Kubernetes和Mesos集成解析

Kubernetes是一个docker集群管理工具，主要包含资源管理，部署运行，服务发现，扩容缩容等功能，帮助用户把所有的应用都部署在Docker Container里边，Kubernetes可以看成是一个mini的PaaS平台，主要用来帮助用户管理Docker Container。

Apache Mesos是一款开源集群管理软件，由加州大学伯克利分校的AMPLab首先开发；支持Hadoop、ElasticSearch、Spark、Storm 和Kafka等架构。Mesos 为上层的应用框架提供了资源共享，资源监控，动态扩容等集群管理功能。由于其稳定、通用等特性，越来越受到大型公司的青睐，例如Twitter、Facebook、Apple等都在生产环境中使用Mesos进行集群管理。

集成优势

Kubernetes worker节点自动扩展

一个普通的Kubernetes集群会包含若干台Master和Worker节点，这些都需要用户手动或者通过脚本去安装，如果想实现Kubernets Auto Scaling的话，需要将Kubernetes部署在一个IaaS的云平台之上，通过云平台对Kubernetes提供资源，同时对Kubernets监控，根据负载进行自动扩展，但是Kubernetes和云平台的集成稍显厚重。

Kubernetes和Mesos集成完成之后，也可以实现Worker节点的自动扩展，所有Worker节点都是自动创建的，不需要用户手动干预。详细信息在“集成原理”会介绍。

资源共享

一旦Mesos和Kubernetes集成完成之后，Kubernetes会作为Mesos的一个Framework运行在Mesos之上。因为一个Mesos可以同时为多个Framework提供资源，当Kubernetes作为Mesos的一个Framework之后，Mesos就可以实现Kubernetes和其它Framework之间的资源共享。

集成原理

在Kuberntes与Mesos的集成中，Kubernetes的Scheduler会作为Mesos的Framework对Pod与Offer进行匹配；而Kubernetes 的 kubelet 与 kube-proxy则会被新增加的Mesos Executor进行管理来启动相应的Worker并对网络进行配置，从而达到动态扩容的需求。

Kubernetes 与 Mesos集成中包含了多个方面内容；本文的将主要集中介绍资源调度相关部分，后续会有文章介绍其它集成点，如资源执行，环境搭建，测试等等。

Kubernetes Worker节点的创建

K8sm的kubernetes worker节点是动态创建的，不需要用户手动创建。创建流程如下：

1） 当k8sm的framework注册成功后，马上就会收到Mesos发来的Offer。因为Mesos的Offer都是Coarse-grained Offer，所以当前发来的Offer会包含整个host的全部资源。

2） K8sm scheduler收到Offer后，会首先检查当前的Offer是不是合法的，所谓的合法Offer，需要满足两个条件，第一个就当前的这个Offer的资源来自于Kubernetes的某个worker节点，第二个是当前Offer的ExeuctorId必须是没有或者只有一个，并且Offere的ExeuctorId和k8sm scheduler启动时设置的ExeuctorId相同。但是在k8s刚注册的时候，是没有任何worker节点的，这时候k8sm的scheduler做的事情就是Decline这个Offer，即把这个Offer返回给Mesos，但是会把这个Offer对应的host为Kubernetes创建一个worker节点。一个合法的Offer需要满足一下几个条件：

3） 如此周而复始，一直将Mesos集群中所有的节点加入Kubernetes的worker节点。

4） 当有新的Mesos节点加入Mesos集群时，新加入的节点也会给k8sm scheduler发Offer，k8sm scheduler会将新加入的Mesos节点创建为一个Kunernetes的worker节点。

5） 所有的Kubenetes worker节点都会存在etcd中。用户可以通过命令“kubectl get nodes”或者直接使用“etcdctl”查看Kubenetes中的所有worker节点。

当Kubernetes Worker节点创建完成后，Mesos再发Offer时，如果发现当前Offer的Host是Kubernetes的一个Worker节点，k8sm scheduler就会把这个Offer作为一个合法的Offer，同时将该Offer缓存起来，默认的缓存时间是5s.

