首页 > 代码库 > 熊猫直播Rancho发布系统构建之路

熊猫直播Rancho发布系统构建之路

作者介绍

技术分享



符杰超熊猫直播基础架构部高级运维开发工程师。主要负责熊猫直播运维自动化架构平台建设和开发

前言

        随着熊猫直播的业务发展越来越快,业务需求的迭代和版本更新需求越来越多,对开发和运维面临以下4个痛点:

  • 项目需求上线越来越多

  • 发布周期比较长,人工操作比较繁琐

  • 发布项目效率和风险的问题,比如平滑发布,切换负载均衡

  • 发布过程没有详细的审计功能

       由此,团队内部决定在现有的发布过程上实现开发统一的发布系统平台,实现熊猫直播的运维发布流程化、标准化、自动化为一体的统一发布要求。

       下面围绕整个Rancho发布系统做总结梳理,总共分为9个方面:

  • 实现的最终目的

  • 用户登陆(发布系统的第一道安全墙)

  • 用户权限(发布系统的第二道安全墙)

  • 项目权限(发布系统的第三道安全墙)

  • 代码发布前台

  • 代码发布后台

  • 发布过程/结果

  • 建立标准的wiki文档

  • 小结

Rancho 发布系统流程概述架构图

技术分享

Rancho 发布系统流程图

技术分享

Rancho发布系统

实现的最终目的

       随着熊猫直播业务的迅猛发展、项目、产品的需求规模和版本迭代频次是无法预估的。传统的运维支持方式已渐渐无法满足这种工程应用现状。但是如果把发布权利交付到开发人员手里控制,运维安全是比较大的隐患。当2者都无法平衡的时候,利用高效的标准化,自动化体系将2个无法逾越的问题优化结合起来,我们结合了上述问题,实现了内部的发布系统,对于发布系统,实现了2个核心目标,如下: 

  • 发布项目统一接入
    在新项目接入平台的第一次起,运维只需要把项目添加上,给对应的开发开放相对应的发布权限,项目接入+权限都是正常状态下,运维需要做的事情就完成了

  • 一键自动发布 开发可以根据自己所拥有的项目发布权限,进行任何时间段的发布,同时发布系统会对用户,发布项目,发布操作,结果做到全方位的记录

目的:
       让研发自助运维

用户登陆(发布系统的第一道安全墙)

       对于发布系统的登陆,我们结合了内部开发的一套SSO系统+Rancho系统并加了一层白名单策略,有以下3个方面考虑:

  • 安全性
    平台登陆安全性,SSO采用统一认证+MD5算法+Hash算法+静态系统唯一标识

  • 连接
    统一的Session/Cookie允许连接,保持会话,过期,删除由SSO管理

  • 双权验证
    假如用户在SSO可以正常登陆,但是在Rancho发布平台没有登陆权限,就是禁止登陆。原因很简单,因为全公司每个人都拥有自己的统一登陆账户,防止有人试探登陆/误操作登陆

用户权限(发布系统的第二道安全墙)

      用户权限,我们分为2类角色:

  • 管理员
    具有发布系统超级权限,可以对所有项目/用户进行操作

  • 普通用户
    只能看到运维授权的项目,发布、发布详情、查看发布历史、查询,但是不可编辑、更新项目 

项目权限(发布系统的第三道安全墙)

        项目权限设计,我们当时也花很多时间去讨论,最终拟定方案,项目不首先对应用户,而是在用户和项目中间建立一个桥梁,我们命名为项目组 

  • 原因
    当多个用户同时去拥有一个项目权限的时候,这个时候要全部用户都要增加到这个项目体系中去

  • 如果这样做的问题
    增加繁琐,当项目删除改用户权限/或者用户不再拥有该项目权限,还要精确的删除,否则删除错了,后果很严重,逻辑同时还要对用户和项目,做双层处理操作 

  • 解决方案
    用户--项目组--项目

  • 方案优点

  1. 项目组方便了运维管理,如果没有项目组,一个项目对应的权限用户比较多的话、需要管理员分别的去增加/更新编辑比较繁琐 

  2. 系统根据项目组有效控制不同用户之间对应项目的权限隔离发

项目组图例

技术分享


代码发布前台

       前台用于开发人员进行发布所操作的页面,其中功能包含:

  • 发布页面

  • 发布tag种类选择

  • 发布环境/机器列表选择

       当用户进来某个项目的时候,Rancho 发布系统会同时异步获取该项目所有的环境/主机列表,对用户而言无需任何操作处理。

发布页面

       支持机器单选、多选、全选、临时主机添加等:

技术分享

发布tag种类

发布tag种类选择如下:

  • 开发tag(可测试)

  • 线上tag(灰度/线上)

  • 其他tag(代表开发/线上 tag 未显示你要发布的 tag,发布人员可以根据 tag号输入,如果 git 库里存在,可以正常发布,如果不存在,用户也可以接收到对应的错误结果)

  • 线上/开发tag,Rancho 发布系统会自动实时更新git库前10个最新的tag,供用户选择

tag版本选择页面

技术分享


tag比对图

用户选择的tag和主干,和最后一次发布tag比对如下:

技术分享

发布环境/机器列表选择

       对于发布环境我们有自己的一套命名扩展规则,有3种类型:

  • 类型一
    根据项目功能服务来命名

  • 类型二
    根据发布环境来命名 

  • 类型三 

  • 前2者整合 

       某个项目命名情况:

  • 项目功能服务拆分,包含:crontab、sdk、console、front等

  • 项目发布环境拆分,包含:online、beta、gray等

      独立情况/整合情况,如下说明:

  • beta环境可以独立的命名 

  • beta环境有sdk服务,命名为:sdk_beta 

  • beta环境有console,命名为:beta_console

PS:环境命名、细化、拆解,开发人员根据项目功能类型进行自定义,
Rancho自动识别和拆解命名体系

      每个发布环境对应发布的机器,其中一个项目页面如下展示

技术分享


前台首页图

       用户登陆进来看到的所拥有项目的页面,功能有发布、查看、发布历史、需说明(只有管理员才有展示启用/禁用权限)

启用:代表这个项目是正常运行发布
禁用:可以看作删除,但是我们不作为真正删除,临时迁入回收站,如果哪天这个项目需要启用发布了,我们再打开进行该项目发布

技术分享



前台发布确认清单

       发布前让发布用户再次确认上线的项目,tag,发布环境,是否重启机器(现有的和临时添加的主机):

技术分享


发布清单提交请求

    避免脏数据的方法:

  • 程序监控对发布队列是否正常服务检测,并且自动做干预

  • 程序监控对数据库/缓存正常服务检测,并且自动做干预

  • 程序监控对生成的task_ID是否存在,并且自动做干预

  • 程序监控对生成的发布指令做严格的判断,是否为不正确指令,并且自动做出干预

代码发布后台

  • 后台项目管理的成功/失败,对整个前台发布起到至关重要的

  • 后台操作权限为管理员:一般是指定对应的运维人员

  • 操作程度:简单、易用,所有处理逻辑都交给Rancho去搞定

后台操作新项目流程页面

新建字段说明

名称:

代表项目的主名称(唯一,如果重复则提示错误详情),别名代表项目的描述,可以是中文/英文,名称可以重复


git clone url地址:
开发提供,这个地址Rancho在处理的过程中,会对本身项目权限,该项目类型标识进行判断和提取,比如我们有2种功能发布:rigger和ansible,而发布语言有:golang、php、nodejs、python、lua、c++等多种混合语言,排名不分先后

项目组权限:
添加该项目允许哪些项目组成员进行发布

备注:

可写/可不写

      至此,运维管理员需要做的事情已经完成,剩下的点击提交,剩下的事情交给Rancho去处理了。

后台新建页面

技术分享


Rancho底层基本处理流程


技术分享

项目失败手动触发 Rancho 处理恢复流程

技术分享


发布过程/结果

    前期的工作:
           后台新建项目完成,到发布提交申请,最后查看发布过程/结果的验证

   某一个项目单次发布127台主机,用时3分32秒,截图如下:

技术分享


发布过程的处理流程概述和原理图例展示

技术分享

发布过程有3种场景:

  • 负载均衡四/七层策略

  • 无负载均衡策略

  • 项目服务是否重启

针对以上3种场景,分别作了不同的处理规则:

  • 负载均衡场景
    有白名单策略代表该项目拥有负载均衡策略(至于挂了多少负载均衡节点在发布的时候,Rancho发布系统会自动的计算,并且做相对应的平滑策略切换)

  • 无负载均衡策略
    走正常的发布流程

  • 项目服务发布是否重启
    (Rancho支持重启项目服务/支持不重启项目服务)需求描述:

  1. 项目发布更新,但是不重启服务,看下项目代码发布过程是否成功/失败。(这点对于发布项目业务正常运行不会出现有损情况)

  2. 项目发布更新,重启服务(项目发布代码完成,自动重启项目服务)

