Skip to content

约 9 分钟阅读

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。

订单服务的请求路径与平台控制

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: 3

maxUnavailable: 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。

从制品到期望状态,再到运行验收和回退

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 PendingEvents、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。

别急,先让缓存热一下。