实例演示：如何构建高可用的微服务架构

R

5月8日晚20:30，Kubernetes Master Class在线培训第五期《Kubernetes中的日志、监控与告警》即将开播，点击文末【阅读原文】即可免费预约注册！

当你设计和构建大规模应用时，你将面临两个重大挑战：可伸缩性和健壮性。

你应该这样设计你的服务，即使它受到间歇性的重负载，它仍能可靠地运行。

以Apple Store为例，每年都有数百万的Apple客户预先注册购买新的iPhone。这是数百万人同时购买物品。

如果你要将Apple商店的流量描述为每秒的请求数量，那么它可能是下图的样子：

现在想象一下，你的任务是构建这样的应用程序。

你正在建立一个商店，用户可以在那里购买自己喜欢的商品。

你构建一个微服务来呈现网页并提供静态资产。你还构建了一个后端REST API来处理传入的请求。

你希望将两个组件分开，因为这样可以使用相同的REST API，为网站和移动应用程序提供服务。

今天是重要的一天，你的商店上线了。

你决定将应用程序扩展为前端四个实例和后端四个实例，因为你预测网站比平常更繁忙。

你开始接收越来越多的流量。

前端服务正在很好得处理流量。但是你注意到连接到数据库的后端正在努力跟上事务的数量。

不用担心，你可以将后端的副本数量扩展到8。

你收到的流量更多，后端无法应对。

一些服务开始丢弃连接。愤怒的客户与你的客服取得联系。而现在你被淹没在大量流量中。

你的后端无法应付它，它会失去很多连接。

你刚丢了一大笔钱，你的顾客也不高兴。

你的应用程序设计得并不理想，也不满足高可用，因为在你的架构中：

• 前端和后端紧密耦合——实际上它不能在没有后端的情况下处理应用

• 前端和后端必须一致扩展——如果没有足够的后端，你可能会淹没在流量中

• 如果后端不可用，则无法处理传入的事务。

失去事务意味着收入损失。

你可以重新设计架构，以便将前端和后端用队列分离。

前端将消息发布到队列，而后端则一次处理一个待处理消息。

新架构有一些明显的好处：

• 如果后端不可用，则队列充当缓冲区

• 如果前端产生的消息多于后端可以处理的消息，则这些消息将缓冲在队列中

• 你可以独立于前端扩展后端——即你可以拥有数百个前端服务和后端的单个实例

太好了，但是你如何构建这样的应用程序？

你如何设计可处理数十万个请求的服务？你如何部署动态扩展的应用程序？在深入了解部署和扩展的细节之前，让我们关注应用程序。

编写Spring应用程序

该服务有三个组件：前端，后端和消息代理。

前端是一个简单的Spring Boot Web应用程序，带有Thymeleaf模板引擎。后端是一个消耗队列消息的工作者。

由于Spring Boot与JSM能出色得集成，因此你可以使用它来发送和接收异步消息。

你可以在learnk8s / spring-boot-k8s-hpa[1]中找到一个连接到JSM的前端和后端应用程序的示例项目。

请注意，该应用程序是用Java 10编写的，以利用改进的Docker容器集成能力。

只有一个代码库，你可以将项目配置为作为前端或后端运行。
你应该知道该应用程序具有：

• 一个购买物品的主页

• 管理面板，你可以在其中检查队列中的消息数
  

• 一个 /health 端点，用于在应用程序准备好接收流量时发出信号
  

• 一个 /submit 端点，从表单接收提交并在队列中创建消息
  

• 一个 /metrics 端点，用于公开队列中待处理消息的数量（稍后将详细介绍）
  

该应用程序可以在两种模式下运行：

作为前端，应用程序呈现人们可以购买物品的网页。

作为工作者，应用程序等待队列中的消息并处理它们。

请注意，在示例项目中，使用Thread.sleep(5000)等待五秒钟来模拟处理。

你可以通过更改application.yaml中的值来在任一模式下配置应用程序。

模拟应用程序的运行

默认情况下，应用程序作为前端和工作程序启动。

你可以运行该应用程序，只要你在本地运行ActiveMQ实例，你就应该能够购买物品并让系统处理这些物品。

如果检查日志，则应该看到工作程序处理项目。

它确实工作了！编写Spring Boot应用程序很容易。

一个更有趣的主题是学习如何将Spring Boot连接到消息代理。

使用JMS发送和接收消息

Spring JMS（Java消息服务）是一种使用标准协议发送和接收消息的强大机制。

如果你以前使用过JDBC API，那么你应该熟悉JMS API，因为它的工作方式很类似。

你可以按JMS方式来使用的最流行的消息代理是ActiveMQ——一个开源消息服务器。

使用这两个组件，你可以使用熟悉的接口（JMS）将消息发布到队列（ActiveMQ），并使用相同的接口来接收消息。

更妙的是，Spring Boot与JMS的集成非常好，因此你可以立即加快速度。

实际上，以下短类封装了用于与队列交互的逻辑：

1. @Component

2. public class QueueService implements MessageListener {

3. private static final Logger LOGGER = LoggerFactory.getLogger(QueueService.class);

4. @Autowired

5.  private JmsTemplate jmsTemplate;

6.  public void send(String destination, String message) {