Offer生命周期管理

Framework 实现了 Mesos 的 SchedulerDriver接口；该接口用于Mesos 和 Framework之间的交互。当k8sm scheduler启动后，会创建一个名为 OfferStorage 的 go routine 用于 Offer 的生命周期管理。下面会根据Offer的创建，使用及销毁三个阶段对Offer进行分析。

Offer的创建

如上文描述的，当Framework注册到Mesos上后，Mesos会定期 (–allocation_interval) 向Framework发送Offer。k8sm scheduler 通过以下的原则检测收到的Offer是否合法；如果合法，则放入Offer的缓存中；否则把资源返回给Mesos。

当对Offer进行缓存时，会有两个队列对Offer信息进行存储：delayed 和 Offers。Offers 用于Pod的运行；而当Offer销毁时会使用 delayed 队列；具体的销毁过程会在”Offer的销毁”进行分析。

Offer的使用

在k8sm scheduler启动后，会有一个go routine周期性的检查是不是有新的Pod创建请求。如果有新的Pod创建请求，将这个请求放入k8sm scheduler的任务队列。k8sm scheduler会从这个任务队列取出需要创建的Pod进行调度，调度的主要目的是为当前的Pod找到合适的服务器来运行。

因为Kubernetes是作为Mesos的framework来运行的，所以对Offer的使用主要由两个API来处理：ResourceOffers和LaunchTask。但是对Offer的处理可以主要分为三部分：获取Offer，关联Task和Offer，执行task。每一个Task对应一个Pod。

获取Offer

Offer主要是通过ResourceOffer获取的。这个API是Mesos Framework的API，所有的Frameworkd都需要实现这个API用来接收从Mesos发送来的Offer。前边已经讲了ResourceOffer会触发添加新的Kuernetes worker节点，同时这个Offer会被缓存起来，缓存时间可以通过参数配置，默认是5s。

关联Task和Offer

在k8sm scheduler启动后，会有一个go routine周期性的检查是不是有新的Pod创建请求。如果有新的Pod创建请求，将这个请求放入k8sm scheduler的任务队列。k8sm scheduler会从这个任务队列取出需要创建的Pod进行调度。

在对Pod进行调度的时候，k8sm scheduler回选择将Task和Offer关联。k8sm scheudler现在默认是FCFS算法调度。FCFS对Pod进行调度的时候，主要是为Task挑选合适的Offer，对当前缓存的Offer逐个进行校验，直到为当前的Task选出合适Offer。对Offer的选择主要通过四个方法来进行检验：

以上四个校验主要是检查一个Offer是否可用和一个Task绑定。如果检验完成后，Offer可用，k8sm scheduler就会把该Offer和当前Task关联起来。

在Task Launch之前，还会检查下当前的Task是不是关联一个Offer，如果Task没有关联Offer，k8sm scheduler会返回错误，因为Task在运行的时候，必须从某个Offer获取资源才可以运行。

LaunchTask

当Task和Offer关联完成后，k8sm scheduler就开始执行Task了。在执行LaunchTasks之前，需要对Task信息按照Mesos需要的格式进行构建，例如设置Task名字，Task需要的SlaveId，Task需要的资源，Task ID，Task的Executor信息等等。接下来就调用Mesos Framework API LaunchTasks去创建Pod了，具体创建Pod的工作由k8sm的Executor执行。

在Worker节点，Mesos 的 Agent 会负责Executor管理。k8sm的Executor会先创建一个名为MinionServer的对象来负责proxy 和 executor 的管理：proxy通过nsenter, iptables等对网络进行配置；而executor则实现了Mesos Executor接口，用于接收并执行作业，例如在Docker中启动Pod。限于篇幅，网络配置和Pods的执行细节会以后的文章会进行具体的描述。

