2018年起，vivo以容器作為基礎底座，打造了一站式云原生機器學習平臺。向上支撐了算法中臺，為算法工程師提供數據管理、模型訓練、模型管理、模型部署等能力，為廣告、推薦和搜索等業務賦能，成功為算法實現了降本、提效，讓云原生和容器價值初露鋒芒。基于機器學習平臺的試點成果，經過算法場景的試點實踐和價值分析，對內部戰略做了升級。確定基于云原生理念去構建行業一流的容器生態，實現規?；慕当咎嵝繕?。

本文會詳細介紹vivo在容器集群高可用建設中的具體實踐，包括在容器集群高可用建設、容器集群自動化運維、容器平臺架構升級、容器平臺能力增強、容器生態打通等層面的打磨和建設。目前，vivo容器產品能力矩陣逐漸趨于完善，并將圍繞全面容器化、擁抱云原生和在離線混部三個方向繼續發力。

云原生和容器，是當下比較火熱的話題，其中 Kubernetes更是成為容器編排領域的事實標準。

國內外各企業在內部落地云原生和容器的過程中，基于自己的業務場景和發展階段，會遇到各種問題和挑戰，本文是vivo在云原生容器領域的探索和落地實踐，希望能對讀者有一些借鑒和幫助。

一、容器技術和云原生理念

首先是容器技術和云原生理念的介紹。

1.1 容器技術簡介

容器技術不是一個新技術，從1979年unix系統的chroot誕生到現在，歷經40多年的發展，共經過了四個階段，分別是：技術萌芽期、技術迸發期、商用探索期和商用拓展期。

每個階段，解決了不同的技術問題，分別是：環境隔離、軟件分發和編排、商用服務形態、規模化和場景拓展。

相比于虛擬機，容器技術少了一層虛擬操作系統的損耗，因此它比虛擬機具有更好的性能表現。另外容器在系統資源、啟動時間、集群規模、高可用策略等方面，也有非常明顯的優勢。

2020年CNCF中國云原生調查報告顯示，接受調查的中國企業，有68%已經在生產環境使用容器技術。

從行業發展看，不管是云廠商還是各大科技公司，都在基于容器技術構建自己的新一代基礎架構，推動企業數字創新。容器技術已經得到廣泛的認可和普及。

1.2 云原生理念介紹

容器技術催生了云原生思潮，云原生生態推動了容器技術的發展。那么云原生的準確定義和含義是什么呢？

云原生其實沒有標準定義，如果非要給他一個定義，行業有兩種觀點：

• 一個定義來自Pivotal 這家公司，它是云原生應用的提出者，是云原生的先驅者、探路者。Pivotal最新的官網對云原生的介紹有四個要點，分別是：DevOps、持續交付、微服務和容器。
• 另外一個定義來自CNCF，CNCF建立于2015年，它是一個開源組織，其存在的目的，是支持開源社區開發關鍵的云原生組件，包括 Kubernetes、Prometheus監控等。

它把云原生分為3種核心技術和2個核心理念：

• 3種核心技術：分別是容器、微服務、服務網格。
• 2個核心理念：分別指不可變基礎設施和聲明式API。

但是，不管是那一種定義，容器都是其基礎，是云原生落地的核心技術手段。

1.3 云原生價值分析

任何技術和理念，都必須有實際的業務價值。從效率、成本、質量三個維度，來分析云原生和容器的技術價值，可總結如下：

• 效率：可實現持續交付部署快、鏡像封裝可移植、彈性計算秒擴容。
• 成本：可實現按需分配不浪費、統一調度高填充、混合部署少碎片。
• 質量：可實現運行狀態可觀測、故障發生可自愈、集群管理可運維。

二、vivo 容器技術探索與實踐

新技術的引入帶來新的價值，也必然會引入新的問題，接下來介紹vivo在容器技術上的探索和實踐。

2.1 試點探索

在vivo的算法場景中，機器學習平臺負責算法模型迭代，是互聯網算法業務中核心的一環，早期的平臺基于傳統的架構，在效率、成本、性能和體驗上均有一定的不足，無法滿足算法業務快速增長的訴求?；诖?，我們首先在算法場景進行容器的試點探索。從2018年開始，我們以容器作為基礎底座，打造了vivo的一站式云原生機器學習平臺，向上支撐了公司的算法中臺，為算法工程師提供數據管理、模型訓練、模型管理、模型部署等能力，為廣告、推薦和搜索等業務賦能。

