节见 GitOps、策略与供应链 和 DevOps 交付闭环。
弹性不是不断增加副本
HPA 根据指标调整副本数,节点扩容组件补计算容量,调度器再放置新 Pod。这是几条控制环,不能把其中一个成功等同于容量已经就绪。新实例启动、镜像拉取和预热都需要时间;促销已知高峰可提前预热,不能只等待实时 CPU 告警。
对于订单接口,增加应用副本会增加数据库连接和下游请求。若数据库已饱和,扩更多应用反而扩大排队。除了 CPU,还要观察接口尾延迟、在途请求、队列年龄、连接池等待和下游饱和度,给伸缩设置上限和稳定窗口。
异步导出 Worker 可以按积压任务或最旧任务年龄伸缩,但每项任务的成本不一致时,仅看消息数量会失真。长任务要考虑缩容时排空、租约和重复执行。容量细节见 可靠性、弹性与容量。
服务之间如何通信
同步调用应传播请求期限,设置连接与请求超时,限定重试次数和并发;重试必须结合幂等键、退避和抖动。多层分别重试会放大请求量。支付调用超时表示结果未知,不能直接当作支付失败再次扣款,应通过支付单和渠道查询确认。
异步消息将接收与处理解耦,但引入重复、乱序、积压和故障恢复。订单状态与待发事件可通过 Outbox 同事务提交,消费者在副作用完成后按规则确认;跨存储不能仅凭 MQ 配置宣称“恰好一次”。详见 CQRS 和 事件驱动架构。
Service Mesh 把部分服务通信能力放到代理和控制平面,例如流量策略、服务身份、mTLS 和遥测。以 Istio sidecar 模式为例,istiod 负责服务发现、配置与证书管理,Envoy 处理数据面流量;旧版将 Pilot、Citadel、Galley、Mixer 并列为独立控制组件的图,不能作为当前部署模板。Mesh 仍不代替业务幂等、用户授权和事务设计,少量服务不必为这些能力先安装一整套网格。
数据、工作负载和配置的边界
| 对象 | 适合承担什么 | 不会自动提供什么 |
|---|---|---|
| Deployment | 可替换业务副本与滚动更新 | 数据复制、跨区域容灾 |
| StatefulSet + PVC | 稳定身份及持久卷关联 | 数据库主从选举、数据正确性、备份恢复 |
| DaemonSet | 在符合选择条件的节点运行节点级代理 | 无条件在所有节点运行 |
| Job / CronJob | 一次性或定时任务的执行管理 | 业务副作用恰好一次 |
| Service / Gateway 或 Ingress | 稳定发现与入口路由,需对应实现支持 | 应用内部的租户权限和幂等 |
| ConfigMap / Secret | 普通配置与凭据的注入入口 | 自动热加载、自动安全轮换 |
有状态系统需要单独确定 RPO/RTO、备份和恢复路径。每个服务拥有数据访问边界,不意味着必须购买独立数据库集群;可以在明确隔离前提下共享基础设施。跨服务不要直接修改别人拥有的表。是否采用事件溯源,由历史事实和重放需求决定,不能把它当作云原生必选项。
Secret 的 Base64 是编码,不是加密。还要配置存储加密、最小 RBAC、短期身份、密钥系统和轮换。环境变量不会随 Secret 更新自动改变;卷挂载更新也不等于应用自动重读,subPath 挂载还存在不同更新行为。见 Secret 和 ConfigMap。
用证据定位故障
指标先回答影响面,Trace 帮助定位哪段依赖耗时,日志补充该次操作的业务细节,Events 与对象状态解释调度和容器生命周期。它们通过版本、Pod、时间和请求标识关联,不能把订单号直接作为无限增长的指标标签。追踪要考虑跨进程上下文传播和采样,没有采到的请求不能靠一张 Trace 图还原。
bash
# 前提:kubectl 指向目标集群,orders 命名空间和 order-api 已存在。
kubectl rollout status deploy/order-api -n orders --timeout=120s
kubectl get deploy,rs,pod -n orders -o wide
kubectl get endpointslice -n orders -l kubernetes.io/service-name=order-api
kubectl get events -n orders --sort-by=.metadata.creationTimestamp
kubectl logs deploy/order-api -n orders --tail=100| 现象 | 优先证据 | 应用侧需要补的验证 |
|---|---|---|
| Pod 一直 Pending | Events、资源请求、配额、亲和性、卷 | 资源估算是否合理,是否需要特殊硬件 |
| 新版本反复重启 | 上次容器日志、退出码、OOM、探针结果 | 启动是否超预算,liveness 是否误依赖下游 |
| Pod Ready 但入口失败 | EndpointSlice、Service 端口、路由、网络策略 | 协议、监听地址、身份和超时是否一致 |
| 扩容后订单更慢 | 连接池等待、数据库负载、下游限流 | 并发上限、背压与幂等是否有效 |
| 回退后仍异常 | 镜像 digest、配置版本、数据模式、消息积压 | 状态副作用是否兼容,是否需补偿或重建 |
kubectl logs deploy/... 不是全部副本的完整日志,排查时应按具体 Pod、容器和时间范围取证;已重启容器可查 --previous,长期追踪依赖集中日志保留。详细链路见 可观测性与证据链。
安全与选型
安全覆盖代码、镜像、集群和底层基础设施。可信构建和 digest 追踪解决来源问题,漏洞扫描是某个时间点的判断,签名也不等于没有漏洞。运行时按工作负载配置身份、RBAC、网络策略和受限安全上下文,应用仍要校验用户和租户权限。mTLS 证明对端工作负载身份,不能据此推断它可读取任意订单。
系统规模小、负载稳定、现有部署可靠时,可以先采用受控镜像、自动发布、备份和观测。需要跨节点调度、大量服务治理和弹性时,再评估编排平台。单体、HPC、GPU 和严格合规场景都可能使用云原生技术,但需要分别验证硬件拓扑、网络时延、数据位置和隔离要求,不能笼统归为不适用。
迁移从一个用例开始:记录当前发布与恢复耗时,完成可追溯制品、探针、停机和证据链;再演练实例故障、下游超时、滚动发布和恢复。确认系统改善后再引入更复杂的弹性、网格和平台能力。衡量的是业务可用性、变更失败率、恢复时间和总成本,而不是组件数量。
继续阅读:Kubernetes 导览、容器基础、微服务架构。
