騰訊云容器服務：華爾街見聞基于Golang的微服務實踐
簡介
華爾街見聞的運營方上海阿牛信息科技有限公司是全球金融信息服務提供商，每天全平臺為近200萬用戶提供資訊、數據、研究等服務。旗艦產品華爾街見聞APP長期位居各應用市場財經資訊類客戶端第1位。由于將重大事件、市場的基本面變化和100多種全球資產價格緊密關聯，在金融領域具有極高滲透率。首創的7x24快訊模式已經成為在中文世界理解全球市場的最快來源。也因此，該產品有技術架構復雜，需要高并發承載能力等特性。
背景
• 老系統日益臃腫
原先的系統是PHP monolithic架構，功能按模塊劃分，日積月累，最后模塊達到60+個，新人接手項目會拿到一整個系統的代碼，以及需要整個系統的配置，而他可能只需要專注開發不到1/10的業務。
• 伸縮性
我們的主要業務是即時資訊，資訊具有時效性，網站的訪問量會呈現鋸齒形分布。當遇到特大新聞如英國退歐、美國大選、法國大選等，我們要能彈性地通過增加服務資源，提高服務的容量。
• 容錯性
我們希望一個低優先級服務出現問題之后，不影響主要服務;一個主要服務能保證更高的可用性，就算出現問題，也要保證優雅降級。
比如在重大事件發生的時候，我們希望文章API保證不會受到影響。
• 單體應用
PHP單體應用在生產環境服務的時候，所有業務都跑在一個程序里，增加了系統的脆弱性，一個隱藏的性能問題，能在服務量激增的時候成為壓垮駱駝的一根稻草。
• 云服務商成本
由于架構落后于需要，我們不得不用硬件彌補性能上的問題，導致云服務器成本不斷增加。
• 線上運維
由于沒有方便的監控和運維工具，導致排查問題的效率低，使得在系統遇到問題的時候排查困難，耗時過長。
• 開發新功能
開發新任務的同時，我們需要修復原有系統的性能問題。
PHP monolithic架構圖
每臺服務器部署相同的服務端PHP代碼，由PHP-fpm解釋執行，通過Nginx進行反向代理。
華爾街見聞微服務架構設計
因此，在2016年11月至2017年3月，我們采用微服務架構啟動重構，嘗試解決一部分上述問題，在伸縮性上能以服務為單位進行拓容，同時，這一設計會在某些方面增大我們的開發成本和運維成本。
• 錯誤排查復雜
很顯然，以前在單體應用中能直接登錄服務器，查看出錯日志，現在錯誤散落在不同的服務中，為我們的錯誤排查帶來了困難。
• 日志源增加
如何把服務的日志收集并分析。
• 基礎設施增加
每個服務有互相獨立的MySQL、Redis，公共服務方面需要高可用的服務發現，調用鏈路分析，日志收集儲存設施等。
技術選型
微服務架構圖
服務框架
我們選擇golang作為我們的后端開發語言。
• golang在性能和開發效率上有很好的平衡，語法上很簡單，并發編程簡單高效，基礎庫健全。
• 調試工具強大
自帶一些pprof包可以profile當前程序的CPU消耗、內存占用、鎖狀態、channel阻塞等，非常便利我們定位問題。
• 有一些優秀的微服務框架
我們選用go-micro作為開發框架，里面包含幾乎所有微服務組件，并且支持非常好的拓展性，通過接口的設計方式，讓我們可以拓展一些自己的組件，如服務發現、傳輸協議等。
• golang在華爾街見聞已經有過比較多的應用，工程師使用golang開發幾乎0學習成本。
服務拆分
拆分的原則是通過服務功能劃分，盡量避免雙向依賴。我們拆分出了13個服務，包括用戶、內容、實時新聞、評論、搜索、商城、支付、三方代理等服務。
服務間通信
服務間使用protobuf協議對數據進行編碼，使用UDP作為傳輸協議。
服務發現
Etcd搭建多節點高可用的服務發現。
服務保護
我們選擇Hystrix作為服務保護以及服務降級的方案。
