如何使用消息队列,Spring Boot和Kubernetes扩展微服务


【编者的话】本文通过一个详细的购物例子,展示了如何利用消息队列,Spring Boot和Kubernetes进行微服务的开发,并阐述了针对微服务的伸缩,监控等方式,帮助用户快速利用这些工具开发健壮的系统。

当你设计和构建大规模应用时,你将面临两个重大挑战:可伸缩性和健壮性

你应该这样设计你的服务,即使它受到间歇性的重负载,它仍能可靠地运行。

以Apple Store为例。

每年都有数百万的Apple客户预先注册购买新的iPhone。

这是数百万人同时购买物品。

如果你要将Apple商店的流量描述为每秒的请求数量,那么它可能是下图的样子:
2.png

现在想象一下,你的任务是构建这样的应用程序。

你正在建立一个商店,用户可以在那里购买自己喜欢的商品。

你构建一个微服务来呈现网页并提供静态资产。 你还构建了一个后端REST API来处理传入的请求。

你希望将两个组件分开,因为这样可以使用相同的REST API,为网站和移动应用程序提供服务。
3.gif

今天是重要的一天,你的商店上线了。

你决定将应用程序扩展为前端四个实例和后端四个实例,因为你预测网站比平常更繁忙。
4.gif

你开始接收越来越多的流量。

前端服务正在很好得处理流量。 但是你注意到连接到数据库的后端正在努力跟上事务的数量。

不用担心,你可以将后端的副本数量扩展到8。
5.gif

你收到的流量更多,后端无法应对。

一些服务开始丢弃连接。 愤怒的客户与你的客服取得联系。 而现在你被淹没在大量流量中。

你的后端无法应付它,它会失去很多连接。
6.gif

你刚丢了一大笔钱,你的顾客也不高兴。

你的应用程序并没有设计得健壮且高可用:
  • 前端和后端紧密耦合——实际上它不能在没有后端的情况下处理应用
  • 前端和后端必须一致扩展——如果没有足够的后端,你可能会淹没在流量中
  • 如果后端不可用,则无法处理传入的事务。


失去事务意味着收入损失。

你可以重新设计架构,以便将前端和后端用队列分离。
7.gif

前端将消息发布到队列,而后端则一次处理一个待处理消息。

新架构有一些明显的好处:
  • 如果后端不可用,则队列充当缓冲区
  • 如果前端产生的消息多于后端可以处理的消息,则这些消息将缓冲在队列中
  • 你可以独立于前端扩展后端——即你可以拥有数百个前端服务和后端的单个实例


太好了,但是你如何构建这样的应用程序?

你如何设计可处理数十万个请求的服务? 你如何部署动态扩展的应用程序?

在深入了解部署和扩展的细节之前,让我们关注应用程序。

编写Spring应用程序

该服务有三个组件:前端,后端和消息代理。

前端是一个简单的Spring Boot Web应用程序,带有Thymeleaf模板引擎。

后端是一个消耗队列消息的工作者。

由于Spring Boot与JSM能出色得集成,因此你可以使用它来发送和接收异步消息。

你可以在learnk8s / spring-boot-k8s-hpa中找到一个连接到JSM的前端和后端应用程序的示例项目。

请注意,该应用程序是用Java 10编写的,以利用改进的Docker容器集成能力。

只有一个代码库,你可以将项目配置为作为前端或后端运行。

你应该知道该应用程序具有:
  • 一个购买物品的主页
  • 管理面板,你可以在其中检查队列中的消息数
  • 一个 /health 端点,用于在应用程序准备好接收流量时发出信号
  • 一个 /submit 端点,从表单接收提交并在队列中创建消息
  • 一个 /metrics 端点,用于公开队列中待处理消息的数量(稍后将详细介绍)


该应用程序可以在两种模式下运行:

作为前端,应用程序呈现人们可以购买物品的网页。
8.png

作为工作者,应用程序等待队列中的消息并处理它们。
9.png

请注意,在示例项目中,使用Thread.sleep(5000)等待五秒钟来模拟处理。

你可以通过更改application.yaml中的值来在任一模式下配置应用程序。

模拟应用程序的运行

默认情况下,应用程序作为前端和工作程序启动。

你可以运行该应用程序,只要你在本地运行ActiveMQ实例,你就应该能够购买物品并让系统处理这些物品。
10.gif

如果检查日志,则应该看到工作程序处理项目。

它确实工作了!编写Spring Boot应用程序很容易。

一个更有趣的主题是学习如何将Spring Boot连接到消息代理。

使用JMS发送和接收消息

Spring JMS(Java消息服务)是一种使用标准协议发送和接收消息的强大机制。

如果你以前使用过JDBC API,那么你应该熟悉JMS API,因为它的工作方式很类似。

你可以按JMS方式来使用的最流行的消息代理是ActiveMQ——一个开源消息服务器。

使用这两个组件,你可以使用熟悉的接口(JMS)将消息发布到队列(ActiveMQ),并使用相同的接口来接收消息。

更妙的是,Spring Boot与JMS的集成非常好,因此你可以立即加快速度。

实际上,以下短类封装了用于与队列交互的逻辑:
@Component
public class QueueService implements MessageListener {
private static final Logger LOGGER = LoggerFactory.getLogger(QueueService.class);
@Autowired
private JmsTemplate jmsTemplate;
public void send(String destination, String message) {
LOGGER.info("sending message='{}' to destination='{}'", message, destination);
jmsTemplate.convertAndSend(destination, message);
}
@Override
public void onMessage(Message message) {
if (message instanceof ActiveMQTextMessage) {
  ActiveMQTextMessage textMessage = (ActiveMQTextMessage) message;
  try {
    LOGGER.info("Processing task "   textMessage.getText());
    Thread.sleep(5000);
    LOGGER.info("Completed task "   textMessage.getText());
  } catch (InterruptedException e) {
    e.printStackTrace();
  } catch (JMSException e) {
    e.printStackTrace();
  }
} else {
  LOGGER.error("Message is not a text message "   message.toString());
}
}


你可以使用send方法将消息发布到命名队列。

此外,Spring Boot将为每个传入消息执行onMessage方法。

最后一个难题是指示Spring Boot使用该类。

你可以通过在Spring Boot应用程序中注册侦听器来在后台处理消息,如下所示:
@SpringBootApplication
@EnableJms
public class SpringBootApplication implements JmsListenerConfigurer {
@Autowired
private QueueService queueService;
public static void main(String[] args) {
SpringApplication.run(SpringBootApplication.class, args);
}
@Override
public void configureJmsListeners(JmsListenerEndpointRegistrar registrar) {
SimpleJmsListenerEndpoint endpoint = new SimpleJmsListenerEndpoint();
endpoint.setId("myId");
endpoint.setDestination("queueName");
endpoint.setMessageListener(queueService);
registrar.registerEndpoint(endpoint);
}


其中id是使用者的唯一标识符,destination是队列的名称。

你可以从GitHub上的项目中完整地读取Spring队列服务的源代码。

回顾一下你是如何在少于40行代码中编写可靠队列的。

你一定很喜欢Spring Boot。

你在部署时节省的所有时间都可以专注于编码

你验证了应用程序的工作原理,现在是时候部署它了。

此时,你可以启动VPS,安装Tomcat,并花些时间制作自定义脚本来测试,构建,打包和部署应用程序。

或者你可以编写你希望拥有的描述:一个消息代理和两个使用负载均衡器部署的应用程序。

诸如Kubernetes之类的编排器可以阅读你的愿望清单并提供正确的基础设施。

由于花在基础架构上的时间减少意味着更多的时间编码,这次你将把应用程序部署到Kubernetes。但在开始之前,你需要一个Kubernetes集群。

你可以注册Google云平台或Azure,并使用Kubernetes提供的云提供商服务。或者,你可以在将应用程序移动到云上之前在本地尝试Kubernetes。

minikube是一个打包为虚拟机的本地Kubernetes集群。如果你使用的是Windows,Linux和Mac,那就太好了,因为创建群集需要五分钟。

你还应该安装kubectl,即连接到你的群集的客户端。

你可以从官方文档中找到有关如何安装minikubekubectl的说明。


如果你在Windows上运行,则应查看有关如何安装Kubernetes和Docker的详细指南
你应该启动一个具有8GB RAM和一些额外配置的集群:
minikube start \
--memory 8096 \
--extra-config=controller-manager.horizontal-pod-autoscaler-upscale-delay=1m \
--extra-config=controller-manager.horizontal-pod-autoscaler-downscale-delay=2m \
--extra-config=controller-manager.horizontal-pod-autoscaler-sync-period=10s

请注意,如果你使用的是预先存在的minikube实例,则可以通过销毁VM来重新调整VM的大小。 只需添加--memory 8096就不会有任何影响。

验证安装是否成功。 你应该看到以列表形式展示的一些资源。 集群已经准备就绪,也许你应该立即开始部署?

