18、云原生微服务部署与监控指南

最新推荐文章于 2025-12-04 09:46:51 发布

QuietPulse

最新推荐文章于 2025-12-04 09:46:51 发布

阅读量30

点赞数

CC 4.0 BY-SA版权

分类专栏： Jakarta EE与微服务的云原生实践文章标签：云原生微服务部署策略

本文链接：https://blog.youkuaiyun.com/c2d3e4f/article/details/149679286

Jakarta EE与微服务的云原生实践专栏收录该内容

21 篇文章 ¥499.90

订阅专栏¥69.90

会员秒杀 ¥9.9 重磅福利

超级会员免费看

云原生微服务部署与监控指南

1. 微服务部署策略

在云原生环境中，选择合适的部署策略对于微服务的成功运行至关重要。以下介绍两种常见的部署策略：A/B 测试部署和滚动部署。

1.1 A/B 测试部署

A/B 测试部署是一种用于测试应用程序功能的技术，适用于引入新界面或改变应用外观和感觉的前端应用。由于用户反馈非常重要，直接在生产环境中进行测试是最佳选择。用户的反应可以表明所做的更改是否直观，从而根据反馈调整软件。

从 OpenShift 的角度来看，A/B 测试部署与金丝雀部署类似，只是将两个服务的权重都设置为 50%。如果之前没有设置服务权重，需将其设置为 50%。在 OpenShift 中，由于路由组件的存在，实现这种部署技术非常容易。

1.2 滚动部署

滚动部署是一种逐步将当前应用程序替换为新版本的技术。这种部署技术允许在更新过程中无停机时间，但需要同时运行应用程序的旧版本和新版本，这要求数据模型具有兼容性。

滚动部署的过程如下：
1. 部署新版本应用程序的一个实例。
2. 当新版本应用程序通过就绪和健康检查后，安排销毁一个旧版本实例。
3. 当最后一个预期的新版本实例准备好使用时，销毁最后一个旧版本实例，此时只有新版本可用。

1.3 部署策略总结

部署策略	适用场景	特点
A/B 测试部署	前端应用引入新界面或改变外观	直接在生产环境测试，根据用户反馈调整
滚动部署	逐步更新应用程序	无停机时间，需数据模型兼容

2. 微服务监控平台

监控是任何微服务架构，尤其是基于云的架构的关键。一个好的监控平台可以持续观察系统的性能、可靠性、资源可用性和消耗、安全性和存储等。选择合适的监控平台可能很困难，因为涉及很多组件。以下是正确实施监控解决方案平台的任务：
1. 使用一个平台 ：能够发现和掌握运行系统的信息，并使用图表以综合方式汇总结果。
2. 识别指标和事件 ：应用程序负责暴露这些指标，平台应只获取最相关的指标。
3. 拆分数据 ：将应用程序监控数据与基础设施监控数据分开存储，但集中监控视图。
4. 警报：当达到限制时，为应用程序和基础设施提供警报。
5. 观察用户体验 ：包括响应时间、吞吐量、延迟和错误等。

2.1 Prometheus

Prometheus 是目前最常用的开源监控解决方案，它 100% 开源且由社区驱动，所有组件都在 GitHub 上以 Apache 许可证 2.0 版本提供，也是云原生计算基金会的成员项目。

2.1.1 Prometheus 特点

维度数据 ：实现了高度维度的数据模型，时间序列由指标名称和一组键值对标识。
强大查询 ：PromQL 允许对收集的时间序列数据进行切片和切块，以生成临时图表、表格和警报。
出色可视化 ：具有多种可视化数据的模式，包括内置表达式浏览器、Grafana 集成和控制台模板语言。
高效存储 ：以高效的自定义格式将时间序列存储在内存和本地磁盘上，通过功能分片和联合实现扩展。
简单操作 ：每个服务器独立可靠，仅依赖本地存储，用 Go 编写，所有二进制文件静态链接，易于部署。
精确警报 ：基于 Prometheus 的灵活 PromQL 定义警报，并维护维度信息，警报管理器处理通知和静音。
众多客户端库 ：客户端库允许轻松对服务进行检测，支持超过十种语言，自定义库也易于实现。
众多集成 ：现有的导出器允许将第三方数据桥接到 Prometheus，例如系统统计信息、Docker、HAProxy、StatsD 和 JMX 指标。

