图解kubernetes控制器StatefulSet核心实现原理

StatefulSet是k8s中有状态应用管理的标准实现,今天就一起来了解下其背后设计的场景与原理,从而了解其适用范围与场景。

1. 基础概念

首先介绍有状态应用里面的需要考虑的一些基础的事情，然后在下一章我们再去看statefulSet的关键实现。

1.1 有状态与无状态

在日常开发的应用中，通常可以分为两大类：有状态与无状态，比如web服务通常都是无状态的，web应用数据主要来自后端存储、缓存等中间件，而本身并不保存数; 而诸如redis、es等其数据也是应用自身的一部分，由此可以看出有状态应用本身会包含两部分：应用与数据。

1.2 一致性与数据

一致性是分布式系统中很常见的问题，上面提到有状态应用包含数据部分，那数据和一致性是不是一个东西呢?答案是并不一定，在诸如zookeeper等应用中，会通过zab协议保证数据写入到集群中的大多数节点, 而在诸如kafka之类的应用其一致性设计要求相对较低，由此可以看出有状态应用数据的一致性，更多的是由对应场景的系统设计而决定。

1.3 身份标识

在一些应用中身份标识是系统本身组成的一部分，比如zookeeper其通过server的id来影响最终的zab协议的选举，在kafka中分区的分配时也是按照对应的id来分配的。

1.4 单调有序更新

通常分布式系统中都至少要保证分区容忍性，以防止部分节点故障导致整个系统不可用，在k8s中的statefulset中的 Pod的管理策略则是保证尽可能安全的逐个Pod更新，而不是并行启动或停止所有的Pod。

1.5 扩缩容与故障转移

在k8s中水平方向上的扩容和缩容都非常简单，删除和添加一个Pod的事情，但是对于有状态应用，其实就不知这些，比如扩容后的数据如何做平衡，节点失败后的故障转移怎么做，这些都是要一个有状态应用需要自己考虑的事情。

2. 核心实现

StatefulSet的实现机制整体流程相对简明，接下来按照Pod管理、状态计算、状态管理、更新策略这几部分来依次讲解。

2.1 Pod的release与adopt

statefulSet中的pod的名字都是按照一定规律来进行设置的, 名字本身也有含义, k8s在进行statefulset更新的时候，首先会过滤属于当前statefulset的pod，并做如下操作

K8s中控制器与Pod的关联主要通过两个部分：controllerRef和label, statefulset在进行Pod过滤的时候，如果发现对应的pod的controllerRef都是当前的statefulset但是其label或者名字并不匹配，则就会尝试release对应的Pod。

反之如果发现对应Pod的label和名字都匹配，但是controllerRef并不是当前的statefulSet就会更新对应的controllerRef为当前的statefulset, 这个操作被称为adopt。

通过该流程可以确保当前statefulset关联的Pod要么与当前的对象关联，要么我就释放你，这样可以维护Pod的一致性，即时有人修改了对应的Pod则也会调整成最终一致性。

2.2 副本分类

在经过第一步的Pod状态的修正之后，statefulset会遍历所有属于自己的Pod，同时将Pod分为两个大类：有效副本和无效副本(condemned)，前面提到过Pod的名字也是有序的即有N个副本的Pod则名字依次是{0...N-1}, 这里区分有效和无效也是依据对应的索引顺序，如果超过当前的副本即为无效副本。

2.3 单调更新

单调更新主要是指的当对应的Pod管理策略不是并行管理的时候，只要当前Replicas(有效副本)中任一一个Pod发生创建、终止、未就绪的时候，都会等待对应的Pod就绪，即你要想更新一个statefulset的Pod的时候，对应的Pod必须已经RunningAndReady。

func allowsBurst(set *apps.StatefulSet) bool { 
    return set.Spec.PodManagementPolicy == apps.ParallelPodManagement 
} 