还不行。

你必须先装好你的东西。

什么比uber-jar更好?容器

部署到Kubernetes的应用程序必须打包为容器。毕竟,Kubernetes是一个容器编排器,所以它本身无法运行你的jar。

容器类似于fat jar:它们包含运行应用程序所需的所有依赖项。甚至JVM也是容器的一部分。所以他们在技术上是一个更胖的fat-jar。

将应用程序打包为容器的流行技术是Docker。

虽然Docker是最受欢迎的,但它并不是唯一能够运行容器的技术。其他受欢迎的选项包括rktlxd

如果你没有安装Docker,可以按照Docker官方网站上的说明进行操作。

通常,你构建容器并将它们推送到仓库。它类似于向Artifactory或Nexus推送jar包。但在这种特殊情况下,你将在本地工作并跳过仓库部分。实际上,你将直接在minikube中创建容器镜像。

首先,按照此命令打印的说明将Docker客户端连接到minikube
minikube docker-env

请注意,如果切换终端,则需要重新连接minikube内的Docker守护程序。 每次使用不同的终端时都应遵循相同的说明。

并从项目的根目录构建容器镜像:
docker build -t spring-k8s-hp0a .

你可以验证镜像是否已构建并准备好运行:
docker images |grep spring 

很好。

群集已准备好,你打包应用程序,也许你已准备好立即部署?

是的,你最终可以要求Kubernetes部署应用程序。

将你的应用程序部署到Kubernetes

你的应用程序有三个组件:
  • 呈现前端的Spring Boot应用程序
  • ActiveMQ作为消息代理
  • 处理事务的Spring Boot后端


你应该分别部署这三个组件。

对于每个组件你都应该创建:
  • Deployment对象,描述部署的容器及其配置
  • 一个Service对象,充当Deployment部署创建的应用程序的所有实例的负载均衡器


部署中的每个应用程序实例都称为Pod
11.gif

部署ActiveMQ

让我们从ActiveMQ开始吧。

你应该创建一个activemq-deployment.yaml文件,其中包含以下内容:
apiVersion: extensions/v1beta1
kind: Deployment
metadata:
name: queue
spec:
replicas: 1
template:
metadata:
  labels:
    app: queue
spec:
  containers:
  - name: web
    image: webcenter/activemq:5.14.3
    imagePullPolicy: IfNotPresent
    ports:
      - containerPort: 61616
    resources:
      limits:
        memory: 512Mi

该模板冗长但直接易读:
  • 你从名为webcenter / activemq的官方仓库中请求了一个activemq容器
  • 容器在端口61616上公开消息代理
  • 为容器分配了512MB的内存
  • 你要求提供单个副本 - 你的应用程序的单个实例


使用以下内容创建activemq-service.yaml文件:
apiVersion: v1
kind: Service
metadata:
name: queue
spec:
ports:
- port: 61616 
targetPort: 61616
selector:
app: queue

幸运的是,这个模板更短!

这个yaml表示:
  • 你创建了一个公开端口61616的负载均衡器
  • 传入流量分发到所有具有app:queue类型标签的Pod(请参阅上面的部署)
  • targetPort是Pod暴露的端口


你可以使用以下命令创建资源:
kubectl create -f activemq-deployment.yaml
kubectl create -f activemq-service.yaml

你可以使用以下命令验证数据库的一个实例是否正在运行:
kubectl get pods -l=app=queue

部署前端

使用以下内容创建fe-deployment.yaml文件:
apiVersion: extensions/v1beta1
kind: Deployment
metadata:
name: frontend
spec:
replicas: 1
template:
metadata:
  labels:
    app: frontend
spec:
  containers:
  - name: frontend
    image: spring-boot-hpa
    imagePullPolicy: IfNotPresent
    env:
    - name: ACTIVEMQ_BROKER_URL
      value: "tcp://queue:61616"
    - name: STORE_ENABLED
      value: "true"
    - name: WORKER_ENABLED
      value: "false"
    ports:
    - containerPort: 8080
    livenessProbe:
      initialDelaySeconds: 5
      periodSeconds: 5
      httpGet:
        path: /health
        port: 8080
    resources:
      limits:
        memory: 512Mi

Deployment 看起来很像前一个。

但是有一些新的字段:
  • 有一个section可以注入环境变量
  • 还有Liveness探针,可以告诉你应用程序何时可以接受流量


使用以下内容创建fe-service.yaml文件:
apiVersion: v1
kind: Service
metadata:
name: frontend
spec:
ports:
- nodePort: 32000
port: 80
targetPort: 8080
selector:
app: frontend
type: NodePort

你可以使用以下命令创建资源:
kubectl create -f fe-deployment.yaml
kubectl create -f fe-service.yaml

