Preparare un'applicazione per Cloud Service Mesh

Cloud Service Mesh è un potente strumento per la gestione e il monitoraggio delle applicazioni distribuite. Per ottenere il massimo da Cloud Service Mesh, è utile comprendere le sue astrazioni sottostanti, inclusi container e Kubernetes. Questo tutorial spiega come preparare un'applicazione per Cloud Service Mesh dal codice sorgente a un container in esecuzione su GKE, fino al punto appena prima dell'installazione di Cloud Service Mesh.

Se hai già familiarità con i concetti di Kubernetes e mesh di servizi, puoi saltare questo tutorial e passare direttamente alla guida all'installazione di Cloud Service Mesh.

Obiettivi

  1. Esplora una semplice applicazione multiservizio "Hello World".
  2. Esegui l'applicazione dall'origine
  3. Containerizza l'applicazione.
  4. Crea un cluster Kubernetes.
  5. Esegui il deployment dei container nel cluster.

Prima di iniziare

Per abilitare l'API Cloud Service Mesh, segui questi passaggi:
  1. Visita la pagina di Kubernetes Engine nella console Google Cloud .
  2. Crea o seleziona un progetto.
  3. Attendi che l'API e i relativi servizi siano abilitati. L'operazione può richiedere diversi minuti.

  4. Verify that billing is enabled for your Google Cloud project.

Questo tutorial utilizza Cloud Shell, che esegue il provisioning di una macchina virtuale (VM) g1-small Compute Engine che esegue un sistema operativo Linux basato su Debian.

Prepara Cloud Shell

I vantaggi dell'utilizzo di Cloud Shell sono:

  • Sono configurati sia l'ambiente di sviluppo Python 2 sia quello Python 3 (incluso virtualenv).
  • Gli strumenti a riga di comando gcloud, docker, git e kubectl utilizzati in questo tutorial sono già installati.

  • Puoi scegliere tra diversi editor di testo:

    • Editor di codice, a cui puoi accedere facendo clic su nella parte superiore della finestra di Cloud Shell.

    • Emacs, Vim o Nano, a cui accedi dalla riga di comando in Cloud Shell.

In the Google Cloud console, activate Cloud Shell.

Activate Cloud Shell

Scarica il codice campione

  1. Scarica il codice sorgente di helloserver:

    git clone https://github.com/GoogleCloudPlatform/anthos-service-mesh-samples

  2. Passa alla directory del codice campione:

    cd anthos-service-mesh-samples/docs/helloserver

Esplora l'applicazione multi-servizio

L'applicazione di esempio è scritta in Python e ha due componenti che comunicano utilizzando REST:

  • server: un semplice server con un endpoint GET, / , che stampa "hello world" nella console.
  • loadgen: uno script che invia traffico a server, con un numero configurabile di richieste al secondo (RPS).

applicazione di esempio

Esegui l'applicazione dall'origine

Per acquisire familiarità con l'applicazione di esempio, eseguila in Cloud Shell.

  1. Dalla directory sample-apps/helloserver, esegui server:

    python3 server/server.py

    All'avvio, server mostra quanto segue:

    INFO:root:Starting server...

  2. Apri un'altra finestra del terminale per poter inviare richieste a server. Fai clic su per aprire un'altra sessione.

  3. Invia una richiesta a server:

    curl http://localhost:8080

    server risponde:

    Hello World!

  4. Dalla directory in cui hai scaricato il codice campione, passa alla directory che contiene loadgen:

    cd YOUR_WORKING_DIRECTORY/anthos-service-mesh-samples/docs/helloserver/loadgen

  5. Crea le seguenti variabili di ambiente:

    export SERVER_ADDR=http://localhost:8080
export REQUESTS_PER_SECOND=5

  6. Inizio virtualenv:

    virtualenv --python python3 env

  7. Attiva l'ambiente virtuale:

    source env/bin/activate

  8. Installa i requisiti per loadgen:

    pip3 install -r requirements.txt

  9. Esegui loadgen:

    python3 loadgen.py

    All'avvio, loadgen restituisce un messaggio simile al seguente:

    Starting loadgen: 2019-05-20 10:44:12.448415
5 request(s) complete to http://localhost:8080

    Nell'altra finestra del terminale, server scrive messaggi nella console simili ai seguenti:

    127.0.0.1 - - [21/Jun/2019 14:22:01] "GET / HTTP/1.1" 200 -
INFO:root:GET request,
Path: /
Headers:
Host: localhost:8080
User-Agent: python-requests/2.22.0
Accept-Encoding: gzip, deflate
Accept: */*

    Dal punto di vista del networking, l'intera applicazione viene ora eseguita sullo stesso host. Per questo motivo, puoi utilizzare localhost per inviare richieste a server.

