Skip to main content

测试环境 K8S 如何部署数据库

·2 mins

之前文章中也提到,k8s 已经越来越普及,已经变得接近傻瓜式了,无论是生产环境或是开发环境配合别的系统做 CI/CD,相信大家或多或少也都用到了一些。那么,如果让你在测试环境搭建一个数据库,你们怎么做呢?

问题梳理 #

系统中最复杂的便是 有状态 的应用, k8s 中也是相同的,所以 k8s 中关于状态的 数据卷 部分使用起来会相对复杂很多。

在使用 docker 部署数据库应用时,会使用挂载的数据卷作为数据库数据目录,相当于映射一个本地目录进去。那么这个问题放在 k8s 中其实也是这个数据目录如何持久化的问题,由于测试环境往往是自己搭建的 k8s,无法依赖云服务的 pv 相关傻瓜式服务,所以使得这个问题稍显复杂。

解决这个问题前,我们先看看 k8s 文档中的 pv 类型 types-of-persistent-volumes,看到各式各样的基本都是各大云平台的适配类型,所以可供我们选择的至于一种 HostPath (Single node testing only – local storage is not supported in any way and WILL NOT WORK in a multi-node cluster)。 文档中还很贴心的提醒我们仅可用于测试,并且在多节点中不可用,问题的关键就是如何使其可用。

解决思路 #

HostPath 这种类型的数据卷,其实就是使用宿主节点上的某个文件夹作为数据卷映射,类似于直接使用 docker 中的 -v,那么为什么在多节点时不可用呢?想一想其实很简单,应用有可能被 k8s 调度到不同的节点,然而文件夹数据卷在节点之间是不会同步的,所以发生调度时,数据会出问题。

所以解决的思路也就是干预 k8s 的调度策略,注意:此方式不符合云原生理念,且不是高可用,仅供测试使用! 我们将有状态的容器限制在某个固定节点上,就可以保证容器卷始终是这个节点的相应目录,所以就不会出问题。

如何操作 #

其实在 k8s 上部署比较热门的通用应用最简单稳定的方式就是使用 helm,k8s 的包管理器,我们使用 mongodb 为例。

由于我们要魔改很多东西,所以我们下载下来:

helm fetch stable/mongodb --untar --untardir .

然后开始根据我们自己情况修改 values.yaml,我们的目标是限制容器调度,最简单的操作就是使用 nodeSelector,它默认为空值,我们设置为:

nodeSelector:
  disktype: persistent

也就是将应用调度到具有 disktype=persistent label 的节点上,所以我们选择一个节点,打上 label:

kubectl label nodes $your_node_name disktype=persistent

还需注意的是,为了安全,k8s 建议我们不使用 root 用户运行程序,所以官方的 chart 基本都会有这个配置 securityContext.enabled 它会指定 fsGrouprunAsUser,某些默认镜像默认使用非 root 用户, 所以我们得手动 chown -R 1001:100 $your_folder 相应的文件夹了,不然会出现权限不足的情况。

生成部署配置:

helm template mongodb . > mongodb.yaml

最后魔改生成的 mongodb.yaml

删除 PersistentVolumeClaim,因为我们使用 hostPath, 并修改 volumes 为:

volumes:
  - name: data
    hostPath:
      path: /mnt/data/test
      type: DirectoryOrCreate

最终生成的部署文件为:

---
# Source: mongodb/templates/svc-standalone.yaml
apiVersion: v1
kind: Service
metadata:
  name: mongodb-test
  labels:
    app: mongodb
    chart: mongodb-7.8.1
    release: 'mongodb-test'
    heritage: 'Helm'
spec:
  type: NodePort
  ports:
    - name: mongodb
      port: 27017
      targetPort: mongodb
      nodePort: 30018
  selector:
    app: mongodb
    release: 'mongodb-test'
---
# Source: mongodb/templates/deployment-standalone.yaml
apiVersion: apps/v1
kind: Deployment
metadata:
  name: mongodb-test
  labels:
    app: mongodb
    chart: mongodb-7.8.1
    release: 'mongodb-test'
    heritage: 'Helm'
spec:
  strategy:
    type: RollingUpdate
  selector:
    matchLabels:
      app: mongodb
      release: 'mongodb-test'
  template:
    metadata:
      labels:
        app: mongodb
        release: 'mongodb-test'
        chart: mongodb-7.8.1
    spec:
      nodeSelector:
        disktype: persistent
      containers:
        - name: mongodb-test
          image: docker.io/bitnami/mongodb:4.2.2-debian-10-r0
          imagePullPolicy: 'IfNotPresent'
          env:
            - name: MONGODB_SYSTEM_LOG_VERBOSITY
              value: '0'
            - name: MONGODB_DISABLE_SYSTEM_LOG
              value: 'no'
            - name: MONGODB_ENABLE_IPV6
              value: 'no'
            - name: MONGODB_ENABLE_DIRECTORY_PER_DB
              value: 'no'
          ports:
            - name: mongodb
              containerPort: 27017
          livenessProbe:
            exec:
              command:
                - mongo
                - --eval
                - "db.adminCommand('ping')"
            initialDelaySeconds: 30
            periodSeconds: 10
            timeoutSeconds: 5
            successThreshold: 1
            failureThreshold: 6
          readinessProbe:
            exec:
              command:
                - mongo
                - --eval
                - "db.adminCommand('ping')"
            initialDelaySeconds: 5
            periodSeconds: 10
            timeoutSeconds: 5
            successThreshold: 1
            failureThreshold: 6
          volumeMounts:
            - name: data
              mountPath: /bitnami/mongodb
          resources: {}
      volumes:
        - name: data
          hostPath:
            path: /mnt/data/test
            type: DirectoryOrCreate

部署测试,插入数据,重启会发现不会丢失数据。

总结 #

本文可以算作 proof of concept,测试环境数据库的搭建有很多种方式,基本使用 docker 就能解决大多问题,当然也可以追求部署在 k8s 系统内,有助于我们学习 k8s 相关知识。此类问题思路均是如此,将有状态的应用集中部署,数据卷也集中起来,这样测试环境备份,只备份这部分就可以了,也算能够节约点开支吧。