vivo的云原生機器學習平臺具備如下5大優勢：

• 場景全：業務端到端，覆蓋推薦、廣告、搜索多場景。
• 體驗好：排隊時間短，用戶體驗優，任務P99排隊時長小于45分鐘。
• 成本低：調度能力好，資源利用率高，CPU利用率均值大于45%。
• 效率高：網絡規模大，訓練跑得快，訓練速度8.3億樣本每小時。
• 結果優：算法迭代穩定，訓練成功率高，訓練成功率大于95%。

vivo云原生機器學習平臺，成功為算法實現了降本、提效，讓云原生和容器價值初露鋒芒。

2.2 價值挖掘

基于前面機器學習平臺的試點成果，我們深入分析和挖掘容器和云原生的價值，結合vivo的情況，我們發現容器和云原生是企業大規模降本和提效的最佳方案。

1）在降本方面

當前我們內部服務器資源的利用率較低，以CPU利用率為例，當前vivo服務器整體利用率均值在25%左右，相比行業一流水平的40%～50%，還有不少的提升空間。

容器在資源隔離、統一調度和在離線混部等方面的優勢，均是提升資源ROI的有效技術手段。

2）在提效方面

當前我們在中間件版本升級、機器遷移、測試環境管理、突發流量應對和全球化部署的環境一致性等方面均有業務痛點。

容器的快速交付、彈性自運維、微服務、服務網格等云原生技術和架構，則是提效的有力措施。

2.3 戰略升級

經過算法場景的試點實踐和價值分析，我們對內部戰略做了升級， 確定基于云原生理念去構建行業一流的容器生態，實現規?；慕当咎嵝繕?。

為了更好匹配戰略落地，擁抱云原生，我們還對內部技術架構重新規劃和升級，新增引入統一流量接入平臺、容器運維管理平臺、統一名字服務、容器監控等平臺和能力，支撐容器生態在公司內部的全面建設和推廣。

2.4 面臨挑戰

2.4.1 集群挑戰

要提供大規模的生產可用的容器服務，容器集群的可用性首先會面臨諸多挑戰。下面介紹vivo容器化，在生產集群建設過程中遇到的4個比較大的挑戰。

• 集群規?？焖僭鲩L：vivo集群服務器規模上萬個宿主機節點，管理的集群數十個，單集群規模2千+，實例數10萬+，對集群性能和機器管理挑戰極大。
• 集群運維、運營和標準化：由于早期集群管理不規范，黑屏化操作和人為誤操作等問題層出不窮，集群運維人員每天因為各種救火忙得焦頭爛額。
• 集群容器監控架構和可觀測性：隨著集群規?？焖僭鲩L，容器的監控組件面臨極大壓力，對容器監控的采集、存儲和展示，提出更高的要求。
• 線上K8s版本升級迭代：面對Kubernetes版本的快速迭代，需要實現給飛行的飛機換引擎。

針對挑戰，我們的應對方案分別是：高可用、可觀測、標準化和自動化。其中容器監控和k8s版本無損升級的挑戰，vivo公眾號有詳細技術方案的介紹，本文側重介紹集群高可用和運維自動化兩部分。

2.4.2 平臺挑戰

除了集群穩定性的挑戰，平臺也將面臨各種挑戰，由于容器平臺和周邊生態能力不完善，對業務存在較高的適配和遷移成本?？偨Y起來我們遇到的挑戰主要有4點：

• 容器IP的變化：k8s早期把業務都設計成無狀態的，其原生實現是每次發布容器的IP都會變化，這對部分依賴固定IP的傳統業務不太友好，業務改造成本較高。
• 周邊生態的適配和兼容：包括發布系統、中間件微服務平臺、內部開發框架和流量接入層等
• 用戶使用習慣：vivo有比較成熟的發布平臺，用戶習慣按機房發布，習慣資源分配和發布分開操作。
• 價值輸出：運維研發效率的提升不好量化，容器成本優勢短期不好衡量。

上面這些挑戰，推動我們要進行容器周邊生態打通，同時通過增強容器平臺產品能力，來適配各種業務場景，降低用戶的遷移成本。

2.5 最佳實踐

2.5.1 容器集群高可用建設

接下來，介紹vivo在容器集群高可用建設中的最佳實踐，我們是從故障預防、故障發現和故障恢復，3個維度來構建容器集群可用性保障體系的。

1、在故障預防上，我們分別從流程工具、容災能力和基礎架構3個方面來進行建設：

• 流程工具：主要包含故障預案和故障演練，以及通過建設運維管理平臺，來實現運維標準化、白屏化和自動化。
• 容災能力：主要是構建業務跨故障域容災能力，保障集群故障時，服務和業務流量能跨集群調度和快速一鍵遷移等。
• 基礎架構：主要是通過屏蔽用戶對底層集群的感知，一個機房多套集群，一個業務同時部署在多個集群上，避免單集群故障對業務造成影響。