Offer的销毁

在k8sm scheduler中，以下两种情况会使收到的Offer变不可用状态，从而触发Offer的销毁过程。

1. RescindOffer: 在k8sm scheduler使用Offer之前，Mesos在某些情况下会撤回部分Offer，比如设置Quota。当k8sm scheduler收到撤回Offer的请求时，k8sm scheduler 会跟不同情况进行处理：
   ○ 如果是列表中合法的Offer，则通过decline操作把Offer返回给Mesros；如果Mesos对同一个Offer多次撤回，k8sm scheduler会对后继的处理等待2个TTL后再发着decline操作，以确保相应的Worker都已经结束
   ○ 如果Offer已经过期，则不对其进行操作；OfferStorage的go routine会根据 LingerTTL 的设置对Offer进行销毁
2. TTL expired: 在Mesos中，如果Mesos不撤回Offer，Framework可以一直持有Offer，直到有相应的作业可以使用这些资源。虽然这减少了作业启动的时候，但是大大降低了资源的使用率。为这了解决这-问题，k8sm引入一两个超时设置: OfferTTL 和 OfferLingerTTL。当Offer超过OfferTTL时，该Offer就认为是无效的Offer；如果OfferLingerTTL为0，则OfferStorage立即通过decline操作将Offer返回给Mesos；如果OfferLingerTTL不为0，则将Offer标识为超时，当OfferLingerTTL再次超时后再将Offer返还给Mesos

当前集成问题及改进方案

资源抢占

虽然Kubernetes运行在Framework之上，可以让Kubernetes和其它Framework共享资源，对系统的资源利用率提升有一定帮助，但是当前的主要问题是Mesos对资源抢占的支持不是太好，现在只支持类似于Resource Scavenge的功能：当资源在被使用的时候，如果使用不充分，Mesos会把使用不充分的资源作为可撤销资源，发给Framwork。Framework可以在这些资源上运行一些优先级不是很高的作业，因为可撤销资源随时可能因为资源的回收而出发杀掉作业的动作。

但是仅仅有这种Resource Scavenge的功能是远远不够的，因为在Mesos集群还可能有大量其它的资源未被使用。例如Reserved(独占)的资源或者Quota(配额)的资源，这些资源目前只能供某个Role/Framework使用，但是如果这些被某个Role/Framework Reserve的资源或者Quota的资源，在当前这个Role/Framework的负载不是很高的情况下，是没办法让其它的Role/Framework去使用的，所以这部分资源就浪费了。

Mesos社区正在通过两个项目来对上述情况做一些改进：Optimistic Offer(MESOS-1607)和Multiple Role Framework (MESOS-1763)。

Optimistic Offer主要是让不同Role/Framework之间的资源能够相互的借入，借出。例如可以将一些使用率不高的Role/Framework的资源借给其它的Role/Framework去使用，如果借出资源的Role/Framework资源请求增大时，可以将借出的资源回收。

Multiple Role Framework主要是让一个Framework可以使用多个Role上提供的资源，如果这个功能实现的话，可以在Kubernetes的Framwork上设置多个Role，通过Optimistic Offer来让不同Role的资源共享。

但是这两个项目在Mesos社区进展很慢，IBM在开源Mesos的基础上，研发了一个Mesos的Allocator插件，通过这个插件，可以实现不同Role/Framework之前资源抢占的功能。

多租户

Kubernetes现在的多租户主要是通过namespace去实现的，不同的namespace可以设置不同的Quota。但是在Mesos中，资源配额是设置在Role中的。如果能将Mesos的Role和Kubernetes的namespace做一些映射的话，同时加上Multiple Role Framework和Optimistic Offer的功能，就可以实现在Kubernetes不同的namespsace之间进行资源共享。

资源调度策略

Mesos做为Kuberentes的资源提供者，为Kuberentes提供了第一级资源调度；Kuberentes作为Mesos的Framework，为用户提供了第二级的资源调度来部署应用。但二者在资源调度上并没有很好的集成在一起，下面的列表描述了调度策略需要改进的问题：