你可以使用以下命令验证前端应用程序的一个实例是否正在运行:
kubectl get pods -l=app=frontend

部署后端

使用以下内容创建backend-deployment.yaml文件:
apiVersion: extensions/v1beta1
kind: Deployment
metadata:
name: backend
spec:
replicas: 1
template:
metadata:
  labels:
    app: backend
  annotations:
    prometheus.io/scrape: 'true'
spec:
  containers:
  - name: backend
    image: spring-boot-hpa
    imagePullPolicy: IfNotPresent
    env:
    - name: ACTIVEMQ_BROKER_URL
      value: "tcp://queue:61616"
    - name: STORE_ENABLED
      value: "false"
    - name: WORKER_ENABLED
      value: "true"
    ports:
    - containerPort: 8080
    livenessProbe:
      initialDelaySeconds: 5
      periodSeconds: 5
      httpGet:
        path: /health
        port: 8080
    resources:
      limits:
        memory: 512Mi

使用以下内容创建backend-service.yaml文件:
apiVersion: v1
kind: Service
metadata:
name: backend
spec:
ports:
- nodePort: 31000
  port: 80
  targetPort: 8080
selector:
  app: backend
type: NodePort

你可以使用以下命令创建资源:
kubectl create -f backend-deployment.yaml
kubectl create -f backend-service.yaml

你可以验证后端的一个实例是否正在运行:
kubectl get pods -l=app=backend

部署完成。

它真的有效吗?

你可以使用以下命令在浏览器中访问该应用程序:
minikube service backend


minikube service frontend

如果它有效,你应该尝试购买一些物品!

工作者在处理交易吗?

是的,如果有足够的时间,工作人员将处理所有待处理的消息。

恭喜!

你刚刚将应用程序部署到Kubernetes!

手动扩展以满足不断增长的需求

单个工作程序可能无法处理大量消息。 实际上,它当时只能处理一条消息。

如果你决定购买数千件物品,则需要数小时才能清除队列。

此时你有两个选择:
  • 你可以手动放大和缩小
  • 你可以创建自动缩放规则以自动向上或向下扩展


让我们先从基础知识开始。

你可以使用以下方法将后端扩展为三个实例:
kubectl scale --replicas=5 deployment/backend

你可以验证Kubernetes是否创建了另外五个实例:
kubectl get pods

并且应用程序可以处理五倍以上的消息。

一旦工人排空队列,你可以缩小:
kubectl scale --replicas=1 deployment/backend

如果你知道最多的流量何时达到你的服务,手动扩大和缩小都很棒。

如果不这样做,设置自动缩放器允许应用程序自动缩放而无需手动干预。

你只需要定义一些规则。

公开应用程序指标

Kubernetes如何知道何时扩展你的申请?

很简单,你必须告诉它。

自动调节器通过监控指标来工作。 只有这样,它才能增加或减少应用程序的实例。

因此,你可以将队列长度公开为度量标准,并要求autoscaler观察该值。 队列中的待处理消息越多,Kubernetes将创建的应用程序实例就越多。

那么你如何公开这些指标呢?

应用程序具有 /metrics 端点以显示队列中的消息数。 如果你尝试访问该页面,你会注意到以下内容:
# HELP messages Number of messages in the queue
# TYPE messages gauge
messages 0

应用程序不会将指标公开为JSON格式。 格式为纯文本,是公开Prometheus指标的标准。 不要担心记忆格式。 大多数情况下,你将使用其中一个Prometheus客户端库。

在Kubernetes中使用应用程序指标

你几乎已准备好进行自动缩放——但你应首先安装度量服务器。 实际上,默认情况下,Kubernetes不会从你的应用程序中提取指标。 如果你愿意,可以启用Custom Metrics API。

要安装Custom Metrics API,你还需要Prometheus - 时间序列数据库。 安装Custom Metrics API所需的所有文件都可以方便地打包在learnk8s / spring-boot-k8s-hpa中。

你应下载该存储库的内容,并将当前目录更改为该项目的monitoring文件夹。
cd spring-boot-k8s-hpa/monitoring

从那里,你可以创建自定义指标API:
kubectl create -f ./metrics-server
kubectl create -f ./namespaces.yaml
kubectl create -f ./prometheus
kubectl create -f ./custom-metrics-api

你应该等到以下命令返回自定义指标列表:
kubectl get --raw "/apis/custom.metrics.k8s.io/v1beta1" | jq .

任务完成!

你已准备好使用指标。

实际上,你应该已经找到了队列中消息数量的自定义指标:
kubectl get --raw "/apis/custom.metrics.k8s.io/v1beta1/namespaces/default/pods/*/messages" | jq .

恭喜,你有一个公开指标的应用程序和使用它们的指标服务器。

你最终可以启用自动缩放器!

