Karmada：混合多云下的应用管理
  • 12 March, 2023

Karmada：混合多云下的应用管理

背景

过去几年，公有云凭借着更高扩展性、灵活性、可靠性和安全性，吸引了大量的企业将应用程序部署到公有云上。随着业务规模的不断扩张，企业出于某些原因，如避免厂商锁定、追求更低的延迟、更高的可靠性等，选择将应用部署在更多的公有云上；也有些企业出于数据敏感性等原因，选择将部分应用部署有私有环境中。后者也更像是将上云的过程拉长。不管是多云还是混合云，基础设施都不可避免的存在着差异，企业不得不在适配底层设施上投入了大量的人力物力。

Kubernetes 的出现，完美地解决了这一问题。除了屏蔽基础设施层的差异解决了跨平台的问题，还提供自动化的容器编排、更高的扩展性、弹性和高可用性，其背后更是有着庞大的社区的支持。Kubernetes 的风靡，得到了大量企业的青睐。随着时间的推移，企业使用多个 Kubernetes 集群管理应用的情况越来越普遍。

如何在跨越多个集群、甚至是混合多云的环境下来管理应用成了新的难题。Karmada 的出现正是要解决这一问题。

Karmada

Karmada 是 CNCF（Cloud Native Computing Foundation）下面的一个开源项目，旨在为 Kubernetes 集群提供一个平台来简化跨多个 Kubernetes 集群的应用程序部署和管理，并提高可用性和可扩展性。

借用一下官网的架构图。从图中可以看到 Karmada 提供了一个集中式控制平面，负责资源和策略的管理，以及资源的调度；数据平面则是其管理的集群，真正运行资源的集群。

控制平面的组件与 Kubernetes 的组件类似，也都是负责资源的调度。不同的是，Kubernetes 的控制平面负责将资源调度到计算节点，而 Karmada 的控制平面是将资源调度到某个集群。

拿 Deployment 的部署来说，在 Kubernetes 集群中，控制平面根据当前节点的资源情况选择某个或某些节点来运行 pod。在 Karmada 多集群下，创建了 Deployment 资源后，Karmada 控制平面根据策略将其调度到目标的集群：在目标集群中创建 Deployment 资源，所有集群中的副本数之和，就是期望的副本数。

下面通过示例来进行说明。

环境搭建

前置条件

  • Docker
  • k3d
  • kubectl
  • karmadactl
  • 1 台虚拟机（最低配置不低于 4c8g）

我们选择使用 k3d 在容器中创建 4 个 k3s 集群（控制平面集群 control-plane 和成员 cluster-1、cluster-2、cluster-3），这些集群通过本机 IP 地址和独立的端口进行通信。

创建多个集群

创建集群前通过下面的命令获取本地 IP，保存在变量中。

HOST_IP=$(if [ "$(uname)" == "Darwin" ]; then ipconfig getifaddr en0; else ip -o route get to 8.8.8.8 | sed -n 's/.*src \([0-9.]\+\).*/\1/p'; fi)

使用 k3d 的命令创建集群，集群 apiserver 的端口分别为 6444、6445、6446、6447.

API_PORT=6444 #6444 6445 6446 6447
for CLUSTER_NAME in control-plane cluster-1 cluster-2 cluster-3
do
  k3d cluster create ${CLUSTER_NAME} \
    --image docker.io/rancher/k3s:v1.23.8-k3s2 \
    --api-port "${HOST_IP}:${API_PORT}" \
    --servers-memory 2g \
    --k3s-arg "--disable=traefik@server:0" \
    --network multi-clusters \
    --timeout 120s \
    --wait
    ((API_PORT=API_PORT+1))
done

创建完集群，为了便于集群的访问，设置如下变量来访问对应的集群。

k3d kubeconfig get control-plane > /tmp/cp.kubeconfig
k3d kubeconfig get cluster-1 > /tmp/c1.kubeconfig
k3d kubeconfig get cluster-2 > /tmp/c2.kubeconfig
k3d kubeconfig get cluster-3 > /tmp/c3.kubeconfig
#使用
k0="kubectl --kubeconfig /tmp/cp.kubeconfig"
k1="kubectl --kubeconfig /tmp/c1.kubeconfig"
k2="kubectl --kubeconfig /tmp/c2.kubeconfig"
k3="kubectl --kubeconfig /tmp/c3.kubeconfig"