  10. Per arrestare loadgen e server, inserisci Ctrl-c in ogni finestra del terminale.

  11. Nella finestra del terminale loadgen, disattiva l'ambiente virtuale:

    deactivate

Containerizza l'applicazione

Per eseguire l'applicazione su GKE, devi pacchettizzare l'applicazione di esempio, sia server che loadgen, in container. Un container è un modo per pacchettizzare un'applicazione in modo che sia isolata dall'ambiente sottostante.

Per inserire l'applicazione in un container, devi disporre di un Dockerfile. Un Dockerfile è un file di testo che definisce i comandi necessari per assemblare il codice sorgente dell'applicazione e le relative dipendenze in un'immagine Docker. Dopo aver creato l'immagine, caricala in un container registry, ad esempio Docker Hub o Container Registry.

L'esempio include un Dockerfile sia per server sia per loadgen con tutti i comandi necessari per creare le immagini. Di seguito è riportato il Dockerfile per server:

FROM python:3.13-slim as base
FROM base as builder
RUN apt-get -qq update \
    && apt-get install -y --no-install-recommends \
        g++ \
    && rm -rf /var/lib/apt/lists/*

# Enable unbuffered logging
FROM base as final
ENV PYTHONUNBUFFERED=1

RUN apt-get -qq update \
    && apt-get install -y --no-install-recommends \
        wget

WORKDIR /helloserver

# Grab packages from builder
COPY --from=builder /usr/local/lib/python3.* /usr/local/lib/

# Add the application
COPY . .

EXPOSE 8080
ENTRYPOINT [ "python", "server.py" ]
  • Il comando FROM python:3-slim as base indica a Docker di utilizzare l'ultima immagine Python 3 come immagine di base.
  • Il comando COPY . . copia i file di origine nella directory di lavoro corrente (in questo caso, solo server.py) nel file system del container.
  • ENTRYPOINT definisce il comando utilizzato per eseguire il container. In questo caso, il comando è quasi identico a quello utilizzato per eseguire server.py dal codice sorgente.
  • Il comando EXPOSE specifica che server è in ascolto sulla porta 8080. Questo comando non espone alcuna porta, ma funge da documentazione che indica che devi aprire la porta 8080 quando esegui il container.

Preparati a containerizzare l'applicazione

  1. Imposta le seguenti variabili di ambiente. Sostituisci PROJECT_ID con l'ID del tuo Google Cloud progetto.

    export PROJECT_ID="PROJECT_ID"
     
    export GCR_REPO="asm-ready"

    Utilizzi il valore di PROJECT_ID e GCR_REPO per taggare l'immagine Docker quando la crei e poi la carichi nel tuo Container Registry privato.

  2. Imposta il progetto Google Cloud predefinito per Google Cloud CLI.

    gcloud config set project $PROJECT_ID

  3. Imposta la zona predefinita per Google Cloud CLI.

    gcloud config set compute/zone us-central1-b

  4. Assicurati che il servizio Container Registry sia abilitato nel tuo progettoGoogle Cloud .

    gcloud services enable containerregistry.googleapis.com

Containerizza server

  1. Passa alla directory in cui si trova il campione server:

    cd YOUR_WORKING_DIRECTORY/anthos-service-mesh-samples/docs/helloserver/server/

  2. Crea l'immagine utilizzando Dockerfile e le variabili di ambiente che hai definito in precedenza:

    docker build -t gcr.io/$PROJECT_ID/$GCR_REPO/helloserver:v0.0.1 .