7.    LOGGER.info("sending message='{}' to destination='{}'", message, destination);

8.    jmsTemplate.convertAndSend(destination, message);

9.  }

10. @Override

11.  public void onMessage(Message message) {

12.    if (message instanceof ActiveMQTextMessage) {

13.      ActiveMQTextMessage textMessage = (ActiveMQTextMessage) message;

14.      try {

15.        LOGGER.info("Processing task "   textMessage.getText());

16.        Thread.sleep(5000);

17.        LOGGER.info("Completed task "   textMessage.getText());

18.      } catch (InterruptedException e) {

19.        e.printStackTrace();

20.      } catch (JMSException e) {

21.        e.printStackTrace();

22.      }

23.    } else {

24.      LOGGER.error("Message is not a text message "   message.toString());

25.    }

26.  }

27. }

你可以使用send方法将消息发布到命名队列。

此外，Spring Boot将为每个传入消息执行onMessage方法。

最后一个难题是指示Spring Boot使用该类。

你可以通过在Spring Boot应用程序中注册侦听器来在后台处理消息，如下所示：

1. @SpringBootApplication

2. @EnableJms

3. public class SpringBootApplication implements JmsListenerConfigurer {

4.  @Autowired

5.  private QueueService queueService;

6. public static void main(String[] args) {

7.    SpringApplication.run(SpringBootApplication.class, args);

8.  }

9. @Override

10.  public void configureJmsListeners(JmsListenerEndpointRegistrar registrar) {

11.    SimpleJmsListenerEndpoint endpoint = new SimpleJmsListenerEndpoint();

12.    endpoint.setId("myId");

13.    endpoint.setDestination("queueName");

14.    endpoint.setMessageListener(queueService);

15.    registrar.registerEndpoint(endpoint);

16.  }

17. }

其中id是使用者的唯一标识符，destination是队列的名称。

你可以从GitHub[2]上的项目中完整地读取Spring队列服务的源代码。

回顾一下你是如何在少于40行代码中编写可靠队列的。

你一定很喜欢Spring Boot。

你在部署时节省的所有时间都可以专注于编码

你验证了应用程序的工作原理，现在是时候部署它了。

此时，你可以启动VPS，安装Tomcat，并花些时间制作自定义脚本来测试，构建，打包和部署应用程序。

或者你可以编写你希望拥有的描述：一个消息代理和两个使用负载均衡器部署的应用程序。

诸如Kubernetes之类的编排器可以阅读你的愿望清单并提供正确的基础设施。

由于花在基础架构上的时间减少意味着更多的时间编码，这次你将把应用程序部署到Kubernetes。但在开始之前，你需要一个Kubernetes集群。

你可以注册Google云平台或Azure，并使用Kubernetes提供的云提供商服务。或者，你可以在将应用程序移动到云上之前在本地尝试Kubernetes。

minikube是一个打包为虚拟机的本地Kubernetes集群。如果你使用的是Windows，Linux和Mac，那就太好了，因为创建群集需要五分钟。

你还应该安装kubectl，即连接到你的群集的客户端。

你可以从官方文档[3]中找到有关如何安装minikube和kubectl的说明。

如果你在Windows上运行，则应查看有关如何安装Kubernetes和Docker的详细指南[4]。

你应该启动一个具有8GB RAM和一些额外配置的集群：

1. minikube start \

2.  --memory 8096 \

3.  --extra-config=controller-manager.horizontal-pod-autoscaler-upscale-delay=1m \

