作为一个全景/VR创业公司，随着公司人员增加以及全球化方向转变，刀耕火种的CI/CD方式已经不能满足当前的需求。综合考虑当前的人员状况与技术架构的拓展性后，我们采用一套以阿里云为基础，Docker为核心，第三方服务为工具的开发、测试、部署流程，以及内部的代码提交，版本管理规范。
背景
我司是一家集硬件研发与软件开发为一体的互联网创业公司。2016被称为全景/VR元年，预示了机遇到来的同时，也注定了我们将会面临一些列前所未有的问题，其中坑点无数，但不在本文讨论范围呢，废话不多说，我们直奔主题。
我司目前对用户开放的业务为主要包含以下三块：
视频图片分享（2C）
全景 / VR直播（2B）
新闻媒体合作（2B）
其中视频图像分享针对C端用户，用户遍布全球，要求各地用户都能够方便快速分享，同时也要求较好的浏览体验，由于点对点分享的特性，该部分流量正常情况不会太大；但是新闻媒体又扮演了特殊角色，例如11月25日，由于凤凰网首页嵌入我司分享页，从8：00至9：30期间，持续一小时多的（n）Gbps流量&以及每秒（n）K请求数几乎扮演了DDoS身份，瞬间拖垮后端统计服务器，导致普通用户完全无法访问。同理，全景 / VR直播目前虽然为测试功能，但仍存在潜在风险。故而要求我司能够建立快速的相应机制，以及可用预备方案。
挑战
面临的挑战简单罗列如下：
集群化部署
差异化部署
全球化部署
环境差异大
资源利用率低
项目数量&语言增加
具体到各个内容本身，首先我们需要前端服务器在各个region集群化部署，分摊访问压力，同时集群内在某些情况下需要同时提供线上测试环境（不同于常规的测试环境，是完全等同于正式环境的测试版），从而需要差异化部署能力支持。
其次，由于我司全球化战略，业务不光要考虑国内用户，同时也要为海外用户提供一致的体验，故而要求全球化部署。
环境差异大，是指采用前后端分离的方式进行开发后，前端及Web服务包含Redis+Node.js环境，后端同时存在PHP + Java + Python + C等，传统方式部署已经无法满足快速响应的需求，采用Ansible虽然能够满足需求，但配置繁琐，故而也被放弃。
同时，考虑业务的拓展性，单机部署上述各种环境时，需要预留一定资源作储备，防止突发情况；即使采用镜像的方式对当前环境进行打包，在遇到突发情况时，还原依然需要较长时间，响应速度太慢；综合前几点考虑，采用了保证稳定性与可用性，降低资源利用率低的方式。
最后不得不说的是，从最初的几个项目到如今的几十个项目（日常更新10~20），如果继续按照以往的方式，则只能专人专职负责部署业务。对于一家创业公司来说，将更多的精力用于开发新功能与为用户提供更优体验，显然更为重要。综上所述，所有问题都要求我们转变原始的CI/CD方式，采用一种更加轻量，更加简单的方案势在必行。
方案
SSH/Fabric是我最初尝试的方案，但是需要进行一些列的开发，基本在实验阶段就被放弃；Ansible固然强大，但是也依然不利用上述挑战的解决，主要问题如下：
配置繁琐
扩展性差（相对而言）
可靠性差（使用SSH方式，受网络影响大）
而Docker也就是在此时成为可选方案之一，其优势不言而喻：
灵活，将应用于系统容器化，不需要额外依赖
便捷，任意Linux发行版配置Docker Engine即可启动
开源&免费，开源/免费低成本，Linux内核驱动
轻量，仅需添加或减小镜像即可，在一台服务器上可以布署多个容器
环境一致性，镜像本身即包含运行环境，避免由于环境不一致带来的各种异常与风险
架构/容器化
第一代架构
刀耕火种的SSH方案与Docker实验阶段，目前已经全面弃用。
第二代架构
使用阿里云VPC，内部使用Ansible管理服务器
通过Ansible运行Docker命令进行容器进行部署
后端服务&RabbitMQ，依然使用传统方式部署
第三代架构
第三代架构仍处于完善阶段，上图简单描述了我司三个region服务于应用的分布：
前端服务
数据存储
镜像仓库
图像处理/视频转码 worker
配置服务 redis slave
服务IP地址
服务域名信息
服务配置信息
数据中心（数据库）
中间件（第三方服务）
统计系统
消息队列
配置服务 redis master
前端服务
其中前端服务为主要为浏览服务，由CDN + SLB +（Node.js + Redis）组成：
用户访问域名后通过dns-load-balancer进行第一次负载，解析到CDN的不同CNAME，CDN判断请求类型：
资源 mp4/mp3/jpg/png返回客户端
请求转发到SLB，SLB通过加权轮训方式进行二次负载
请求到达前端服务器（Node.js），通过内部Redis集区获取数据
数据存在则返回，不存在则请求数据中心并缓存，再返回客户端
作为CDN源站，通过Nginx/HAProxy反向代理OSS，走阿里云内网对外提供媒体资源
数据存储
我司业务目前分为两类：
图像处理
视频处理目前使用了阿里云MTS转码服务做普通视频视频转码，同时，由于行业特殊性，需要对全景视频和图像进行一些列处理，由Python + Celery + C配置的worker处理，该部分内容由香港数据中心的RabbitMQ进行统一管理，消息到达RabbitMQ后自动进行分发，由空闲的worker处理并通过MQ返回结果（之前也有尝试过HTTP方式进行返回，但由于网络环境较为恶劣，可能出现HTTP请求无法达到，自行处理错误逻辑较为麻烦，因而使用MQ，设置一定过期时间，如果无法获取结果，则重新发送任务），当前架构的优化版本MQ已经由Kafka代替。