2.4 基于计数器的滚动更新

滚动更新的实现相对隐晦一点，其主要是通过控制副本计数来实现，首先倒序检查对应的Pod的版本是否是很新版本，如果发现不是，则直接删除对应的Pod，同时将currentReplica计数减一，这样在检查对应的Pod的时候，就会发现对应的Pod的不存在，就需要为对应的Pod生成新的Pod信息，此时就会使用比较新的副本去更新。

func newVersionedStatefulSetPod(currentSet, updateSet *apps.StatefulSet, currentRevision, updateRevision string, ordinal int) *v1.Pod { 
    // 如果发现当前的Pod的索引小于当的副本计数，则表明当前Pod还没更新到，但实际上可能因为别的原因 
    // 需要重新生成Pod模板，此时仍然使用旧的副本配置 
    if currentSet.Spec.UpdateStrategy.Type == apps.RollingUpdateStatefulSetStrategyType && 
        (currentSet.Spec.UpdateStrategy.RollingUpdate == nil && ordinal < int(currentSet.Status.CurrentReplicas)) || 
        (currentSet.Spec.UpdateStrategy.RollingUpdate != nil && ordinal < int(*currentSet.Spec.UpdateStrategy.RollingUpdate.Partition)) { 
        pod := newStatefulSetPod(currentSet, ordinal) 
        setPodRevision(pod, currentRevision) 
        return pod 
    } 
    // 使用新的配置生成新的Pod配置 
    pod := newStatefulSetPod(updateSet, ordinal) 
    setPodRevision(pod, updateRevision) 
    return pod 
} 

2.5 无效副本的清理

无效副本的清理应该主要是发生在对应的statefulset缩容的时候，如果发现对应的副本已经被遗弃，就会直接删除，此处默认也需要遵循单调性原则，即每次都只更新一个副本。

2.6 基于删除的单调性更新

if getPodRevision(replicas[target]) != updateRevision.Name && !isTerminating(replicas[target]) { 
            klog.V(2).Infof("StatefulSet %s/%s terminating Pod %s for update", 
                set.Namespace, 
                set.Name, 
                replicas[target].Name) 
            err := ssc.podControl.DeleteStatefulPod(set, replicas[target]) 
            status.CurrentReplicas-- 
            return &status, err 
        } 

Pod的版本检测位于对应一致性同步的最后，当代码走到当前位置，则证明当前的statefulSet在满足单调性的情况下，有效副本里面的所有Pod都是RunningAndReady状态了，此时就开始倒序进行版本检查，如果发现版本不一致，就根据当前的partition的数量来决定允许并行更新的数量，在这里删除后，就会触发对应的事件，从而触发下一个调度事件，触发下一轮一致性检查。

2.7 OnDelete策略

if set.Spec.UpdateStrategy.Type == apps.OnDeleteStatefulSetStrategyType { 
       return &status, nil 
   } 

StatefulSet的更新策略除了RollingUpdate还有一种即OnDelete即必须人工删除对应的 Pod来触发一致性检查，所以针对那些如果想只更新指定索引的statefulset可以尝试该策略，每次只删除对应的索引，这样只有指定的索引会更新为很新的版本。

2.8 状态存储

状态存储其实就是我们常说的PVC，在Pod创建和更新的时候，如果发现对应的PVC的不存在则就会根据statefulset里面的配置创建对应的PVC，并更新对应Pod的配置。

3. 有状态应用总结

从核心实现分析中可以看出来，有状态应用的实现，实际上核心是基于一致性状态、单调更新、持久化存储的组合，通过一致性状态、单调性更新，保证期望副本的数量的Pod处于RunningAndReady的状态并且保证有序性，同时通过持久化存储来进行数据的保存。

有序的重要性，在分布式系统中比较常见的两个设计就是分区和副本，其中副本主要是为了保证可用性，而分区主要是进行数据的平均分布，二者通常都是根据当前集群中的节点来进行分配的，如果我们节点短暂的离线升级，数据保存在对应的PVC中，在恢复后可以很快的进行节点的信息的恢复并重新加入集群，所以后面如果开发这种类似的分布式应用的时候，可以将底层的恢复和管理交给k8s，数据保存在PVC中，则应用更多的只需要关注系统的集群管理和数据分布问题即，这也是云原生带来的改变。

今天就到这里，好久没更新了，读源码的过程不易，欢迎帮转发分享交流，一起进步。