每個服務開發者，需要定義自己服務接口的并發量、超時時間以及fallback方法。
部署方案
我們選擇了Kubernetes。
* Docker Swarm
這是我們最先選擇的方案，因為Docker 1.12之后已經將Swarm功能集成到Docker Engine，能以最少的配置啟動Docker集群。經過簡化和設計的控制臺API，方便地管理集群、調整服務如控制服務的數量、CPU、內存限制等。往集群內加入機器非常簡單，只需要運行一條命令即可。使用manager-worker架構，manager作為調度節點，支持高可用。
但遇到了非常致命的問題，比如頻繁更新服務的時候會出現服務訪問不到，某服務的負載均衡后掛載的服務IP是其它服務的，服務之間的通信有幾率出現超時問題，歸根結底，還是社區正在不斷完善swarm，有很多不穩定的地方，網絡方面沒有進行優化。
* Kubernetes
這是谷歌主導的服務編排工具，它支持Docker，相比Docker Swarm來說，它的概念更多，分層更細。功能方面多于Docker Swarm，支持一些高級功能如秘鑰管理、配置管理、自動拓容等。在生產環境的應用比較廣泛，穩定性更高。
* 裸機部署
裸機部署是我們的一個備案，考慮到以上兩個方案在當時沒有具體線上實施的經驗，所以如果Docker Swarm和Kubernetes都沒有成功，我們直接裸機部署。
裸機部署的需要解決單機端口沖突，如果一個服務在一個服務器上最多只部署一個，那么可以通過寫腳本，并劃分服務器角色的方式進行部署，利用ansible可以定義user服務集群、content服務集群、comment服務集群等，通過分發二進制文件的方式讓服務啟動，這樣的方案要考慮到服務更新、服務重啟、服務刪除等邏輯，同一時間只有部分節點更新，在服務未更新成功的時候流量暫時不能打到正在更新的節點。
準備工作
代碼托管
由于之前使用github開發人員的代碼提交在有翻墻工具的幫助下速度依然不是很理想，我們自建了Gitlab倉庫，自此開發過上了幸福的生活。
容器化
swarm和kubernetes是基于docker快速創建刪除服務，通過增加容器為服務拓容，縮減容器為服務縮小規模，所以所有項目必須要構建docker鏡像。按項目類型劃分，我們遇到3種鏡像打包情況。
1. 后端項目
后端服務90%是golang項目，針對golang的鏡像，我們采取將golang項目編譯成可執行文件，基于最小的alpine鏡像打包入docker，這里遇到過一個問題，就是alpine里缺少openssl的證書，無法支持https，我們自定義了新的基礎鏡像，不僅將證書文件打入鏡像，同時為了線上調試方便，增加了tcpdump、strace、bash等工具，在初期調試容器間通信問題時發揮重要的作用。
2. 前端靜態文件
見聞的后臺以及m站基于Vue，編譯后生成的靜態文件打入鏡像，通過nginx訪問。 為了支持HTTP2，我們打入nginx鏡像缺少的證書。
3. 服務端渲染
主站PC站基于nodejs、Vue實現服務端渲染，所以不僅需要依賴nodejs，而且需要利用pm2進行nodejs生命周期的管理。為了加速線上鏡像構建的速度，我們利用taobao源https://registry.npm.taobao.org進行加速, 并且將一些常見的npm依賴打入了基礎鏡像，避免每次都需要重新下載，鏡像打包從開始的3分鐘縮減到1.5分鐘。
三類鏡像結構
持續集成
我們利用Gitlab CI配置了測試、鏡像構建、鏡像發布、自動部署等流程，后端服務從提交代碼到測試分支到測試環境自動部署完成花費1.5分鐘，前端服務平均為2.5分鐘。
