作者 | 悟鵬
來源 | 阿里巴巴云原生公眾號

Kubernetes 在生產環境中的采用率越來越高，復雜度越來越高，由此帶來的穩定性保障的挑戰越來越大。

對于基于 Kubernetes 的云產品，穩定性保障已成為基本訴求，穩定性缺陷會給產品帶來巨大的損失，如用戶流失、用戶信心下降、產品迭代速度變慢等。

雖然基于 Kubernetes 的穩定性保障很重要，但業界缺少基于實踐的標準化穩定性保障方案，導致同樣的問題在同一產品或不同的產品中重復出現，最佳實踐不能應用在更多相同技術棧的產品中，不同產品形成的穩定性保障最佳實踐也不能互補。

為此，基于過去的開發實踐以及基于 Kubernetes 的穩定性保障經驗，嘗試形成《Kuberentes 穩定性保障手冊》，將穩定性保障最佳實踐進行沉淀，使得人人對 Kubenretes 穩定性保障的理論形成全面的理解，相應的工具和服務成為基礎設施，復用在類似技術棧的產品中，加速穩定性保障最佳實踐的傳播、迭代和應用。

本篇文章作為《Kubernetes 穩定性保障手冊》第一篇文章，抽象穩定性保障中的核心內容，作為穩定性保障最簡使用手冊。

極簡手冊目標

• 1min 理解穩定性保障目標
• 3min 把握穩定性保障全局視圖
• 一站查找穩定性保障推薦工具或服務

穩定性保障目標

• 滿足服務或產品對穩定性的訴求
• 加速服務或產品的迭代

穩定性保障檢查項

穩定性保障級別

實踐

方法論

全局視圖

實踐流程：

整理運行鏈路圖，標記鏈路是否是關鍵鏈路

基于運行鏈路圖，進行可觀測性配置

基于鏈路重要程度，進行可控性治理

為了降低實踐的成本，需要把握云產品中的元素及交互關系，從基礎的元素和交互方面解構復雜系統：

• 元素 (2 類)

  • 云產品組件
  • 云產品

• 交互 (2 類，共 3 種場景)

  • 云產品內部
    • 組件自身
    • 組件與組件之間
  • 云產品之間
    • 云產品與云產品之間

如下圖：

隨著元素數量和交互關系的增多，系統會逐步變得復雜，穩定性保障面臨的挑戰也會越來越大，要避免引入非必要的復雜性。

因此，需要先梳理清楚當前的運行鏈路圖，進行鏈路重要性分析，并整理組件大圖，判斷組件的爆炸半徑。在此基礎上，還需要進行參與人員的 review，避免在人員的投入方面存在單點風險。

運行鏈路圖示例：

鏈路重要性示例：

云產品間交互示例：

基于上述對系統復雜度、運行鏈路的分析，面對穩定性保障的問題域，可以有效提出、落地解決方案。

問題處理

實踐流程：

長期維護角色列表、功能流程圖、運行鏈路圖

在多個分級的「告警群」中感知問題的發生和恢復

在唯一的「問題處理群」中處理問題和復盤問題

對于復雜的系統，通常會有如下的角色關系：

梳理清楚每層的角色，并使得參與同學可以方便查找目標同學，會縮短問題處理時間。

問題域

概述

推薦

后續

對于《Kubernetes 穩定性保障手冊》，接下來會進行如下的章節細化，分別從方法論和工具/服務的角度進行總結，形成初版后與大家分享，進行共建：

總結

以上是生活随笔為你收集整理的Kubernetes 稳定性保障手册 -- 极简版的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。