在Kubernetes中进行自动扩展部署

Kubernetes有一个名为Horizontal Pod Autoscaler的对象,用于监视部署并上下调整Pod的数量。

你将需要其中一个来自动扩展实例。

你应该创建一个包含以下内容的hpa.yaml文件:
apiVersion: autoscaling/v2beta1
kind: HorizontalPodAutoscaler
metadata:
name: spring-boot-hpa
spec:
scaleTargetRef:
apiVersion: extensions/v1beta1
kind: Deployment
name: backend 
minReplicas: 1
maxReplicas: 10
metrics:
- type: Pods
pods:
  metricName: messages
  targetAverageValue: 10

这个文件很神秘,所以让我为你翻译一下:
  • Kubernetes监视scaleTargetRef中指定的部署。 在这种情况下,它是工人。
  • 你正在使用messages指标来扩展你的Pod。 当队列中有超过十条消息时,Kubernetes将触发自动扩展。
  • 至少,部署应该有两个Pod。 10个Pod是上限。


你可以使用以下命令创建资源:
kubectl create -f hpa.yaml

提交自动缩放器后,你应该注意到后端的副本数量是两个。 这是有道理的,因为你要求自动缩放器始终至少运行两个副本。

你可以检查触发自动缩放器的条件以及由此产生的事件:
kubectl describe hpa

自动定标器表示它能够将Pod扩展到2,并且它已准备好监视部署。

令人兴奋的东西,但它有效吗?

负载测试

只有一种方法可以知道它是否有效:在队列中创建大量消息。

转到前端应用程序并开始添加大量消息。 在添加消息时,使用以下方法监视Horizontal Pod Autoscaler的状态:
kubectl describe hpa

Pod的数量从2上升到4,然后是8,最后是10。

该应用程序随消息数量而变化! 欢呼!

你刚刚部署了一个完全可伸缩的应用程序,可根据队列中的待处理消息数进行扩展。

另外,缩放算法如下:
MAX(CURRENT_REPLICAS_LENGTH * 2, 4)

在解释算法时,文档没有多大帮助。 你可以在代码中找到详细信息。
此外,每分钟都会重新评估每个放大,而每两分钟缩小一次。

以上所有都是可以调整的设置。

但是你还没有完成。

什么比自动缩放实例更好? 自动缩放群集。

跨节点缩放Pod非常有效。 但是,如果群集中没有足够的容量来扩展Pod,该怎么办?

如果达到峰值容量,Kubernetes将使Pods处于暂挂状态并等待更多资源可用。

如果你可以使用类似于Horizontal Pod Autoscaler的自动缩放器,但对于节点则会很棒。

好消息!

你可以拥有一个群集自动缩放器,可以在你需要更多资源时为Kubernetes群集添加更多节点。
12.gif

群集自动缩放器具有不同的形状和大小。它也是特定于云提供商的。

请注意,你将无法使用minikube测试自动缩放器,因为它根据定义是单节点。
你可以在Github上找到有关集群自动调节器和云提供程序实现的更多信息。

概览

设计大规模应用程序需要仔细规划和测试。

基于队列的体系结构是一种出色的设计模式,可以解耦你的微服务并确保它们可以独立扩展和部署。

虽然你可以用脚本来扩展你的应用,但可以更轻松地利用容器编排器(如Kubernetes)自动部署和扩展应用程序。

今天先说到这里

感谢Nathan Cashmore和Andy Griffiths的反馈!

如果你喜欢这篇文章,下面的文章可能你也会有兴趣:
  • 3个简单的技巧,用于较小的Docker镜像,并学习如何更快地构建和部署Docker镜像。
  • Kubernetes Chaos Engineering:经验教训 - 第1部分Kubernetes出现问题时会发生什么? Kubernetes可以从失败和自我愈合中恢复吗?


成为Kubernetes中部署和扩展应用程序的专家

学习如何使用Horizo​​ntal Pod Autoscaler部署和扩展应用程序只是一个开始!

从我们的实践课程开始,学习如何掌握Kubernetes。

了解如何:
  • 不费工夫得处理最繁忙的流量网站
  • 将你的工作扩展到数千台服务器,并将等待时间从几天缩短到几分钟
  • 知道你的应用程序具有多云设置的高可用性,让你高枕无忧
  • 只需使用你需要的资源,就可以节省大量现金
  • 为你的交付管道增压并全天候部署应用程序


成为Kubernetes的专家

原文链接:How to scale Microservices with Message Queues, Spring Boot, and Kubernetes (翻译:池剑锋)

0 个评论

要回复文章请先登录注册