    Il flag -t rappresenta il tag Docker. Questo è il nome dell'immagine che utilizzi quando esegui il deployment del container.

  3. Esegui il push dell'immagine a Container Registry:

    docker push gcr.io/$PROJECT_ID/$GCR_REPO/helloserver:v0.0.1

Containerizza loadgen

  1. Passa alla directory in cui si trova il campione loadgen:

    cd ../loadgen

  2. Crea l'immagine:

    docker build -t gcr.io/$PROJECT_ID/$GCR_REPO/loadgen:v0.0.1 .

  3. Esegui il push dell'immagine a Container Registry:

    docker push gcr.io/$PROJECT_ID/$GCR_REPO/loadgen:v0.0.1

Elenca le immagini

Visualizza un elenco delle immagini nel repository per verificare che siano state trasferite:

gcloud container images list --repository gcr.io/$PROJECT_ID/asm-ready

Il comando risponde con i nomi delle immagini che hai appena inviato:

NAME
gcr.io/PROJECT_ID/asm-ready/helloserver
gcr.io/PROJECT_ID/asm-ready/loadgen

Crea un cluster GKE

Puoi eseguire questi container sulla VM Cloud Shell utilizzando il comando docker run. Tuttavia, in produzione devi orchestrare i container in modo più unificato. Ad esempio, hai bisogno di un sistema che assicuri che i container siano sempre in esecuzione e di un modo per scalare e avviare istanze aggiuntive di un container per gestire gli aumenti di traffico.

Puoi utilizzare GKE per eseguire applicazioni containerizzate. GKE è una piattaforma di orchestrazione dei container che funziona collegando le VM a un cluster. Ogni VM è denominata nodo. I cluster GKE sono basati sul sistema open source di gestione dei cluster Kubernetes. Kubernetes fornisce i meccanismi che consentono di interagire con il cluster.

Per creare un cluster GKE:

  1. Crea il cluster:

    gcloud container clusters create asm-ready \
  --cluster-version latest \
  --machine-type=n1-standard-4 \
  --num-nodes 4

    Il comando gcloud crea un cluster nel progettoGoogle Cloud e nella zona che hai impostato in precedenza. Per eseguire Cloud Service Mesh, consigliamo almeno 4 nodi e il tipo di macchina n1-standard-4.

    Il completamento del comando per creare il cluster richiede alcuni minuti. Quando il cluster è pronto, il comando restituisce un messaggio simile al seguente:

    NAME        LOCATION       MASTER_VERSION  MASTER_IP      MACHINE_TYPE   NODE_VERSION   NUM_NODES  STATUS
asm-ready  us-central1-b  1.13.5-gke.10   203.0.113.1    n1-standard-2  1.13.5-gke.10  4          RUNNING

  2. Fornisci le credenziali allo strumento a riga di comando kubectl in modo da poterlo utilizzare per gestire il cluster:

    gcloud container clusters get-credentials asm-ready

  3. Ora puoi utilizzare kubectl per comunicare con Kubernetes. Ad esempio, puoi eseguire questo comando per ottenere lo stato dei nodi:

    kubectl get nodes

    Il comando risponde con un elenco dei nodi, simile al seguente:

    NAME                                       STATUS   ROLES    AGE    VERSION
gke-asm-ready-default-pool-dbeb23dc-1vg0   Ready    <none>   99s    v1.13.6-gke.13
gke-asm-ready-default-pool-dbeb23dc-36z5   Ready    <none>   100s   v1.13.6-gke.13
gke-asm-ready-default-pool-dbeb23dc-fj7s   Ready    <none>   99s    v1.13.6-gke.13
gke-asm-ready-default-pool-dbeb23dc-wbjw   Ready    <none>   99s    v1.13.6-gke.13

Comprendere i concetti chiave di Kubernetes

Il seguente diagramma mostra l'applicazione in esecuzione su GKE:

applicazione containerizzata

Prima di eseguire il deployment dei container in GKE, ti consigliamo di esaminare alcuni concetti chiave di Kubernetes. Alla fine di questo tutorial sono disponibili link per approfondire ogni concetto.

