技术分享：新浪SCE的Docker实践经验
本文主要从IaaS视角，分享SCE通过怎样的实践来支持上层产品线的容器化诉求。首先聊聊我们为什么做支持Docker技术这件事情，然后介绍下Docker支持实践的方方面面。最后给出实践过程中总结出来的一些经验及踩过的一些坑，以及后续需要深耕的点。
先假定今晚的听众至少已经小范围使用过Docker技术，熟悉相关概念及原理。
前几期DockOne技术分享已经针对Docker的几个技术要点做了深入分析，所以我今晚主要从IaaS视角，分享SCE通过怎样的实践来支持上层产品线的容器化诉求。
----------
为何支持Docker技术
为何做这件事
先介绍下我浪SCE。SCE是新浪研发中心主推私有云产品，已经覆盖到公司内部所有产品线。基于OpenStack定制，整合了公司通道机、CMDB，为公司内部全产品线提供IaaS服务。公有云版本近期开始内测。
首先，OpenStack与Docker天生互补。
- OpenStack面向IaaS，以资源为中心，打包OS;能够提供成熟的资源限制与隔离能力;多OS系列支持;
- Docker则面向PaaS，以服务为中心，打包service;轻快好省;
目前IaaS业界主要以提供云主机服务为主，有着成熟的资源限制、资源隔离能力，但本质上是对OS的打包，无法满足在应对峰值访问、快速伸缩、快速部署等方面诉求。而docker与生俱来的特性”轻、快、好、省“，则恰恰可以弥补IaaS在此方面的不足。当然OpenStack社区为了能够更好的支持docker也尝试做了很多努力，这个后面会讲到。
其次，SCE运维过程发现，产品线对容器技术需求相当旺盛。
- 快速部署;
- 快速起停、创建与销毁;
- 一致的开发测试环境;
- 演示、试用环境;
- 解决设备成本，充分利用资源;
- 技术方案快速验证;
- 更多......
IaaS短板+需求驱动，让我们意识到：SCE很有必要也很适合做支持容器技术这件事。
IaaS厂商Docker支持概况
调研分析了几个IaaS圈子比较有代表性的巨头及新贵，从调研结果可以看出，目前IaaS厂商对Docker的支持还比较薄弱。
只有阿里云为Docker用户多做了一些事情，提供了阿里官方Registry。但没有提供较新的支持Docker的云主机，只有一个第三方提供了一个很老的镜像，几乎没有可用性。
UnitedStack和青云只提供了CoreOS。而实际上，CoreOS的用户接受度很低。我们SCE也尝试过提供CoreOS，但由于和公司CentOS系统使用方式差异太大，基本没有产品线愿意使用并迁移到CoreOS上面来。
----------
Docker支持实践的方方面面
基于以上需求及调研，SCE主要在Registry、Hub、支持Docker的虚拟机镜像、日志存储与检索、网络及存储驱动等方面做了一些实践，致力于让产品线用户更方便高效的使用Docker技术，推动Docker在公司内的使用。
Registry+Hub方案
Registry后端存储方案方面，其实大家已分享较多，大多是用dev及s3。SCE当然使用自家新浪 S3了，当时的第一个方案就是Docker Registry sinastorage driver + sina s3。可靠性性自然不用多言，但由于依赖storage driver，追查问题过程中，调试及维护都比较麻烦，并且更新后还需要自动构建新镜像。
既然自家提供可靠云硬盘，为什么不为自己提供服务呢。果断将忍了老鼻子时间的方案一改为了localstorage + SCE云硬盘，不再依赖driver的日子舒服多了，另外还能享受到云硬盘的snapshot、resize等高级特性。
所以，对于正在Registry storage backend选型的朋友，给出一些建议以供参考：
- 对镜像存储可靠性无要求的使用场景，建议直接使用dev;
- 对镜像存储可靠性要求较高的使用场景，如果你是在IaaS上跑，强烈建议使用localstorage + 云硬盘方案;
- 对镜像存储可靠性要求较高的使用场景，如果你没在IaaS上跑，可以拿点大洋出来用S3等;
- 对镜像存储可靠性要求较高的使用场景，如果你没在IaaS上跑，又不想花钱，想用自家存储，就只能写个自家的driver了。我才不会告诉你，这种情况排查问题有多么糟心。
为了给产品线提供便捷的镜像查看及检索服务，SCE与微博平台合作，共同推出了SCE docker hub，基于docker-registry-frontend开发实现。与SCE现有服务打通，并支持repo、tag、详细信息、 Dockerfile的查看、检索与管理等。
为了产品线更方便使用Docker官方镜像，我们的自动同步工具会依据镜像注册表，周期性的自动同步Docker官方镜像到SCE分布式后端存储集群，使得产品线用户可以通过内网快速pull到Docker官方镜像。
由于SCE不保证也不可能保证Docker Hub官方镜像的安全性，所以建议产品线最好使用SCE官方发布的image或构建自己的baseimage。
对于产品线私有Registry的需求，SCE也提供了相应的一键构建工具集。
CentOS 7 + Docker镜像
SCE在Docker支持方面主要做了如下一些工作：
1)集成Docker 1.5、Docker-Compose 1.2环境;
2)提供docker-ip、docker-pid、docker-enter等cli，简化用户使用;
3)与DIP合作，支持rsyslog-kafka，解决日志监控检索问题;
4)与微博平台合作，提供muti-if-adapter工具，解决同一主宿机相同服务端口冲突的问题;
5) 更多......