2.1.2 安装 Prometheus

安装 Prometheus 前，需确保 OpenShift 集群已启动并运行，具体步骤如下：
1. 检查 OpenShift 集群状态：

./oc cluster status

如果集群未运行，启动集群：

./oc cluster up --server-loglevel=9

以开发者身份登录：

./oc login -u developer -p developer

创建名为 monitoring 的项目：

./oc new-project monitoring

部署 Prometheus 平台：

./oc new-app prom/prometheus

暴露 Prometheus 服务：

./oc expose svc/prometheus

查看 Prometheus 应用：

./oc expose service prometheus

2.1.3 Prometheus 操作

查看 Prometheus 抓取指标的来源：在状态菜单中选择 Targets。
查看所有可用指标：将 Prometheus 应用的上下文路径设置为 metrics。
执行 PromQL 查询：例如执行 process_cpu_seconds_total 可查看总用户和系统 CPU 时间。

2.2 Node-exporter

Prometheus 提供的指标对于基于容器的云解决方案（如 OpenShift）来说是不够的，还需要关于主机、容器和 Pod 的指标。Node-exporter 是一个用于暴露 Linux 内核服务器相关指标的工具，这些指标包括 CPU 利用率和内存进程等，可以以时间序列的方式导入 Prometheus 进行图形化表示。

2.2.1 安装 Node-exporter

安装 Node-exporter 非常简单，可直接使用其 Docker 镜像，步骤如下：
1. 部署 Node-exporter：

./oc new-app prom/node-exporter

暴露 Node-exporter 服务：

./oc expose svc/node-exporter

暴露 Node-exporter 路由：

./oc expose service node-exporter

2.2.2 配置 Prometheus 以抓取 Node-exporter 指标

为了让 Prometheus 抓取 Node-exporter 提供的指标，需要更新 Prometheus 的配置文件。具体步骤如下：
1. 查看 Prometheus 当前配置：

./oc get pods
./oc rsh prometheus-1-qgggp
ls -la
cat prometheus.yml

创建包含新配置的 prometheus.yaml 文件：

global:
  scrape_interval: 15s
  evaluation_interval: 15s
alerting:
  alertmanagers:
    - static_configs:
      - targets:
rule_files:
  # - "first_rules.yml"
  # - "second_rules.yml"
scrape_configs:
  - job_name: 'prometheus'
    static_configs:
      - targets: ['localhost:9090']
  - job_name: 'node-exporter'
    static_configs:
      - targets: ['node-exporter:9100']

创建 ConfigMap：

./oc create configmap prometheus-config-map --from-file=prometheus.yaml

在 Prometheus 部署中设置 ConfigMap：从 Web 控制台选择 Prometheus 部署并编辑 YAML 配置，可参考此 URL 中的 YAML 文件代码。

2.3 Grafana

Grafana 是 Prometheus 的最佳搭档，它是开源的，提供了一个创建和展示仪表盘的出色界面，主要用于使用图表、饼图、绘图、条形图和仪表可视化时间序列数据。Grafana 支持查询 Prometheus，自 2015 年 10 月 28 日发布的 Grafana 2.5.0 版本起就包含了 Prometheus 数据源。

2.3.1 安装 Grafana

安装 Grafana 也很简单，可直接使用其 Docker 镜像，步骤如下：
1. 部署 Grafana：

./oc new-app grafana/grafana

暴露 Grafana 服务：

./oc expose svc/grafana

暴露 Grafana 路由：

./oc expose service grafana

2.3.2 配置 Grafana

打开浏览器，访问 Web 控制台显示的路由。
使用管理员用户名和密码登录 Grafana，然后更改默认密码。
设置数据源：选择 Prometheus 数据源，URL 设置为 Prometheus 服务名称，保存并测试设置。
导入统计信息：选择 Prometheus 框，然后选择 Dashboards 选项卡，导入所有可用统计信息。

通过以上部署和配置，我们可以为容器化的微服务搭建一个完整的监控平台，使用 Prometheus 收集和存储指标，通过 Node-exporter 扩展指标范围，最后使用 Grafana 以图形化方式展示所有指标。

graph LR
    classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px;
    A(OpenShift 集群):::process --> B(A/B 测试部署):::process
    A --> C(滚动部署):::process
    A --> D(Prometheus 监控):::process
    D --> E(Node - exporter 扩展):::process
    D --> F(Grafana 可视化):::process

这个流程图展示了在 OpenShift 集群中进行微服务部署和监控的主要步骤，包括 A/B 测试部署、滚动部署、Prometheus 监控、Node-exporter 扩展和 Grafana 可视化。