2、在故障發現上，我們主要是通過，自建的監控大盤、日常集群巡檢、核心組件監控、集群外撥測等措施，對故障及時發現和處理，降低對業務影響。

3、在故障恢復上，主要是基于前面的故障預案，快速恢復，及時止損，并做好故障的復盤，不斷改進我們的故障預防和發現機制，沉淀寶貴經驗。

另外，集群的可觀測性是可用性保障的一個重要依據，我們通過建設自己的SLO面板，對集群狀態實時地進行監控，只有對運營狀況了如指掌，才能做到穩如泰山，沉著應對一切變化。

2.5.2 容器集群自動化運維

除了容器集群自身穩定性建設，在運維自動化方面，我們建設了容器多集群管理平臺，實現集群配置標準化，核心運維場景白屏化，來提升運維效率。

我們的容器集群管理平臺，是以云原生的方式來管理云原生，簡單來說，就是基于k8s的operator機制，實現k8s on k8s。

當前，我們的平臺已經能夠實現多集群的統一納管，集群部署也是自動化、標準化的，還實現了底層IAAS層打通，集群節點能全流程化、可視化的一鍵擴縮容，而集群巡檢功能，可以幫助我們及時發現集群的問題和隱患。

通過平臺進行日常運維和操作，不僅能提升效率，也具備審計能力，有操作和變更日志可追溯，便于問題定位。

2.5.3 容器平臺架構升級

為適應業務容器化在內部的快速普及和推廣，我們升級了vivo的容器平臺架構。

新的架構分為4層，容器+k8s則作為基礎的統一底座，向下對接公司IAAS層的基礎設施，向上提供容器產品和平臺能力，并通過開放API供上層調用和定制自己的上層邏輯。

API之上是容器支持的各種服務類型，包括在線服務、中間件服務、大數據計算、算法訓練、實時計算等，最上面是為vivo互聯網各個業務進行賦能。

基于這套容器平臺架構，業務能實現資源隔離部署、快速交付和按需使用，同時也具備更好的彈性伸縮能力。對平臺，我們可以統一資源的調度，實現資源的分時復用、在離線混部等，來提升資源的利用率。

2.5.4 容器平臺能力增強

vivo內部容器化場景比較多樣化，為了讓業務能夠安心、低成本的接入和使用容器的能力，在推廣過程中，我們基于開源+自研做了容器的適配和原生能力的增強。

下面對6個產品能力增強進行簡單的分享：

• 云原生工作負載增強：基于開源的openkruise，對原生deployment、statefulset等workload進行了增強，實現諸如原地升級、發布暫停、流式和配置優先級等擴展能力。
• 服務無損發布增強：基于內部框架和平臺自主研發，實現HTTP、RPC等協議框架的流量無損發布。
• 容器鏡像安全：基于開源的Harbor定制開發，實現容器鏡像安全掃描和卡控能力。
• 容器鏡像加速：基于開源dragonfly2定制擴展，讓大規模集群鏡像的分發性能提升80%以上。
• IP固定能力增強：基于有狀態服務和CNI進行自研，支撐黑白名單、有狀態服務場景訴求，降低業務接入改造成本。
• 多集群管理能力增強：基于開源Karmada進行功能優化和擴展，提升業務容災能力，支撐單集群橫向擴展能力。

當然，在充分享受開源紅利的同時，我們也持續地參與開源協同，回饋社區。在使用和自研的過程中，我們也把自己生產實踐過程中發現的問題和積累的經驗提交到社區，例如Dragonfly2、Karmada等。

2.5.5 容器CICD一體化

除了平臺能力的增強，容器平臺作為一個PaaS平臺，需要和周邊的生態打通，才能讓業務更好的遷移和使用，其中最重要的就是發布系統的打通，也就是CICD平臺。

幾乎每個科技公司都會有自己的CICD，它是一個DevOps自動化的工具，可進行業務構建和編排部署的流水線。

vivo的CICD平臺底層架構是基于JenKins+Spinnaker實現的，整個容器構建和部署流程如下：

• 首先，用戶在CICD平臺上創建好發布過程的流水線配置并保存。
• 其次，CI環節可實現和內部GitLab對接，拉取代碼，基于jenkins進行代碼編譯和鏡像構建，構建好的鏡像經過安全掃描后，推送到開發環境的鏡像倉庫。
• 最后，在CD環節，CICD平臺會調用容器平臺提供的API，進行開發、測試、預發和生產環境的部署操作。