SCE上使用Docker
有了如上工作支撑，在SCE上使用docker就变得相当便捷。
日志方案
目前SCE主要支持3中日志方案：
app打container logfile;
app打stdout，stderr;
app+agent打远端;
前两种方案适用于对日志要求不高的使用场景，如开发测试。
第三种方案则适用于真实的业务场景、生产环境，这些场景对日志持久化、检索、监控、告警等方面都有较强需求;
Docker 1.6的syslog driver目前可用性、易用性都还不太理想，但值得关注。
app+rsyslog-kafka方案
上面提到的第三种日志方案，我们是通过ELK方案实现的。
架构图
日志流
app >>> container rsyslog-kafka >>> kafka >>> logstash >>> elasticsearch >>> kibana
业务流
1.产品线走DIP实时日志分析服务接入;
- DIP审批;
- config_web基于Docker Swarm api动态扩展logstash集群;
2. 给出用户接入所需数据，如Kafka broker、topic;
产品线依据接入数据创建container;
1)
docker run -d -e KAFKA_ADDR=... -e KAFKA_TOPIC=... -e LOG_FILE=... -v $(pwd)/kafka_config.sh:${SOME_DIR}/kafka_config.sh ... 2)遵守SCE log接入规范，container中的run.sh需要调用SCE提供给的日志配置工具docker/tools/rsyslog_config.sh;
3) rsyslog_config.sh会按需自动配置rsyslog，接入过程及细节对产品线透明;
网络模式
目前产品线大多使用的还是bridge和host，虽然这两种模式都存在一些问题。
两者虽存在一些问题，但还是能够满足中小规模集群网络需求的。
但规模上来后，上面两种模式就不适用了。对于大规模网络解决方案，我们后续将积极跟进，主要计划调研ovs/weave/Flannel等方案。
Libnetwork driver除了平移过来的bridge、host、null，还提供了remote，以支持分布式bridge;后续计划提供更多driver以解决目前的网络问题，值得重点关注。
另外，对于产品线提出的一些有意义的需求，如微博平台提出的“同一主宿机相同服务端口冲突的问题”，SCE会和产品线一道积极探索相应的解决方案;
存储驱动选型
这部分主要是开始时，存储驱动方案选型的一些考虑。
- aufs。Docker最初采用的文件系统，一直没能合入内核，因此兼容性差，仅有Ubuntu支持。需要用户自己编译，使用起来比较麻烦;
- btrfs。数据并没有直接被写入而是先是被写入到日志，在有连续地写入流的情况下，性能可能会折半;
- overlayfs。一种新的unionfs，但对内核版本要求太高，需要kernel 3.18+;
- devicemapper。默认driver。可以说是目前一般情况下的最优方案了。SCE就是采用此driver。
devicemapper相关的一些实践及坑会在稍后提到。
集群管理
目前SCE主要推荐3个集群管理工具：Shipyard、Swarm、Kubernetes。
Shipyard
- 支持跨主机的container集群管理
- 轻量级，学习成本低
- 支持简单的资源调度
- 支持GUI图表展示
- 支持实例横向扩展
Swarm
- Docker官方主推的集群管理方案
- 相对轻量级，学习成本较低
- 支持多discovery backend
- 丰富的资源调度Filter
- Rest API，完全兼容Docker API
- 尚有一些坑
- 目前产品线最易接受，且使用率最多的方案
Kubernetes
- Google Borg/Omega开源实现
- 更新迭代太块，架构及实现相对复杂，学习成本、改造成本较高
- 资源调度
- 扩容缩容
- 故障自动恢复
- 多实例负载均衡
- 对OpenStack支持较好
- 跟进中
三者各有优劣，具体使用哪个工具还是需要依据具体的业务需要而定，而并不是说Kubernetes强大就一定是好的。
根据目前产品线使用及反馈来看，swarm还是更容易被接收一些。
与OpenStack集成进展
接下来，我们是IaaS，所以必须要说一下与OpenStack集成进展。如何与OpenStack更好的集成，充分发挥两者优势，是我们一直关注的一个点。
目前主要有三种方案：
- nova + docker driver;
- heat + docker driver;
- magnum;
Nova driver及heat driver两种方案，都存在一些硬伤。如nova driver方案把container当作VM处理，会牺牲掉Docker的所有高级特性，这显然是不能被接收的;又如heat driver方案，没有资源调度，创建时必须要指定host，这显然只能适用于小微规模。
OpenStack社区本年初终于开始发力CaaS新项目magnum。通过集成Heat，来支持使用Docker的高级功能;可以集成 Swarm、Gantt或Mesos，实现Docker集群资源调度(现计划是使用swarm做调度);Magnum还将与Kubernetes深度整合。
