稳！上千微服务如何快速接入 Zadig（K8s YAML 篇）

2022 年 6 月 28 日
本文字数：2475 字
阅读完需：约 8 分钟

云原生微服务架构下，可以获得更高的可用性和扩展性，以满足业务快速迭代的需求，然而成百上千个服务的 YAML 配置管理问题成了老大难的事情：不同服务的配置差异极小，但是不得不复制粘贴；针对多样化部署环境（比如有开发环境、测试环境、预发布环境...）定制的服务配置更是导致 YAML 文件泛滥成灾...

Zadig 提供了几种高效管理服务配置的姿势：

从现有 Kubernetes 批量导入多个服务，一键将已有服务配置平滑迁移
将多个服务的配置文件组织在代码库中，从代码库同步现有服务配置，实现服务的批量创建
将多个服务的配置文件抽象成服务模板，工程师只需填写和服务相关的少量参数，使用模板创建服务即可

下面将详细阐述这几种场景的具体接入方法。

从现有 Kubernetes 批量导入服务

适用：K8s YAML 类型项目的场景，可以直接从现有 K8s 集群的命名空间批量导入服务，几乎无迁移成本。

批量导入服务

进入项目的服务模块 -> 点击新建按钮 -> 选择从 Kubernetes 导入。

选择服务所在的集群和命名空间 -> 添加服务 -> 选择配置类型及配置名称后导入。

支持导入以下资源 deployment/statefulset/service/ingress/secret/configmap/pvc 等

导入成功后，可在 Zadig 平台中按需修改服务配置。

将服务加入到环境

进入项目的环境 -> 点击添加服务 -> 选择从 NS 导入的服务即可批量将服务加入到已有环境中。

查看环境

从代码库批量同步

适用：已存在大体量的 K8s YAML 服务，每个服务有单独的 YAML 配置。

将服务的 YAML 配置按照一定目录结构组织起来，通过 Zadig 批量同步，下面以 voting-demo 项目为例演示说明：

源码：zadig/voting-app
服务：该项目包括 5 个微服务（db/redis/result/vote/worker）
服务对应的配置文件：上述 5 个微服务的 K8s YAML 配置文件目录，如下所示：

zadig/examples/voting-app/freestyle-k8s-specifications├── db│   ├── db-deployment.yaml│   └── db-service.yaml├── redis│   ├── redis-deployment.yaml│   └── redis-service.yaml├── result│   ├── result-deployment.yaml│   └── result-service.yaml├── vote│   ├── vote-deployment.yaml│   └── vote-service.yaml└── worker    └── worker-deployment.yaml

复制代码

批量同步服务

进入项目的服务模块 -> 点击从代码库同步 -> 选择代码库以及服务配置所在文件目录，点击同步。

本例中即为 Zadig 库的 examples/voting-app/freestyle-k8s-specifications 目录

将服务加入到环境

批量同步服务配置后系统会自动解析多个服务，效果如下图左侧边栏所示。

进入项目的环境中 -> 点击添加服务 -> 选择从代码库同步的服务即可批量将服务加入到已有环境中。

查看环境

使用服务模板创建

适用：已存在大体量的 K8s YAML 服务配置，多个服务的配置结构同构，不同服务配置的值存在细微差异（比如：不同服务的端口不同、数据库连接地址不同、所需 CPU/Memory 资源限制不同...）

下面以 multi-service-demo 项目的服务配置为例进行实践。该项目中包括三个服务 service1/service2/service3，通过分析这些服务的 K8s YAML 配置，抽象出服务模板，将不同服务有差异的配置提取为模板中的变量，即可得到服务模板 template.yaml。

创建服务模板

在项目预览页点击右上角的模板库 -> K8s YAML 进入 K8s YAML 模板管理页面。

点击 + 新建模板 -> 填写模板名称 multi-service-demo-template -> 填写模板内容 -> 填写自定义变量的值对模板赋默认值 -> 保存模板。

该例中的模板内容如下：

apiVersion: apps/v1kind: Deploymentmetadata:  name: $T-Service$  labels:     app.kubernetes.io/name: $T-Project$    app.kubernetes.io/instance: $T-Service$spec:  selector:    matchLabels:      app.kubernetes.io/name: $T-Project$      app.kubernetes.io/instance: $T-Service$  replicas: 2  template:    metadata:       labels:        app.kubernetes.io/name: $T-Project$        app.kubernetes.io/instance: $T-Service$    spec:      containers:        - name: $T-Service$          image: ccr.ccs.tencentyun.com/koderover-public/$T-Service$:latest          imagePullPolicy: Always           command:            - /workspace/$T-Service$          ports:            - protocol: TCP              containerPort: {{.port}}          resources:            limits:              memory: {{.memoryLimit}}              cpu: {{.cpuLimit}}---apiVersion: v1kind: Servicemetadata:  name: $T-Service$  labels:    app.kubernetes.io/name: $T-Project$    app.kubernetes.io/instance: $T-Service$spec:  type: NodePort  ports:    - protocol: TCP      port: {{.port}}      targetPort: {{.port}}