  • Nodi e cluster: in GKE, un nodo è una VM. Su altre piattaforme Kubernetes, un nodo può essere una macchina fisica o virtuale. Un cluster è un insieme di nodi che possono essere trattati insieme come una singola macchina, su cui viene eseguito il deployment di un'applicazione containerizzata.

  • Pod: in Kubernetes, i container vengono eseguiti all'interno di un pod. Un pod è l'unità atomica in Kubernetes. Un pod contiene uno o più container. Esegui il deployment dei container server e loadgen ciascuno nel proprio pod. Quando un pod esegue più container (ad esempio, un server delle applicazioni e un proxy server), i container vengono gestiti come una singola entità e condividono le risorse del pod.

  • Deployment: un deployment è un oggetto Kubernetes che rappresenta un insieme di pod identici. Un deployment esegue più repliche dei pod distribuite tra i nodi di un cluster. Un deployment sostituisce automaticamente tutti i pod che non funzionano o non rispondono.

  • Servizio Kubernetes: l'esecuzione del codice dell'applicazione in GKE modifica il networking tra loadgen e server. Quando hai eseguito i servizi in una VM Cloud Shell, potevi inviare richieste a server utilizzando l'indirizzo localhost:8080. Dopo il deployment su GKE, i pod vengono pianificati per l'esecuzione sui nodi disponibili. Per impostazione predefinita, non puoi controllare su quale nodo viene eseguito il pod, quindi i pod non hanno indirizzi IP stabili.

    Per ottenere un indirizzo IP per server, devi definire un'astrazione di rete sopra i pod chiamata servizio Kubernetes. Un servizio Kubernetes fornisce un endpoint di rete stabile per un insieme di pod. Esistono diversi tipi di Servizi. server utilizza un LoadBalancer, che espone un indirizzo IP esterno in modo da poter raggiungere server dall'esterno del cluster.

    Kubernetes ha anche un sistema DNS integrato, che assegna nomi DNS (ad esempio, helloserver.default.cluster.local) ai servizi. In questo modo i pod all'interno del cluster possono raggiungere altri pod del cluster con un indirizzo stabile. Non puoi utilizzare questo nome DNS al di fuori del cluster, ad esempio da Cloud Shell.

Manifest Kubernetes

Quando hai eseguito l'applicazione dal codice sorgente, hai utilizzato un comando imperativo: python3 server.py

Imperativo significa guidato dal verbo: "fai questo".

Al contrario, Kubernetes opera su un modello dichiarativo. Ciò significa che, anziché dire a Kubernetes esattamente cosa fare, fornisci a Kubernetes uno stato desiderato. Ad esempio, Kubernetes avvia e termina i pod in base alle necessità, in modo che lo stato effettivo del sistema corrisponda a quello desiderato.

Specifichi lo stato desiderato in un insieme di manifest o file YAML. Un file YAML contiene la specifica per uno o più oggetti Kubernetes.

L'esempio contiene un file YAML per server e loadgen. Ogni file YAML specifica lo stato desiderato per il servizio e l'oggetto di deployment Kubernetes.

Server

apiVersion: apps/v1
kind: Deployment
metadata:
  name: helloserver
spec:
  replicas: 1
  selector:
    matchLabels:
      app: helloserver
  template:
    metadata:
      labels:
        app: helloserver
    spec:
      containers:
      - image: gcr.io/google-samples/istio/helloserver:v0.0.1
        imagePullPolicy: Always
        name: main
      restartPolicy: Always
      terminationGracePeriodSeconds: 5
  • kind indica il tipo di oggetto.
  • metadata.name specifica il nome del deployment.
  • Il primo campo spec contiene una descrizione dello stato desiderato.
  • spec.replicas specifica il numero di pod desiderati.
  • La sezione spec.template definisce un modello di pod. Nella specifica dei pod è incluso il campo image, che è il nome dell'immagine da estrarre da Container Registry.