安装 Karmada

在控制平面集群上安装 Karmada 进行初始化。

sudo karmadactl --kubeconfig /tmp/cp.kubeconfig init

完成初始化后，同样设置变量 kmd 来方便访问 Karmada 的控制平面，指定使用 Karmada apiserver 的配置文件（该配置文件是在初始化时自动生成的，所以上面的命令用）。

kmd="kubectl --kubeconfig /etc/karmada/karmada-apiserver.config"

加入集群

接下来将其他三个集群加入到联邦中（k3d 自动在集群名前加上了前缀 k3d-）。

karmadactl --kubeconfig /etc/karmada/karmada-apiserver.config  join k3d-cluster-1 --cluster-kubeconfig=/tmp/c1.kubeconfig
karmadactl --kubeconfig /etc/karmada/karmada-apiserver.config  join k3d-cluster-2 --cluster-kubeconfig=/tmp/c2.kubeconfig
karmadactl --kubeconfig /etc/karmada/karmada-apiserver.config  join k3d-cluster-3 --cluster-kubeconfig=/tmp/c3.kubeconfig

返回下面的信息说明集群加入成功。

cluster(k3d-cluster-1) is joined successfully
cluster(k3d-cluster-2) is joined successfully
cluster(k3d-cluster-3) is joined successfully

访问 Karmada 的控制平面查看集群列表。

$kmd get cluster -o wide
NAME            VERSION        MODE   READY   AGE   APIENDPOINT
k3d-cluster-1   v1.23.8+k3s2   Push   True    24m   https://10.0.0.8:6445
k3d-cluster-2   v1.23.8+k3s2   Push   True    24m   https://10.0.0.8:6446
k3d-cluster-3   v1.23.8+k3s2   Push   True    23m   https://10.0.0.8:6447

至此多集群环境已经搭建完成。

测试

这里选择两种应用：服务端应用响应 HTTP 请求，返回当前 pod 的名字；客户端应用，可以用来发起 HTTP 请求。

部署服务端应用

通过 Karmada 的控制平面创建 2 个副本的 Deployment 和 Service。

$kmd apply -f - <<EOF
apiVersion: apps/v1
kind: Deployment
metadata:
  labels:
    app: pipy
  name: pipy
  namespace: default
spec:
  replicas: 2
  selector:
    matchLabels:
      app: pipy
  strategy: {}
  template:
    metadata:
      labels:
        app: pipy
    spec:
      containers:
      - image: flomesh/pipy
        name: pipy
        command: ["pipy"]
        args: ["-e", "pipy().listen(8080).serveHTTP(() => new Message(os.env['HOSTNAME'] +'\n'))"]
---
apiVersion: v1
kind: Service
metadata:
  labels:
    app: pipy
  name: pipy
spec:
  ports:
  - port: 8080
    protocol: TCP
    targetPort: 8080
  selector:
    app: pipy
EOF

然后查看 Deployment 的信息，并没有任何副本运行。

$kmd get deployment
NAME   READY   UP-TO-DATE   AVAILABLE   AGE
pipy   0/2     0            0           20s

通过 describe 命令发现如下警告，提示没有匹配资源的策略。Karmada 需要根据资源的多集群调度策略 PropagationPolicy 将其调度到目标集群。

Warning  ApplyPolicyFailed  47s   resource-detector  No policy match for resource

Propagation 策略

应用下面的策略将 Deployment 和 Service 资源调度到三个成员集群。

$kmd apply -f - <<EOF
apiVersion: policy.karmada.io/v1alpha1
kind: PropagationPolicy
metadata:
  name: pipy-propagation
spec:
  resourceSelectors:
    - apiVersion: apps/v1
      kind: Deployment
      name: pipy
    - apiVersion: v1
      kind: Service
      name: pipy
  placement:
    clusterAffinity:
      clusterNames:
        - k3d-cluster-1
        - k3d-cluster-2
        - k3d-cluster-3
    replicaScheduling:
      replicaDivisionPreference: Weighted
      replicaSchedulingType: Divided
      weightPreference:
        staticWeightList:
          - targetCluster:
              clusterNames:
                - k3d-cluster-1
            weight: 10
          - targetCluster:
              clusterNames:
                - k3d-cluster-2
            weight: 10
          - targetCluster:
              clusterNames:
                - k3d-cluster-3
            weight: 10
EOF