发布速度:无负载均衡策略项目相对于比有LB策略的项目快2ms-30ms,根据项目绑定的LB有关联。


项目发布锁图例展现

技术分享

       发布锁作用:
               防止同项目同发布环境多任务一起发布,会有覆盖,冲突



项目发布历史统计图例展现

技术分享

状态分为: 

  • 正在发布

  • 触发失败

  • 发布成功


项目发布手工终止图例展现

技术分享



发布结果成功图例展现

技术分享


发布结果失败/终止图例展现

技术分享

      失败单台,未执行的机器程序自动干预停止发布实例子 



发布过程中,手工可以终止发布功能,说明

  • 防止发布过程中有未知的原因或长时间缓慢/卡顿等,发布人员可以根据业务重要评估,进行降级发布过程停止操作,并且系统会把操作用户、时间、项目、降级操作等做详细记录

  • 正常发布完成后,终止发布按钮功能会自动消失

下面截图所示

技术分享


项目回滚策略

       当某个项目发布失败或者异常,想回滚到上个正常版本,可以以对应的tag号来进行重新发布

发布结果日志截图展现

        自动按天生成日志,并且按天做发布日志全量汇总

技术分享


建立完善的Wiki文档

       Rancho发布系统在熊猫直播循序渐进的优化功能/需求、bug修复等、wiki文档的规范化也要随之建立起来。

       以下是wiki文档建立的图例:

技术分享



小结

Rancho发布系统已经在线上运行了将近5个月的时间,目前 Rancho系统功能包含了:

  • 项目建立

  • 用户登陆权限严格的隔离

  • 项目锁机制

  • 项目前台

  • 项目后台

  • LB 4/7层和 Nginx upstream 白名单策略

  • 平滑摘取/绑定主机

  • 支持Rigger发布功能和Ansible发布功能

  • 多语言混合并行发布(Golang、PHP、Nodejs、C++、Lua、Python、Shell等,语言排名不分先后)

  • 异步实时处理发布任务

  • 实时可视化展现发布结果

  • 多环境发布

  • 跨多机房发布

  • 手工/自动干预终止发布

  • 避免严重的错误影响到正常业务

  • 详细的发布操作记录:
    用户操作、时间、发布环境、发布tag、发布主机成功次数统计、发布主机失败次数统计、发布主机程序自动干预终止次数统计、发布主机手工干预终止次数统计、发布主机正在发布中次数统计等

目前熊猫直播Rancho发布系统解决的痛点:

  • 研发自助运维
    熊猫直播产品业务线的发布更新/回滚变更等操作,都由各自的项目线开发人员操作发布/回滚,运维不直接参与整个发布/回滚流程,遇到发布错误/异常,运维才介入和开发一起排查相关问题 

  • 发布时间周期长
    目前发布系统异步处理整个发布流程,点击发布提交之后,页面关闭都可以,发布人员想看结果的时候,才登陆系统查看即可 

  • 平滑切换负载均衡
    发布系统增加了白名单策略,发布项目上线前,Rancho发布系统会自动判断白名单策略项目,如果该项目存在白名单策略,Rancho发布系统会自动做整个负载均衡下线—上线—绑定上线流程操作

  • 发布系统详细的审计功能
    从用户登陆-创建发布清单-点击发布-发布过程-发布结果都做了详细的记录,记录纬度:登陆时间、发布起始时间、发布完成时间、用户、发布环境、发布项目(平滑,服务是否重启,tag,主机数量,主机信息清单),发布结果(成功、失败、终止)等

目前发布次数/项目总数统计

       2017年2月16日上线到目前,累计发布工单12000次,最多单次工单发布主机100台+,成功96%,失败3%,终止1%,接入发布项目将近100+。

Rancho发布系统未来优化

       Rancho发布系统未来优化的路还有很多,优化方向分为以下3点:

  • 接入发布预警平台
    当某个项目出现异常的时候,运维能及时收到短信/邮件的提示

  • 定时作业发布
    可以按照用户自定义的发布时间,定时发布代码 

  • 发布错误/异常自动修复
    目前Rancho发布系统已经可以收集到全部错误发布类型,但是真正修复还需人工,以后当错误出现了,自动上报到修复库里进行存档,在下一次同样错误出现的时候,Rancho自动修复,并优雅提示用户发布错误修复完成,请重新发布


本文出自 “IMySQL” 博客,请务必保留此出处http://jiechao2012.blog.51cto.com/3251753/1945787

熊猫直播Rancho发布系统构建之路