Il Servizio è definito come segue:

apiVersion: v1
kind: Service
metadata:
  name: hellosvc
spec:
  ports:
  - name: http
    port: 80
    targetPort: 8080
  selector:
    app: helloserver
  type: LoadBalancer
  • LoadBalancer: i client inviano richieste all'indirizzo IP di un bilanciatore del carico di rete, che ha un indirizzo IP stabile ed è raggiungibile al di fuori del cluster.
  • targetPort: ricorda che il comando EXPOSE 8080 in Dockerfile non espone effettivamente alcuna porta. Espone la porta 8080 in modo da poter raggiungere il container server al di fuori del cluster. In questo caso, hellosvc.default.cluster.local:80 (nome breve: hellosvc) viene mappato alla porta 8080 dell'IP del pod helloserver.
  • port: il numero di porta utilizzato dagli altri servizi del cluster quando inviano richieste.

Generatore del carico

L'oggetto Deployment in loadgen.yaml è simile a server.yaml. Una differenza notevole è che l'oggetto Deployment contiene una sezione chiamata env. Questa sezione definisce le variabili di ambiente richieste da loadgen, che hai impostato in precedenza quando hai eseguito l'applicazione dall'origine.

apiVersion: apps/v1
kind: Deployment
metadata:
  name: loadgenerator
spec:
  replicas: 1
  selector:
    matchLabels:
      app: loadgenerator
  template:
    metadata:
      labels:
        app: loadgenerator
    spec:
      containers:
      - env:
        - name: SERVER_ADDR
          value: http://hellosvc:80/
        - name: REQUESTS_PER_SECOND
          value: '10'
        image: gcr.io/google-samples/istio/loadgen:v0.0.1
        imagePullPolicy: Always
        name: main
        resources:
          limits:
            cpu: 500m
            memory: 512Mi
          requests:
            cpu: 300m
            memory: 256Mi
      restartPolicy: Always
      terminationGracePeriodSeconds: 5

Poiché loadgen non accetta richieste in entrata, il campo type è impostato su ClusterIP. Questo tipo fornisce un indirizzo IP stabile che i servizi nel cluster possono utilizzare, ma l'indirizzo IP non è esposto ai client esterni.

apiVersion: v1
kind: Service
metadata:
  name: loadgensvc
spec:
  ports:
  - name: http
    port: 80
    targetPort: 8080
  selector:
    app: loadgenerator
  type: ClusterIP

Esegui il deployment dei container in GKE

  1. Passa alla directory in cui si trova il campione server:

    cd YOUR_WORKING_DIRECTORY/anthos-service-mesh-samples/docs/helloserver/server/

  2. Apri server.yaml in un editor di testo.

  3. Sostituisci il nome nel campo image con il nome della tua immagine Docker.

    image: gcr.io/PROJECT_ID/asm-ready/helloserver:v0.0.1

    Sostituisci PROJECT_ID con l'ID progetto Google Cloud .

  4. Salva e chiudi server.yaml.

  5. Esegui il deployment del file YAML in Kubernetes:

    kubectl apply -f server.yaml

    In caso di esito positivo, il comando risponde con quanto segue: 

    deployment.apps/helloserver created
service/hellosvc created

  6. Passa alla directory in cui si trova loadgen.

    cd ../loadgen

  7. Apri loadgen.yaml in un editor di testo.

  8. Sostituisci il nome nel campo image con il nome della tua immagine Docker.

    image: gcr.io/PROJECT_ID/asm-ready/loadgen:v0.0.1

    Sostituisci PROJECT_ID con l'ID progetto Google Cloud .

  9. Salva e chiudi loadgen.yaml e chiudi l'editor di testo.

  10. Esegui il deployment del file YAML in Kubernetes:

    kubectl apply -f loadgen.yaml

    In caso di esito positivo, il comando risponde con quanto segue: 

    deployment.apps/loadgenerator created
service/loadgensvc created

  11. Controlla lo stato dei pod:

    kubectl get pods

    Il comando risponde con uno stato simile al seguente:

    NAME                             READY   STATUS    RESTARTS   AGE
helloserver-69b9576d96-mwtcj     1/1     Running   0          58s
loadgenerator-774dbc46fb-gpbrz   1/1     Running   0          57s

  12. Recupera i log dell'applicazione dal pod loadgen. Sostituisci POD_ID con l'identificatore dell'output precedente.

    kubectl logs loadgenerator-POD_ID

  13. Ottieni gli indirizzi IP esterni di hellosvc:

    kubectl get service

    La risposta del comando è simile alla seguente:

    NAME         TYPE           CLUSTER-IP     EXTERNAL-IP     PORT(S)        AGE
hellosvc     LoadBalancer   10.81.15.158   192.0.2.1       80:31127/TCP   33m
kubernetes   ClusterIP      10.81.0.1      <none>          443/TCP        93m
loadgensvc   ClusterIP      10.81.15.155   <none>          80/TCP         4m52s

  14. Invia una richiesta all'indirizzo hellosvc. Sostituisci EXTERNAL_IP con l'indirizzo IP esterno del tuo hellosvc.

    curl http://EXTERNAL_IP

Pronto per Cloud Service Mesh

Ora l'applicazione è stata implementata in GKE. loadgen può utilizzare il DNS di Kubernetes (hellosvc:80) per inviare richieste aserver e puoi inviare richieste a server con un indirizzo IP esterno. Sebbene Kubernetes offra molte funzionalità, mancano alcune informazioni sui servizi:

  • Come interagiscono i servizi? Qual è la relazione tra i servizi? Come fluisce il traffico tra i servizi? Sai che loadgen invia richieste a server, ma immagina di non conoscere l'applicazione. Non puoi rispondere a queste domande esaminando l'elenco dei pod in esecuzione su GKE.
  • Metriche: quanto tempo impiega server a rispondere alle richieste in entrata? Quante richieste al secondo (RPS) sono in entrata per server? Sono presenti risposte di errore?
  • Informazioni sulla sicurezza: il traffico tra loadgen e server è semplice HTTP o mTLS?

Cloud Service Mesh può fornire risposte a queste domande. Cloud Service Mesh è una versione gestita da Google Clouddel progetto open source Istio. Cloud Service Mesh funziona inserendo un proxy Envoy collaterale in ogni pod. Il proxy Envoy intercetta tutto il traffico in entrata e in uscita verso i container dell'applicazione. Ciò significa che server e loadgen ricevono ciascuno un proxy sidecar Envoy e tutto il traffico da loadgen a server è mediato dai proxy Envoy. Le connessioni tra questi proxy Envoy formano il mesh di servizi. Questa architettura di service mesh fornisce un livello di controllo sopra Kubernetes.

mesh di servizi

Poiché i proxy Envoy vengono eseguiti nei propri container, puoi installare Cloud Service Mesh sopra un cluster GKE senza apportare modifiche sostanziali al codice dell'applicazione. Tuttavia, ci sono alcuni modi chiave in cui hai preparato l'applicazione per essere instrumentata con Cloud Service Mesh:

  • Servizi per tutti i container: sia i deployment server sia loadgen hanno un servizio Kubernetes collegato. Anche loadgen, che non riceve richieste in entrata, ha un servizio.
  • Le porte nei servizi devono essere denominate: sebbene GKE ti consenta di definire porte di servizio senza nome, Cloud Service Mesh richiede di fornire un nome per una porta che corrisponda al protocollo della porta. Nel file YAML, la porta per server è denominata http perché server utilizza il protocollo di comunicazione HTTP. Se service utilizzava gRPC, la porta si chiamerebbe grpc.
  • I deployment sono etichettati: ciò consente di utilizzare le funzionalità di gestione del traffico di Cloud Service Mesh, ad esempio la suddivisione del traffico tra le versioni dello stesso servizio.

Installa Cloud Service Mesh

Visita la guida all'installazione di Cloud Service Mesh e segui le istruzioni per installare Cloud Service Mesh sul tuo cluster.

Esegui la pulizia

Per evitare che al tuo account Google Cloud vengano addebitati costi relativi alle risorse utilizzate in questo tutorial, elimina il progetto che contiene le risorse oppure mantieni il progetto ed elimina le singole risorse.

Per eseguire la pulizia, elimina il cluster GKE. L'eliminazione del cluster comporta l'eliminazione di tutte le risorse che compongono il cluster di container, come le istanze di calcolo, i dischi e le risorse di rete.

gcloud container clusters delete asm-ready

Passaggi successivi