3. 构建 Spring Boot 微服务

在云原生微服务的开发中，除了前面提到的部署和监控相关内容，使用合适的框架来构建微服务也是关键环节。Spring Boot 就是这样一个优秀的框架，它能帮助开发者轻松构建和运行微服务及云原生应用。

3.1 Spring Boot 概述

Spring Boot 历史上是 Java EE 的首个替代方案，并且通常以生产就绪的方式实现新的架构设计模式。多年来，它不断发展以克服开源社区提出的主要关键问题，比如：
- 需要太多 XML 配置文件来实现。
- 难以管理 Spring 模块之间的相互依赖关系。

3.2 创建 Spring Boot 微服务

可以在 GitHub 仓库中找到创建 Spring Boot 微服务的代码，地址为： https://github.com/PacktPublishing/Hands-On-Cloud-Native-Microservices-with-Jakarta-EE/tree/master/appendix-A 。虽然这里没有详细展开代码内容，但基本步骤可以总结如下：
1. 初始化项目 ：可以使用 Spring Initializr（ https://start.spring.io/ ）来快速创建一个 Spring Boot 项目骨架，选择所需的依赖，如 Web、Data JPA 等。
2. 编写业务逻辑 ：在生成的项目基础上，编写控制器、服务层和数据访问层的代码，实现具体的业务功能。
3. 配置应用 ：在 application.properties 或 application.yml 文件中配置应用的各种参数，如数据库连接信息、端口号等。
4. 测试和部署 ：编写单元测试和集成测试来验证代码的正确性，然后将应用部署到合适的环境中。

3.3 Spring Boot 与其他技术的对比

为了更好地理解 Spring Boot 的优势，下面将 Spring Boot 与其他相关技术进行简单对比：
| 技术 | 优点 | 缺点 |
| ---- | ---- | ---- |
| Spring Boot | 快速开发、自动配置、易于部署 | 可能存在过度依赖 Spring 生态系统的问题 |
| Java EE | 成熟的企业级解决方案、标准规范多 | 配置复杂、开发效率相对较低 |
| MicroProfile.io | 专注于微服务、轻量级 | 生态系统相对较小 |

4. 总结与建议

4.1 部署与监控总结

通过前面的介绍，我们了解了多种微服务部署策略和监控平台的搭建方法。A/B 测试部署适合前端应用功能测试，能根据用户反馈调整软件；滚动部署则可以在无停机时间的情况下逐步更新应用。在监控方面，Prometheus 作为核心监控工具，具有强大的功能和扩展性，Node-exporter 可以扩展其指标收集范围，Grafana 则提供了出色的可视化界面。

4.2 技术选择建议

在实际项目中，选择合适的技术和工具至关重要。以下是一些建议：
- 部署策略选择 ：如果需要快速验证新功能的可行性，A/B 测试部署是不错的选择；如果希望在更新应用时不影响用户体验，滚动部署更为合适。
- 监控平台选择 ：对于开源且功能强大的监控解决方案，Prometheus + Grafana 是一个很好的组合。如果项目对主机、容器和 Pod 指标有较高要求，还可以集成 Node-exporter。
- 微服务框架选择 ：如果追求快速开发和简单配置，Spring Boot 是一个很好的选择；如果项目需要遵循企业级标准和规范，Java EE 可能更合适；而对于专注于微服务的项目，MicroProfile.io 也是一个可考虑的选项。

4.3 未来展望

随着云原生技术的不断发展，微服务的部署和监控技术也将不断演进。未来可能会出现更多自动化、智能化的部署和监控工具，帮助开发者更高效地管理微服务。同时，随着容器技术和 Kubernetes 的广泛应用，与这些技术的集成也将变得更加紧密。

graph LR
    classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px;
    G(选择技术):::process --> H(Spring Boot 构建微服务):::process
    G --> I(选择部署策略):::process
    I --> J(A/B 测试部署):::process
    I --> K(滚动部署):::process
    G --> L(选择监控平台):::process
    L --> M(Prometheus 监控):::process
    M --> N(Node - exporter 扩展):::process
    M --> O(Grafana 可视化):::process

这个流程图展示了在构建微服务过程中，从选择技术开始，到构建微服务、选择部署策略和监控平台的整个流程。通过合理选择和组合这些技术和工具，可以构建出高效、稳定的云原生微服务系统。