Magnum已找准此前两种解决方案的痛点，并正在用恰当的方式解决此问题。非常值得跟进。
另外，此次温哥华OpenStack Summit上，OpenStack基金会除了还表示将积极推进Magnum子项目，在技术上实现容器与OpenStack的深度整合。
----------
实践经验&踩过的坑
下面介绍的内容，大多是产品线问到的，以及SCE在Docker实践过程中总结出来的经验教训，都已文档化到SCE官方Docker wiki。从SCE Docker wiki里摘取了一些实践经验&踩过的坑，想必大家或多或少已经实践过或踩过。如果还没遇到这些问题，希望我们的这些经验总结能对你有所帮助。
镜像制作方面
- 建议用Dockerfile build镜像，镜像文档化;
- Dockerfile中，value千万别加""。因为docker会把你的""作为value的一部分;
- 最小化镜像大小，分层设计，尽量复用;
运行容器方面
- 一容器一进程，便于服务监控与资源隔离;
- 不建议用latest
- 对于提供服务的container，建议养成加--restart的习惯
数据存放方面
- 建议采用volume挂载方式
- 不依赖host目录，便于共享与迁移;
资源限制方面
- cgroup允许进程超限使用，即：在有空余资源的情况下，允许使用超出资源限制的更多资源。
- cgroup仅在必要时(资源不足时)限制资源使用，比如：当若干进程同时大量地使用CPU。
- cpu share enforcement仅会在多个进程运行在相同核上的情况下发生。也就是说，即使你机器上的两个container cpu限制不同，如果你把一个container绑定在core1，而把另外一个container绑定在core2，那么这两个container都能打满各自的核。
资源隔离方面
- user ns是通过将container的uid、gid映射为node上的uid、gid来实现user隔离的;
- 也就是说，你在node上只能看到container的uid，而看不到uname，除非这个uid在container和node上的uname相同;
- 也就是说，你在node上看到的container上的进程的所属用户的uname不一定是container上运行这个进程的uname，但uid一定是container上运行这个进程的uid;
swarm & compose使用方面
- 注意swarm strategies尚不成熟，binpack strategy实现存在一些问题，会导致最后调度出来的node不是你预期的。
- 注意compose尚不成熟，可能会遇到单个启container没问题，放到compose启就失败的问题。如：部署启动时间依赖性强的容器很可能会导致失败;
container方面
- 注意dm默认pool及container存储空间大小问题。container默认10G，pool默认100G，你可能需要通过dm.basesize、dm.loopdatasize按需扩容;
- 注意nsenter进容器，看不到配置在container里的env变量;查看env建议用docker exec或docker inspect;
- 注意docker daemon、docker daemon的default-ulimit和docker run的ulimit三者间的继承关系;
由于篇幅所限，这里就不再过多列举。
----------
后续计划
下面给出SCE后续需要继续深耕的几个点。
- 提供CI & CD解决方案
- 探索大规模集群网络方案
- 持续跟进大规模集群管理方案
- 深入调研OpenStack与Docker整合方案
----------
Q&A
问：如何实现跨机部署?
答：shipyard和swarm都可，当然还有其它方案。shipyard有不错的web UI，支持container多机部署，调度基于tag，还可以scale。swarm调度策略比较灵活，可以依据你指定的filter、weighter进行调度部署。
问：Compose能否实现跨机编排?
答：不行。目前只支持单机编排。
问：container监控是如何实现的?
答：cadvisor做container监控。监控这部分也是有一定工作需要去想去做的，比如说可以考虑和EK结合提来，提供一个独立的docker集群监控解决方案出来。
问：如何对某一容器进行扩容?
答：目前没有比较好的解决办法，我们的建议的做法是删了再启个大的。
数据存放方案如何选择，以保证数据安全性和易扩展、易迁移?
对于保证数据安全性需求，建议使用local + 云硬盘方案;
对于易扩展、易迁移需求，建议使用数据写image或volume挂载方案;
如果有高性能需求，并且你的container是跑在物理机上的，建议使用local volume + host dev方案;
没有方案是最优的，具体方案选型还是需要依据具体的使用场景而定。
问：SCE方案中，docker container大概是跑在那一层?
答：大概的栈是IaaS >>> CaaS，SCE docker container是跑在CaaS。
===========================