4.  --extra-config=controller-manager.horizontal-pod-autoscaler-downscale-delay=2m \

5.  --extra-config=controller-manager.horizontal-pod-autoscaler-sync-period=10s

请注意，如果你使用的是预先存在的minikube实例，则可以通过销毁VM来重新调整VM的大小。只需添加--memory8096就不会有任何影响。

验证安装是否成功。你应该看到以列表形式展示的一些资源。集群已经准备就绪，也许你应该立即开始部署？

还不行。

你必须先装好你的东西。

什么比uber-jar更好？容器

部署到Kubernetes的应用程序必须打包为容器。毕竟，Kubernetes是一个容器编排器，所以它本身无法运行你的jar。

容器类似于fat jar：它们包含运行应用程序所需的所有依赖项。甚至JVM也是容器的一部分。所以他们在技术上是一个更胖的fat-jar。

将应用程序打包为容器的流行技术是Docker。

虽然Docker是最受欢迎的，但它并不是唯一能够运行容器的技术。其他受欢迎的选项包括rkt和lxd。

如果你没有安装Docker，可以按照Docker官方网站上的说明[5]进行操作。

通常，你构建容器并将它们推送到仓库。它类似于向Artifactory或Nexus推送jar包。但在这种特殊情况下，你将在本地工作并跳过仓库部分。实际上，你将直接在minikube中创建容器镜像。

首先，按照此命令打印的说明将Docker客户端连接到minikube：

1. minikube docker-env

请注意，如果切换终端，则需要重新连接minikube内的Docker守护程序。每次使用不同的终端时都应遵循相同的说明。

并从项目的根目录构建容器镜像：

1. docker build -t spring-k8s-hp0a .

你可以验证镜像是否已构建并准备好运行：

1. docker images |grep spring

很好。

集群已准备好，你打包应用程序，也许你已准备好立即部署？

是的，你最终可以要求Kubernetes部署应用程序。

将你的应用程序部署到Kubernetes

你的应用程序有三个组件：

• 呈现前端的Spring Boot应用程序

• ActiveMQ作为消息代理

• 处理事务的Spring Boot后端

你应该分别部署这三个组件。

对于每个组件你都应该创建：

• Deployment对象，描述部署的容器及其配置

• 一个Service对象，充当Deployment部署创建的应用程序的所有实例的负载均衡器

部署中的每个应用程序实例都称为Pod。

部署ActiveMQ

让我们从ActiveMQ开始吧。

你应该创建一个activemq-deployment.yaml文件，其中包含以下内容：

1. apiVersion: extensions/v1beta1

2. kind: Deployment

3. metadata:

4.  name: queue

5. spec:

6.  replicas: 1

7.  template:

8.    metadata:

9.      labels:

10.        app: queue

11.    spec:

12.      containers:

13.      - name: web

14.        image: webcenter/activemq:5.14.3

15.        imagePullPolicy: IfNotPresent

16.        ports:

17.          - containerPort: 61616

18.        resources:

19.          limits:

20.            memory: 512Mi

该模板冗长但直接易读：

• 你从名为webcenter / activemq的官方仓库中请求了一个activemq容器

• 容器在端口61616上公开消息代理

• 为容器分配了512MB的内存

• 你要求提供单个副本 - 你的应用程序的单个实例

使用以下内容创建activemq-service.yaml文件：

1. apiVersion: v1

2. kind: Service

3. metadata:

4.  name: queue

5. spec:

6.  ports:

7.  - port: 61616

8.    targetPort: 61616

9.  selector:

10.    app: queue

幸运的是，这个模板更短！

这个yaml表示：

• 你创建了一个公开端口61616的负载均衡器

• 传入流量分发到所有具有app：queue类型标签的Pod（请参阅上面的部署）

• targetPort是Pod暴露的端口

你可以使用以下命令创建资源：

1. kubectl create -f activemq-deployment.yaml

2. kubectl create -f activemq-service.yaml

你可以使用以下命令验证数据库的一个实例是否正在运行：

1. kubectl get pods -l=app=queue

部署前端

使用以下内容创建fe-deployment.yaml文件：

1. apiVersion: extensions/v1beta1

2. kind: Deployment

3. metadata:

4.  name: frontend

5. spec:

6.  replicas: 1

7.  template:

8.    metadata:

9.      labels:

10.        app: frontend

11.    spec:

12.      containers:

13.      - name: frontend

14.        image: spring-boot-hpa

15.        imagePullPolicy: IfNotPresent

16.        env:

17.        - name: ACTIVEMQ_BROKER_URL

18.          value: "tcp://queue:61616"

19.        - name: STORE_ENABLED

20.          value: "true"

21.        - name: WORKER_ENABLED

22.          value: "false"

23.        ports:

24.        - containerPort: 8080

25.        livenessProbe:

26.          initialDelaySeconds: 5

27.          periodSeconds: 5

28.          httpGet:

29.            path: /health

30.            port: 8080

31.        resources:

32.          limits:

33.            memory: 512Mi

Deployment看起来很像前一个。

但是有一些新的字段：

• 有一个section可以注入环境变量

• 还有Liveness探针，可以告诉你应用程序何时可以接受流量

使用以下内容创建fe-service.yaml文件：

1. apiVersion: v1

2. kind: Service

3. metadata:

4.  name: frontend

5. spec:

6.  ports:

7.  - nodePort: 32000

8.    port: 80

9.    targetPort: 8080

10.  selector:

11.    app: frontend

12.  type: NodePort

你可以使用以下命令创建资源：

1. kubectl create -f fe-deployment.yaml

2. kubectl create -f fe-service.yaml

你可以使用以下命令验证前端应用程序的一个实例是否正在运行：

1. kubectl get pods -l=app=frontend

部署后端

使用以下内容创建backend-deployment.yaml文件：

1. apiVersion: extensions/v1beta1

2. kind: Deployment

3. metadata:

4.  name: backend

5. spec:

6.  replicas: 1

7.  template:

8.    metadata:

9.      labels:

10.        app: backend

11.      annotations:

12.        prometheus.io/scrape: 'true'

13.    spec:

14.      containers:

15.      - name: backend

16.        image: spring-boot-hpa

17.        imagePullPolicy: IfNotPresent

18.        env:

19.        - name: ACTIVEMQ_BROKER_URL

20.          value: "tcp://queue:61616"

21.        - name: STORE_ENABLED

22.          value: "false"

23.        - name: WORKER_ENABLED

24.          value: "true"

25.        ports:

26.        - containerPort: 8080

27.        livenessProbe:

28.          initialDelaySeconds: 5

29.          periodSeconds: 5

30.          httpGet:

31.            path: /health

32.            port: 8080

33.        resources:

34.          limits:

35.            memory: 512Mi

使用以下内容创建backend-service.yaml文件：

1. apiVersion: v1

2. kind: Service

3. metadata:

4.  name: backend

5.  spec:

6.    ports:

7.    - nodePort: 31000

8.      port: 80

9.      targetPort: 8080

10.    selector:

11.      app: backend

12.    type: NodePort

你可以使用以下命令创建资源：

1. kubectl create -f backend-deployment.yaml

2. kubectl create -f backend-service.yaml

你可以验证后端的一个实例是否正在运行：

1. kubectl get pods -l=app=backend

部署完成。

它真的有效吗？

你可以使用以下命令在浏览器中访问该应用程序：

1. minikube service backend

1. minikube service frontend

如果它有效，你应该尝试购买一些物品！

工作者在处理交易吗？

是的，如果有足够的时间，工作人员将处理所有待处理的消息。

恭喜！

你刚刚将应用程序部署到Kubernetes！

手动扩展以满足不断增长的需求

单个工作程序可能无法处理大量消息。实际上，它当时只能处理一条消息。

如果你决定购买数千件物品，则需要数小时才能清除队列。
此时你有两个选择：

• 你可以手动放大和缩小

• 你可以创建自动缩放规则以自动向上或向下扩展

让我们先从基础知识开始。

你可以使用以下方法将后端扩展为三个实例：

1. kubectl scale --replicas=5 deployment/backend

你可以验证Kubernetes是否创建了另外五个实例：

1. kubectl get pods

并且应用程序可以处理五倍以上的消息。

一旦工人排空队列，你可以缩小：

1. kubectl scale --replicas=1 deployment/backend

如果你知道最多的流量何时达到你的服务，手动扩大和缩小都很棒。

如果不这样做，设置自动缩放器允许应用程序自动缩放而无需手动干预。

你只需要定义一些规则。

公开应用程序指标

Kubernetes如何知道何时扩展你的申请？

很简单，你必须告诉它。

自动调节器通过监控指标来工作。只有这样，它才能增加或减少应用程序的实例。

因此，你可以将队列长度公开为度量标准，并要求autoscaler观察该值。队列中的待处理消息越多，Kubernetes将创建的应用程序实例就越多。

那么你如何公开这些指标呢？

应用程序具有/metrics端点以显示队列中的消息数。如果你尝试访问该页面，你会注意到以下内容：

1. # HELP messages Number of messages in the queue

2. # TYPE messages gauge

3. messages 0

应用程序不会将指标公开为JSON格式。格式为纯文本，是公开Prometheus指标的标准。不要担心记忆格式。大多数情况下，你将使用其中一个Prometheus客户端库。

在Kubernetes中使用应用程序指标

你几乎已准备好进行自动缩放——但你应首先安装度量服务器。实际上，默认情况下，Kubernetes不会从你的应用程序中提取指标。如果你愿意，可以启用Custom Metrics API。

要安装Custom Metrics API，你还需要Prometheus - 时间序列数据库。安装Custom Metrics API所需的所有文件都可以方便地打包在learnk8s / spring-boot-k8s-hpa中[1]。

你应下载该存储库的内容，并将当前目录更改为该项目的monitoring文件夹。

1. cd spring-boot-k8s-hpa/monitoring

从那里，你可以创建自定义指标API：

1. kubectl create -f ./metrics-server

2. kubectl create -f ./namespaces.yaml

3. kubectl create -f ./prometheus

4. kubectl create -f ./custom-metrics-api

你应该等到以下命令返回自定义指标列表：

1. kubectl get --raw "/apis/custom.metrics.k8s.io/v1beta1" | jq .

任务完成！

你已准备好使用指标。

实际上，你应该已经找到了队列中消息数量的自定义指标：

1. kubectl get --raw "/apis/custom.metrics.k8s.io/v1beta1/namespaces/default/pods/*/messages" | jq .

恭喜，你有一个公开指标的应用程序和使用它们的指标服务器。

你最终可以启用自动缩放器！

在Kubernetes中进行自动扩展部署

Kubernetes有一个名为Horizontal Pod Autoscaler的对象，用于监视部署并上下调整Pod的数量。

你将需要其中一个来自动扩展实例。

你应该创建一个包含以下内容的hpa.yaml文件：

1. apiVersion: autoscaling/v2beta1

2. kind: HorizontalPodAutoscaler

3. metadata:

4.  name: spring-boot-hpa

5. spec:

6.  scaleTargetRef:

7.    apiVersion: extensions/v1beta1

8.    kind: Deployment

9.    name: backend

10.  minReplicas: 1

11.  maxReplicas: 10

12.  metrics:

13.  - type: Pods

14.    pods:

15.      metricName: messages

16.      targetAverageValue: 10

这个文件很神秘，所以让我为你翻译一下：

• Kubernetes监视scaleTargetRef中指定的部署。在这种情况下，它是工人。

• 你正在使用messages指标来扩展你的Pod。当队列中有超过十条消息时，Kubernetes将触发自动扩展。

• 至少，部署应该有两个Pod。10个Pod是上限。

你可以使用以下命令创建资源：

1. kubectl create -f hpa.yaml

提交自动缩放器后，你应该注意到后端的副本数量是两个。这是有道理的，因为你要求自动缩放器始终至少运行两个副本。

你可以检查触发自动缩放器的条件以及由此产生的事件：

1. kubectl describe hpa

自动定标器表示它能够将Pod扩展到2，并且它已准备好监视部署。

令人兴奋的东西，但它有效吗？

负载测试

只有一种方法可以知道它是否有效：在队列中创建大量消息。

转到前端应用程序并开始添加大量消息。在添加消息时，使用以下方法监视Horizontal Pod Autoscaler的状态：

1. kubectl describe hpa

Pod的数量从2上升到4，然后是8，最后是10。

该应用程序随消息数量而变化！欢呼！

你刚刚部署了一个完全可伸缩的应用程序，可根据队列中的待处理消息数进行扩展。

另外，缩放算法如下：

1. MAX(CURRENT_REPLICAS_LENGTH * 2, 4)

在解释算法时，文档没有多大帮助。你可以在代码中找到详细信息。此外，每分钟都会重新评估每个放大，而每两分钟缩小一次。

以上所有都是可以调整的设置。

但是你还没有完成。

什么比自动缩放实例更好？

自动缩放集群

跨节点缩放Pod非常有效。但是，如果集群中没有足够的容量来扩展Pod，该怎么办？

如果达到峰值容量，Kubernetes将使Pod处于暂挂状态并等待更多资源可用。

如果你可以使用类似于Horizontal Pod Autoscaler的自动缩放器，但对于节点则会很棒。

好消息！

你可以拥有一个集群自动缩放器，可以在你需要更多资源时为Kubernetes群集添加更多节点。

集群自动缩放器具有不同的形状和大小。它也是特定于云提供商的。

请注意，你将无法使用minikube测试自动缩放器，因为它根据定义是单节点。

你可以在GitHub[6]上找到有关集群自动调节器和云提供程序实现的更多信息。

概  览

设计大规模应用程序需要仔细规划和测试。

基于队列的体系结构是一种出色的设计模式，可以解耦你的微服务并确保它们可以独立扩展和部署。

虽然你可以用脚本来扩展你的应用，但可以更轻松地利用容器编排器（如Kubernetes）自动部署和扩展应用程序。

相关链接：

1. https://github.com/learnk8s/spring-boot-k8s-hpa

2. https://github.com/learnk8s/spring-boot-k8s-hpa/blob/master/src/main/java/com/learnk8s/app/queue/QueueService.java

3. https://kubernetes.io/docs/tasks/tools/

4. https://learnk8s.io/blog/installing-docker-and-kubernetes-on-windows

5. https://docs.docker.com/install/

6. https://github.com/kubernetes/autoscaler/tree/master/cluster-autoscaler#deployment

原文链接：

https://medium.freecodecamp.org/how-to-scale-microservices-with-message-queues-spring-boot-and-kubernetes-f691b7ba3acf

译者：池剑锋

本文转载自：Docker

推荐阅读

5月8日 晚20:30，Kubernetes Master Class系列在线培训的第五期课程来啦！备受期待的日志、监控与告警内容，一应俱全！戳下图即可查看课程详情！

点击【阅读原文】，也可即刻报名！

About Rancher Labs

Rancher Labs由硅谷云计算泰斗、CloudStack之父梁胜创建，致力于打造创新的开源软件，帮助企业在生产环境中运行容器与Kubernetes。旗舰产品Rancher是一个开源的企业级Kubernetes平台，是业界首个且唯一可以管理所有云上、所有发行版、所有Kubernetes集群的平台。解决了生产环境中企业用户可能面临的基础设施不同的困境，改善Kubernetes原生UI易用性不佳以及学习曲线陡峭的问题，是企业落地Kubernetes的不二之选。

Rancher在全球拥有超过一亿的下载量，超过20000家企业客户。全球知名企业如中国人寿、华为、中国平安、民生银行、兴业银行、上汽集团、海尔、米其林、天合光能、丰田、本田、霍尼韦尔、金风科技、普华永道、海南航空、厦门航空、恒大人寿、中国太平、巴黎银行、美国银行、HSCIS恒生指数、中国水利、暴雪、CCTV等均是Rancher的付费客户。

第五期 Kubernetes Master Class 传送门

↓↓↓