前言
本文已歸檔到 kubernetes-handbook 【第三章用戶指南】的【在Kubernetes中開發部署應用】小節中,一切更新以 GitHub 爲準。
本文檔不是說明如何在 kubernetes 中開發和部署應用程序,如果您想要直接開發應用程序在 kubernetes 中運行可以參考 適用於kubernetes的應用開發部署流程。
本文旨在說明如何將已有的應用程序尤其是傳統的分佈式應用程序遷移到 kubernetes 中。如果該類應用程序符合雲原生應用規範(如12因素法則)的話,那麼遷移會比較順利,否則會遇到一些麻煩甚至是阻礙。具體請參考 遷移至雲原生應用架構。
接下來我們將以 Spark on YARN with kubernetes 爲例來說明,該例子足夠複雜也很有典型性,瞭解了這個例子可以幫助大家將自己的應用遷移到 kubernetes 集羣上去,代碼和配置文件可以在 這裏 找到(本文中加入 Spark 的配置,代碼中並沒有包含,讀者可以自己配置)。
下圖爲整個架構的示意圖,代碼和詳細配置文件請參考 kube-yarn(不包含 ingress、spark 配置),所有的進程管理和容器擴容直接使用 Makefile,如何使用請參考該項目文檔。
注意: 該例子僅用來說明具體的步驟劃分和複雜性,在生產環境應用還有待驗證,請謹慎使用。
術語
對於爲曾接觸過 kubernetes 或對雲平臺的技術細節不太瞭解的人來說,如何將應用遷移到 kubernetes 中可能是個頭疼的問題,在行動之前有必要先了解整個過程中需要用到哪些概念和術語,有助於大家在行動中達成共識。
過程中可能用到的概念和術語初步整理如下:
爲了講解整改過程和具體細節,我們所有操作都是通過命令手動完成,不使用自動化工具。當您充分瞭解到其中的細節後可以通過自動化工具來優化該過程,以使其更加自動和高效,同時減少因爲人爲操作失誤導致的遷移失敗。
步驟詳解
整個遷移過程分爲如下幾個步驟:
1. 將原有應用拆解爲服務
我們不是一上來就開始做鏡像,寫配置,而是應該先梳理下要遷移的應用中有哪些可以作爲服務運行,哪些是變的,哪些是不變的部分。
服務劃分的原則是最小可變原則,這個同樣適用於鏡像製作,將服務中不變的部分編譯到同一個鏡像中。
對於像 Spark on YARN 這樣複雜的應用,可以將其劃分爲三大類服務:
- ResourceManager
- NodeManager
- Spark client
2. 製作鏡像
根據拆解出來的服務,我們需要製作兩個鏡像:
- Hadoop
- Spark (From hadoop docker image)
因爲我們運行的是 Spark on YARN,因此 Spark 依賴與 Hadoop 鏡像,我們在 Spark 的基礎上包裝了一個 web service 作爲服務啓動。
鏡像製作過程中不需要在 Dockerfile 中指定 Entrypoint 和 CMD,這些都是在 kubernetes 的 YAML 文件中指定的。
Hadoop YARN 的 Dockerfile 參考如下配置。
FROM my-docker-repo/jdk:7u80 # Add native libs ARG HADOOP_VERSION=2.6.0-cdh5.5.2 ## Prefer to download from server not use local storage ADD hadoop-${HADOOP_VERSION}.tar.gz /usr/local ADD ./lib/* /usr/local/hadoop-${HADOOP_VERSION}/lib/native/ ADD ./jars/* /usr/local/hadoop-${HADOOP_VERSION}/share/hadoop/yarn/ ENV HADOOP_PREFIX=/usr/local/hadoop \ HADOOP_COMMON_HOME=/usr/local/hadoop \ HADOOP_HDFS_HOME=/usr/local/hadoop \ HADOOP_MAPRED_HOME=/usr/local/hadoop \ HADOOP_YARN_HOME=/usr/local/hadoop \ HADOOP_CONF_DIR=/usr/local/hadoop/etc/hadoop \ YARN_CONF_DIR=/usr/local/hadoop/etc/hadoop \ PATH=${PATH}:/usr/local/hadoop/bin RUN \ cd /usr/local && ln -s ./hadoop-${HADOOP_VERSION} hadoop && \ rm -f ${HADOOP_PREFIX}/logs/* WORKDIR $HADOOP_PREFIX # Hdfs ports EXPOSE 50010 50020 50070 50075 50090 8020 9000 # Mapred ports EXPOSE 19888 #Yarn ports EXPOSE 8030 8031 8032 8033 8040 8042 8088 #Other ports EXPOSE 49707 2122
3. 準備應用的配置文件
因爲我們只製作了一個 Hadoop 的鏡像,而需要啓動兩個服務,這就要求在服務啓動的時候必須加載不同的配置文件,現在我們只需要準備兩個服務中需要同時用的的配置的部分。
YARN 依賴的配置在 artifacts 目錄下,包含以下文件:
bootstrap.sh capacity-scheduler.xml container-executor.cfg core-site.xml hadoop-env.sh hdfs-site.xml log4j.properties mapred-site.xml nodemanager_exclude.txt slaves start-yarn-nm.sh start-yarn-rm.sh yarn-env.sh yarn-site.xml
其中作爲 bootstrap 啓動腳本的 bootstrap.sh 也包含在該目錄下,該腳本如何編寫請見下文。
4. Kubernetes YAML 文件
根據業務的特性選擇最適合的 kubernetes 的資源對象來運行,因爲在 YARN 中 NodeManager 需要使用主機名向 ResourceManger 註冊,因此需要沿用 YARN 原有的服務發現方式,使用 headless service 和 StatefulSet 資源。更多資料請參考 StatefulSet。
所有的 Kubernetes YAML 配置文件存儲在 manifest 目錄下,包括如下配置:
- yarn-cluster 的 namespace 配置
- Spark、ResourceManager、NodeManager 的 headless service 和 StatefulSet 配置
- 需要暴露到 kubernetes 集羣外部的 ingress 配置(ResourceManager 的 Web)
kube-yarn-ingress.yaml spark-statefulset.yaml yarn-cluster-namespace.yaml yarn-nm-statefulset.yaml yarn-rm-statefulset.yaml
5. Bootstrap 腳本
Bootstrap 腳本的作用是在啓動時根據 Pod 的環境變量、主機名或其他可以區分不同 Pod 和將啓動角色的變量來修改配置文件和啓動服務應用。
該腳本同時將原來 YARN 的日誌使用 stdout 輸出,便於使用 kubectl logs 查看日誌或其他日誌收集工具進行日誌收集。
啓動腳本 bootstrap.sh 跟 Hadoop 的配置文件同時保存在 artifacts 目錄下。
該腳本根據 Pod 的主機名,決定如何修改 Hadoop 的配置文件和啓動何種服務。bootstrap.sh 文件的部分代碼如下:
if [[ "${HOSTNAME}" =~ "yarn-nm" ]]; then sed -i '/<\/configuration>/d' $HADOOP_PREFIX/etc/hadoop/yarn-site.xml cat >> $HADOOP_PREFIX/etc/hadoop/yarn-site.xml <<- EOM <property> <name>yarn.nodemanager.resource.memory-mb</name> <value>${MY_MEM_LIMIT:-2048}</value> </property> <property> <name>yarn.nodemanager.resource.cpu-vcores</name> <value>${MY_CPU_LIMIT:-2}</value> </property> EOM echo '</configuration>' >> $HADOOP_PREFIX/etc/hadoop/yarn-site.xml cp ${CONFIG_DIR}/start-yarn-nm.sh $HADOOP_PREFIX/sbin/ cd $HADOOP_PREFIX/sbin chmod +x start-yarn-nm.sh ./start-yarn-nm.sh fi if [[ $1 == "-d" ]]; then until find ${HADOOP_PREFIX}/logs -mmin -1 | egrep -q '.*'; echo "`date`: Waiting for logs..." ; do sleep 2 ; done tail -F ${HADOOP_PREFIX}/logs/* & while true; do sleep 1000; done fi
從這部分中代碼中可以看到,如果 Pod 的主機名中包含 yarn-nm 字段則向 yarn-site.xml配置文件中增加如下內容:
<property> <name>yarn.nodemanager.resource.memory-mb</name> <value>${MY_MEM_LIMIT:-2048}</value> </property> <property> <name>yarn.nodemanager.resource.cpu-vcores</name> <value>${MY_CPU_LIMIT:-2}</value> </property>
其中 MY_MEM_LIMIT 和 MY_CPU_LIMIT 是 kubernetes YAML 中定義的環境變量,該環境變量又是引用的 Resource limit。
所有的配置準備完成後,執行 start-yarn-nm.sh 腳本啓動 NodeManager。
如果 kubernetes YAML 中的 container CMD args 中包含 -d 則在後臺運行 NodeManger 並 tail 輸出 NodeManager 的日誌到標準輸出。
6. ConfigMaps
將 Hadoop 的配置文件和 bootstrap 腳本作爲 ConfigMap 資源保存,用作 Pod 啓動時掛載的 volume。
kubectl create configmap hadoop-config \ --from-file=artifacts/hadoop/bootstrap.sh \ --from-file=artifacts/hadoop/start-yarn-rm.sh \ --from-file=artifacts/hadoop/start-yarn-nm.sh \ --from-file=artifacts/hadoop/slaves \ --from-file=artifacts/hadoop/core-site.xml \ --from-file=artifacts/hadoop/hdfs-site.xml \ --from-file=artifacts/hadoop/mapred-site.xml \ --from-file=artifacts/hadoop/yarn-site.xml \ --from-file=artifacts/hadoop/capacity-scheduler.xml \ --from-file=artifacts/hadoop/container-executor.cfg \ --from-file=artifacts/hadoop/hadoop-env.sh \ --from-file=artifacts/hadoop/log4j.properties \ --from-file=artifacts/hadoop/nodemanager_exclude.txt \ --from-file=artifacts/hadoop/yarn-env.sh kubectl create configmap spark-config \ --from-file=artifacts/spark/spark-bootstrap.sh \ --from-file=artifacts/spark/spark-env.sh \ --from-file=artifacts/spark/spark-defaults.conf
所有的配置完成後,可以可以使用 kubectl 命令來啓動和管理集羣了,我們編寫了 Makefile,您可以直接使用該 Makefile 封裝的命令實現部分的自動化。