CI任務中的test->build->docker->deploy流程
云平臺的選擇
最終，我們選擇了騰訊云的容器服務，主要基于以下幾點考慮：
• 騰訊云的容器服務是在騰訊云的Iaas上為每個用戶構建容器集群，騰訊云提供的微服務架構和持續集成與交付的應用場景基本滿足了我們的述求。
• 騰訊云的容器服務是基于Kubernetes實現的，支持完全的kubernetes能力。
• 騰訊云在Kubernetes上實現了他們的存儲、負載均衡等產品的插件、復用了騰訊云本身平臺的監控、日志等能力。減少了我們接入和開發的成本。
服務在騰訊云的應用
我們將我們的應用重構成微服務的架構，每個微服務部署成騰訊云容器服務上的一個服務，前端接入通過一個負載均衡。后端服務間可互相訪問。
服務器安全方面，內部服務器通過VPC進行網絡隔離，將網絡劃分為生產環境、測試環境，在生產環境中又劃分backend子網和data子網，設定子網之間的訪問規則。
為了禁止內部服務器的外網訪問，不給內部服務器分配外網IP，僅通過跳板機訪問。
性能對比
利用locust模擬線上請求的比例，利用2臺16核的壓測機在內網對10臺16C32G的機器上的服務進行壓測，達到1w/s QPS以上，并且服務的負載并沒達到極限，這已經是之前PHP生產環境20+臺16C32G服務器能達到的QPS。
線上調用追蹤
通過追蹤API調用鏈的流向與耗時，我們可以找出性能的瓶頸。我們通過zipkin實際優化了幾種情況:
• 服務調用冗余
當拉取文章列表的時候，我們需要拉取文章對應的作者信息，開始的時候我們使用拉取單個作者信息的方式，后來性能調優階段，我們將其改為批量拉取作者列表，減少RPC的冗余。
• 服務耗時長
對于有些本身就比較耗時并且對即時性不是那么苛刻的計算服務，我們為了保證服務的響應時間，會適量地加上緩存。
監控與報警
由從外部系統表征到內部日志，我們將監控分為API健康，程序錯誤報警，以及服務器/容器負載。
排查問題的流程一般有兩種情況，一種是用戶發現問題，申報問題，開發人員跟進問題;一種是我們的監控優先發現問題，開發人員在用戶反饋前跟進并修復。在報警方面，我們通過為監控系統謹慎設置報警閾值，當觸發報警時，開發人員會收到郵件。
這里我們在報警的定義上有過思考，即什么樣的報警算是有意義的?我們遇到過每天10幾條重復的報警，通常開發人員開始時會對報警非常重視，當重復的報警一再出現，漸漸失去了對報警的關注。所以我們有解除一些不必要的報警，并且對剩余一些報警進行調查，甚至有些警報是因為監控工具本身的不準確引起的。
API健康
我們設置默認的時間區間是5分鐘
• 統計API五分鐘內平均QPS
• API 98%以內的延遲分布
• QPS最高的前10的API
• API的返回碼的分布
程序錯誤報警
后端程序內接入Sentry日志報警系統，golang程序捕獲panic日志以及error日志，并發送報警郵件。
服務器/容器負載
通過在服務器上運行telegraf daemon進程，收集服務器metrics并發送給influxdb，使用Grafana作為前端面板，對服務器負載以及容器的平均CPU、內存占用率進行監控。
結束語
本文介紹了華爾街見聞通過重構和服務容器的重新部署，實踐微服務架構的情況。經過幾個月的開發測試，我們不僅完成了線上服務從PHP到Golang的轉型，更在服務的穩定性上經歷了考驗，支撐了幾次重大新聞的高流量。
在開發流程上，搭建了完善的自動化工具，減少了人工操作的重復性和誤操作概率。
在運維方面，由于監控系統對系統完整的監控，與Kubernetes健全的上線、下線、回滾、拓容功能配合，能以極快的速度處理線上問題。