Revocable Resources的支持

现在Mesos在allocator这块的改进比较多，主要目的是期望Mesos能够尽量的提升系统的资源利用率。所以Mesos引入了Revocable Resource的概念。所谓的Revocable Resources就是可撤销的资源，这部分资源可以借给某个framework去使用，但是随时可能会被回收，所以Revocalbe Resources主要是执行一些优先级不是很高的作业。有关这个问题的讨论可以参考 https://github.com/mesosphere/kubernetes-mesos/issues/795

k8sm scheduler支持Revocable Resources很简单，主要修改以下的一些逻辑：

1） 为k8sm的scheduler启动时加入一个参数指定k8sm framework的capabality可以使用Revocable Resources。2） Kubernetes Pod在创建的时候，YAML template可以通过annotation指定一些label，这块需要改进能够让用户指定是否想把Pod创建在Revocable Resources之上。

annotation：     k8s.mesosphere.io/revocable: true/false 

3）需要改进Pod资源的校验算法，加入对Revocable Resources的校验。4）在Pod Task launch的时候，为Pod Task的资源设置Revocable属性。

通过以上改动，可以让k8sm scheduler支持使用Revocable Resources。

但是现在的主要问题在于k8sm是一个executor启动所有的Pod/Task，如果executor被杀掉后，所有的Pod/Task都会被杀掉。但是现在Mesos现在对Revocable Resources的回收是直接通过agent去杀executor去实现的，一旦exeuctor被杀死后，所有的Pod/Task也就被杀掉了，所以对于Revocable Resources的使用，Kubernetes可能希望Mesos对Revocable Resources的回收机制做些改进，这些机制目前都在MESOS-1607讨论。

“Unified Container”集成

这个项目（MESOS-2840）的目的是想让Mesos Containizer统一的管理所有的容器技术，包括docker，appc等，但是这个项目对Kubernetes＋Mesos的集成影响不是太大，因为Kubernetes的Pod并不是一个单纯的docker container，它可能是一组container向外界提供某个服务，所以目前的Kubernets和Mesos的集成启动Executor还是调用kubelet和kubeproxy来对Pod进行管理。“Unified Container”因为不能对Pod进行管理，所以如果想直接和Kubernetes集成可能不太容易，需要仔细考虑下。

但是“Unified Container”对Swarm的集成影响会比较大，因为Swarm目前主要是依赖Mesos的Docker Containizer调用docker命令创建container，这里边很大的问题是对docker daemon的依赖太大，docker daemon会成为一个单点的不稳定因素，一旦docker daemon挂掉后，这台服务器就不能创建container了，但是“Unified Container”可以保证及时没有docker daemon，也可以创建container，所以可以预见未来Swarm和Mesos的集成很可能迁移到Mesos Containizer。

IBM 测试结果

IBM Container Cloud Team对Kubernetes和Swarm在Mesos上运行做了大量的测试，有关的测试收据可以参考https://github.com/Open-I-Beam/containers-os/tree/master/kube-mesos。

刘光亚，2008年于西安交通大学软件学院获得硕士学位，目前就职于IBM Platform Computing 系统科技部云计算部门，担任云计算开发部架构师。自2013年5月开始参与OpenStack社区的开发工作，涉及Nova、Cinder、Heat、Blazar和Magnum等项目，并担任Magnum的Core Member。同时自2014年12月参与Mesos生态系统的调研以及Mesos社区的开发工作。西安OpenStack Meetup和Mesos Meetup组织者，多次在Meetup介绍OpenStack及Mesos热门话题。

马达，IBM Platform Computing OpenSource Technlogy Center 软件工程师, Mesos/Kubernetes/Swarm Contributor。吉林大学毕业，主修网格计算、分布式系统；毕业后加入百度，后就职于IBM；一直从事分布式系统的相关工作。在资源管理，资源调度，分布式计算等方面有着丰富的经验。

原文链接： http://geek.csdn.net/news/detail/60224