Kafka在内存占用上，大大超出RabbitMQ，单机部署RabbitMQ，当Queue数量达到1W左右则开始出现无法继续处理的情况，同配置机器安装Kafka，测试期间100W左右任务，内存状况依然完好。
配置服务
配置服务其实是简单的Redis主从，主要功能是维护一些配置信息，如服务的IP地址（实测结果中，海外各类运营商DNS解析有严重问题，故而放弃域名使用IP）；服务的配置信息，如服务名称，前端服务请求数据结果变更等；使用Redis的原因也是一样，能够自我维护状态的，尽量放弃人工干预，因为该部分占用资源较小，Master做持久化，Slave直接运行即可，使用Alpine镜像，仅仅10m左右。
数据中心
该部分的数据为数据库存储的数据：
Aliyun RDS （以后业务量增加后可以考虑过渡到DRDS）
Aliyun Mongodb
任务队列/消息队列
RabbitMQ
ZooKeeper 集群
Kafka（目前单机，存储使用ossfs）
规范/流程
开发
项目结构：
代码提交
dev 开发分支，构建开发镜像（本地构建测试）
test 测试分支，用于构建线上测试镜像
master 主分支，构建latest镜像
规则：release-v{version}.{month}.{date}.{order}
示例：release-v5.12.05.02
这里的版本参考了阿里云镜像服务的自动构建规则。
构建
构建服务目前我们有总体包含三套：
Aliyun 镜像服务，自动构建，用于正式环境的镜像发布
CircleCi，自动构建与测试，用于GitHub项目的自动构建
DroneCI，用于内部构建，主要用于内网的自动构建与测试
构建成功后使用Webhooks推送到BearyChat通知Web组成员:
Hook接口处理会返回：
测试
Hook服务收到信息后，根据tag判断应该发送到BearyChat的何种分组：
测试组成员收到提示后，与开发确认测试要点后，可登录内部测试平台（使用Rancher搭建），选择对应的应用测试，并反馈结果给产品&项目经理，通过则验收完成。
部署
开发打Tag并推送到阿里云镜像服务，镜像构建完成后Hook系统根据Tag调用API进行自动部署（阿里云服务目前未使用API，为控制风险，仍然采用人工更新的方式）。
思考
Q&A
Q：请问为什么不直接使用阿里云提供的容器服务？
A：这个原因也是因为全球化目标，当时阿里云的服务还不够完善，美西和香港还没有节点；香港至今仍然没有，所以我们香港数据中心是使用Rancher自行搭建的。
Q：有用Jenkins吗？
A：没有，我司Node.js和Python是重度服务，我们在GitHub上做了一些基础的镜像包，项目内直接引用就好。
Q：请问生产环境使用Docker部署的话。在性能方面有什么要注意的么？业界很多人都对Docker的网络比较诟病。
A：这个问题要好好回答一下（因为最近刚被坑过..）
网络部分，Overlay我们放弃了，其中一个很重要的原因是无法获取真实IP，同时也发现在达到一定数量级的时候，访问速度变慢，具体的测试结果后面会发出来。
性能，目前发现的，是RabbitMQ性能比较差；我司Node.js比较重，Node.js在前端服务上的性能还是值得信赖的，刚才的例子里说过凤凰的事情，后端完全挂起，前端因为Redis的存在，完全没有出现异常。
Q：Docker Swarm呢？
A：Swarm目前只在内部网络进行测试，还没正式大规模部署，比如无法获取IP的问题，就直接被pass了。
Q：请问您对于容器日志和业务日志是如何收集的？采用什么方案？
A：日志我们目前有主要有两种：第一种是阿里云容器服务的日志，是通过API导出，然后在私有的ELK上进行分析；另外一部分是容器的日志，这里我们是用了Kafka，ELK进一步从Kafka获取日志，然后处理并返回统计系统。
Q：Grunt构建是打入镜像还是在容器启动时运行？
A：完全没有用到，Node.js项目是基于Webpack进行打包的，在项目发布的时候会进行一次编译，然后node_modules+static_res一起放在镜像内。
Q：不使用Overlay的话。用路由规则么？还是？
A：我们云服务以阿里云和AWS为主，其中阿里云服务器使用SLB进行负载，这里要说的是，我们是通过给应用本身加上数字标签，例如A服务是80，则使用8080表示其使用80端口；B是81，8180同理。
Q：Nginx和Kafka在线上都采用了容器模式吗？性能如何？
A：Kafka是完全使用容器来部署的，刚才有提到过，单容器百万任务完全无压力；Nginx的话，我们目前CDN回源全部是通过Nginx反向代理到OSS内网的，NTB静态资源，目前还没有遇到性能问题。
Q：你们是针对源码编译打包并放到景象里么？还是镜像启动的时候到某个存储服务上拉取？
A：我们代码放在Git里，在构建的时候去编译和打包，将编译后的代码放入镜像；后者考虑过，但是网络情况多变，不稳定性太多，建议不要这样做；
这里补充一下，为了加快构建速度，我们做了分包处理；例如一个Python应用，使用到了PIL，则构建一个基础的Python镜像，并编译好PIL；应用以该镜像为基础继添加PKG并启动。
Q：环境变量是在镜像内设置还是在容器启动时赋值？
A：这个看情况，一般情况是容器内部存在默认的环境变量，如不设置则启动默认参数（针对某一region），启动时的环境变量优先级最高，可以覆盖内部环境变量。
【基于Docker的DevOps实战培训 | 南京站】培训内容涉及容器编排框架（应用部署）、Ansible 简介、持续集成常用方式、典型案例分析、容器的选择、架构设计（百万级日活，亿级API 请求）、数据系统构建、持续集成的开发流程等，点击下面图片即可查看具体培训内容。
点击阅读原文链接可直接报名。