2.5.6 統一流量接入

接下來，介紹容器生態里，最重要的業務流量接入層的打通。

早期，vivo內部是基于Nginx，來實現的南北流量和東西流量的轉發。在虛擬機和物理機場景能比較好的支撐，隨著容器在內部全面的推廣，傳統的Nginx架構已不能適配。

主要體現在，容器場景業務實例數量，相比原來虛擬機和物理機成倍數增長，容器發布過程IP的頻發變化和狀態同步，都會對Nginx集群造成非常大的壓力，在業務請求量非常大的情況下，接入層的配置文件刷新和加載，會造成業務的抖動，這是我們不能接受的。

基于這個背景，我們基于APISIX構建了云原生流量接入層，來適應全面容器化的需求。經過一年多的建設，當前我們的統一流量接入平臺已經能夠很好的支撐容器化的接入，同時具備更好的擴展能力。

2.6 實踐成果

2.6.1 產品能力矩陣完善

經過多年的打磨和建設，vivo容器產品能力矩陣趨于完善，整個產品能力矩陣，分為4層：

• 基礎服務層：包含3類服務，鏡像管理、集群運維和集群監控。
• 能力層：包含6個核心能力，分別是集群調度、CAAS-API、容器配置、容器業務監控告警、容器日志和平臺擴展能力。
• 平臺層：包含2大平臺能力，分別是CI和CD。
• 業務層：當前覆蓋了vivo互聯網所有業務場景。

2.6.2 業務接入成果凸顯

接下來，會具體介紹下vivo容器推廣情況。

目前容器在vivo內部主要覆蓋4大場景，分別是：互聯網在線業務、算法在線、大數據計算和AI算法訓練等。接下來，會從接入規模和價值來簡單介紹。

• 互聯網在線服務：內部各個業務線均有大量服務運行在容器上，例如vivo商城、賬號、瀏覽器、快應用、天氣等，已經接入服務600+。
• 算法在線服務：當前接入500+服務，3000+服務器，涉及推廣搜的各個業務線。
• 大數據計算服務：包含離線計算如Spark，實時計算如Flink、Olap等場景，當前接入集群20+。
• AI算法訓練：主要是提供GPU、CPU異構計算，業務場景如Tensorflow、mpi等場景，算力十幾萬核，以及若干GPU卡。

業務容器化后，給業務在降本提效上帶來的效果非常明顯，包括但不限于擴縮容效率、彈性伸縮能力、業務自愈能力、資源成本等方面。

2.7 實踐總結

基于我們的探索和實踐，可總結為技術價值、推廣策略、平臺建設和云原生突破4個維度的思考。

• 找價值：關注新技術，但不執著于技術本身，必須結合業務痛點和價值。
• 定策略：自下而上小范圍試點探索，產生實際的業務價值，影響自上而下的戰略調整。
• 建平臺：當已經有比較完善的平臺和能力時，要找到容器的切入點，進行融合共建，切忌推到重來；對于需要從0到1建設的新能力，需要果斷的孵化創新。
• 求突破：在業務容器化過程中，為了快速容器化，我們做了許多的兼容和適配。為了更好的降本提效，未來，我們希望引導用戶，實現從使用云原生，到用好云原生的突破。

總的來說，技術服務于業務，企業應基于自身現狀，尋找合適的解決方案，并為業務創造價值。

三、vivo對云原生的未來展望

3.1 vivo基礎架構發展

從過去看未來發展，回顧過去10年歷程，vivo基礎架構的發展經歷了3個階段：

• 階段一：傳統研發運維階段，從2011到2018年，從早期的do分離研發模式，到基于openstack+kvm的虛擬化方案落地。
• 階段二：應用架構互聯網化階段，從2018到2020年，容器化開始在vivo內部興起。
• 階段三：云原生基礎架構演進階段，從2021年到現在，云原生和容器將會在vivo內部有更多場景的應用和推廣，如在離線混部等。

3.2 vivo云原生未來展望

回歸事物本源思考，做正確的事，并把事情做正確。不盲從，有定力，基于價值，客觀看待新技術發展，大膽假設、小心驗證、實踐出真知。

vivo云原生的未來，將會朝著3個方向發展，分別是全面容器化、擁抱云原生和在離線混部。

• 我們的愿景是：一次開發到處運行，通過自動運維實現極致效率和成本最優！
• 對開發人員：我們希望大家成為那只遨游海上的藍色鯨魚，馱著我們的業務應用，一次構建到處分發，靈活調度和運維。
• 對管理者：我們希望追求效率的同時，能夠實現成本最優。