在集群 cluster-1 和 cluster-2 中可以看到有 pod 在运行。

$k1 get deployment
NAME   READY   UP-TO-DATE   AVAILABLE   AGE
pipy   1/1     1            1           13s
$k2 get deployment
NAME   READY   UP-TO-DATE   AVAILABLE   AGE
pipy   1/1     1            1           13s

而 cluster-3 上只找到了 deployment，但期望副本数为 0。这是因为在控制平面中创建的 deployment 只设置了两个副本。

$k3 get deployment
NAME   READY   UP-TO-DATE   AVAILABLE   AGE
pipy   0/0     0            0           16s

在控制平面中将副本数调整为 3。

$kmd scale deploy pipy --replicas 3

然后在 cluster-3 就可以看到第三个副本。

$k3 get po
NAME                   READY   STATUS    RESTARTS   AGE
pipy-8ff5f5987-5nqqw   1/1     Running   0          54s

部署客户端应用

接下来部署客户端应用。

$kmd apply -f - <<EOF
apiVersion: apps/v1
kind: Deployment
metadata:
  labels:
    app: curl
  name: curl
  namespace: default
spec:
  replicas: 1
  selector:
    matchLabels:
      app: curl
  strategy: {}
  template:
    metadata:
      creationTimestamp: null
      labels:
        app: curl
    spec:
      containers:
      - image: curlimages/curl
        name: curl
        command: ["sleep", "365d"]
EOF

同样配置多集群调度策略，只调度到集群 cluster-3。

$kmd apply -f - <<EOF
apiVersion: policy.karmada.io/v1alpha1
kind: PropagationPolicy
metadata:
  name: curl-propagation
spec:
  resourceSelectors:
    - apiVersion: apps/v1
      kind: Deployment
      name: curl
  placement:
    clusterAffinity:
      clusterNames:
        - k3d-cluster-3
    replicaScheduling:
      replicaDivisionPreference: Weighted
      replicaSchedulingType: Divided
      weightPreference:
        staticWeightList:
          - targetCluster:
              clusterNames:
                - k3d-cluster-3
            weight: 1
EOF

从该 pod 中发起请求访问应用的 8080 端口，成功收到响应。多次请求，都会获得同样的结果。

curl_client=`$k3 get po -l app=curl -o jsonpath='{.items[0].metadata.name}'`
$k3 exec $curl_client -- curl -s http://pipy.default:8080
pipy-8ff5f5987-5nqqw

总结

Karmada 的出现在不改变部署方式的情况下解决了多集群中应用的管理难题，实现了应用在多 Kubernetes 集群中的部署、同步和调度。文中没有展示的还有可观察性，Karmada 控制平面可以汇总成员集群中的监控数据并集中展示。

思考

可能你也发现了，在演示中客户端收到的响应都是来自同集群中的应用。

此时假如将 deployment 的副本数缩减到 2，并再次请求。你会发现请求失败，请求没有被调度到其他集群。

可见，虽然应用的跨集群管理由 Karmada 帮我们完成了，但是流量仍无法跨集群。这说明什么？当你的应用在做多集群部署时，由于应用间彼此依赖需要做近乎全量的部署，那影响和成本可想而知。

在下一篇，我将带大家来尝试来解决这个问题。

（转载本站文章请注明作者和出处乱世浮生，请勿用于任何商业用途）

comments powered by Disqus

目录

推荐阅读

kubectl foreach 在多个集群中执行 kubectl 命令
kubectl foreach 在多个集群中执行 kubectl 命令
 认识一下 Kubernetes 多集群服务 API
认识一下 Kubernetes 多集群服务 API
 使用 Ingress 访问 Dapr 应用
使用 Ingress 访问 Dapr 应用