Kubernetes-Argo-Rollout

Argo 介绍

https://argoproj.github.io/

Argo 是一个开源项目，旨在提供一套用于在 Kubernetes 上运行和管理容器化工作负载的工具。 Argo 项目最早在2017年由Applatix公司创立开源,在2018年被美国加利福尼的 Intuit 公司收购并持续维护，并得到了广泛的社区支持。

Argo 项目主要包括以下几个子项目，每个子项目都有其特定的用途:

Argo Workflows:

简介: Argo Workflows 是一个 Kubernetes 原生的工作流引擎，用于在 Kubernetes 集群上创建、管理和协调容器化任务。用途: 支持DAG(有向无环图 Directed Acyclic Graph)，复杂的工作流定义和依赖管理，适用于数据处理、机器学习训练和 CI/CD 管道等场景。

特性: 提供可视化界面、支持各种编程语言的模板、内置重试和错误处理机制。

Argo CD:

简介: Argo CD 是一个用于 Kubernetes 的持续交付工具，通过声明式的 GitOps 方法来管理 Kubernetes 资源。用途: 将 Git 仓库中的配置和应用程序声明与 Kubernetes 集群的实际状态进行同步。特性: 提供可视化的同步状态监控、自动回滚、支持多种 Git 提供商、提供丰富的 RBAC(基于角色的访问控制)。

Argo Events:

简介: Argo Events 是一个事件驱动的工作流自动化框架，允许用户根据特定的事件触发工作流。用途: 通过各种事件源(如 GitHub、S3、HTTP 请求等)触发 Argo Workflows 或 Kubernetes 资源。

特性: 支持多种事件源、灵活的事件依赖管理、提供事件驱动的自动化功能。

Argo Rollouts:

简介: Argo Rollouts 是一个用于管理 Kubernetes 中高级部署策略的工具。用途: 支持蓝绿部署、金丝雀部署、分阶段发布等高级发布策略，确保应用程序的平滑升级和回滚。特性: 提供可视化的发布状态监控、细粒度的流量控制、内置指标和健康检查功能。

这些子项目协同工作，为在 Kubernetes 上实现高效、可扩展和自动化的应用程序交付提供了强大的工具集。

Argo Rollouts 介绍

Argo Rollouts 是 Argo 开源项目的一部分。Argo Rollouts 是一个用于渐进式交付的 Kubernetes 控制器，相当于增强版的deployment资源Argo Rollouts 包括一组自定义资源定义 (CRD)，向 Kubernetes 引入蓝绿部署blue-green、金丝雀发布canary、金丝雀分析canary analysis、渐进式交付progressive delivery 等高级部署功能。

Argo Rollouts 支持与ServiceMesh(Istio、Linkerd和SMI)和Ingress Controller 集成，以利用其流量治理能力，并在更新期间逐渐将流量转移到新版本。

Argo Rollouts 还能够查询和解释来自多种指标系统(Prometheus、Kubernetes Jobs、Datadog等) 的指标来检查Blue-Green或Canary部署结果，并根据结果自动决定执行升级或回滚

发布模式：

蓝绿发布：

蓝绿发布提供了一种零宕机的部署方式。不停老版本，部署新版本进行测试，确认OK，将流量切到新版本，然后老版本同时也升级到新版本。始终有两个版本同时在线，有问题可以快速切换。

如下灰度发布的大致流程：

先切分20%的流量到新版本，若表现正常，逐步增加流量占比，继续测试新版本表现。若新版本一直很稳定，那么将所有流量都切分到新版本，并下线老版本。

切分20%的流量到新版本后，新版本出现异常，则快速将流量切回老版本。

金丝雀发布：

采用金丝雀部署，可以在生产环境的基础设施中小范围的部署新的应用代码。一旦应用签署发布，只有少数用户被路由到它。最大限度的降低影响。如果没有错误发生，新版本可以逐渐推广到整个基础设施。下图示范了金丝雀部署：

部署 Argo Rollouts

https://argoproj.github.io/argo-rollouts/installation/

[root@rocky01 ~] # kubectl create namespace argo-rollouts
[root@rocky01 ~] # kubectl apply -n argo-rollouts -f https://github.com/argoproj/argo-rollouts/releases/latest/download/install.yaml
#生成API群组和CRD资源
[root@rocky01 ~] # kubectl api-resources --api-group argoproj.io
NAME                       SHORTNAMES   APIVERSION             NAMESPACED   KIND
analysisruns               ar           argoproj.io/v1alpha1   true         AnalysisRun
analysistemplates          at           argoproj.io/v1alpha1   true         AnalysisTemplate
clusteranalysistemplates   cat          argoproj.io/v1alpha1   false        ClusterAnalysisTemplate
experiments                exp          argoproj.io/v1alpha1   true         Experiment
rollouts                   ro           argoproj.io/v1alpha1   true         Rollout
[root@rocky01 ~] # kubectl get all -n argo-rollouts
NAME                                READY   STATUS    RESTARTS   AGE
pod/argo-rollouts-bdbddf5fb-zftjw   1/1     Running   0          3m21s

NAME                            TYPE        CLUSTER-IP     EXTERNAL-IP   PORT(S)    AGE
service/argo-rollouts-metrics   ClusterIP   10.68.187.95   <none>        8090/TCP   3m21s

NAME                            READY   UP-TO-DATE   AVAILABLE   AGE
deployment.apps/argo-rollouts   1/1     1            1           3m21s

NAME                                      DESIRED   CURRENT   READY   AGE
replicaset.apps/argo-rollouts-bdbddf5fb   1         1         1       3m21s

部署 Dashboard

[root@rocky01 ~] # kubectl apply -n argo-rollouts -f  https://github.com/argoproj/argo-rollouts/releases/latest/download/dashboard-install.yaml
[root@rocky01 ~] # kubectl get svc -n argo-rollouts
NAME                      TYPE        CLUSTER-IP      EXTERNAL-IP   PORT(S)    AGE
argo-rollouts-dashboard   ClusterIP   10.68.192.197   <none>        3100/TCP   40s
argo-rollouts-metrics     ClusterIP   10.68.187.95    <none>        8090/TCP   6m10s
#准备ingress清单文件实现外部访问，注意:需要提前部署ingress-nginx
[root@rocky01 ~] # kubectl create ingress -n argo-rollouts --rule="rollout.k8slab.io/*=argo-rollouts-dashboard:3100" --class=nginx  rollouts
[root@rocky01 ~] # kubectl get ingress -n argo-rollouts
NAME       CLASS   HOSTS               ADDRESS         PORTS   AGE
rollouts   nginx   rollout.k8slab.io   192.168.5.239   80      18s
[root@rocky01 ~] # nslookup rollout.k8slab.io
Server:		192.168.5.1
Address:	192.168.5.1#53

Name:	rollout.k8slab.io
Address: 192.168.5.239
[root@rocky01 ~] # kubectl config set-context context-lab --namespace argo-rollouts #更改默认ns为argo-rollouts

部署 kubectl argo rollouts 命令插件

argo rollouts 没有提供相关专用命令管理 argo rollouts 资源,可以通过安装kubectl的插件实现管理argo rollouts的命令功能.

[root@rocky01 ~] # wget -O  /usr/local/bin/kubectl-argo-rollouts https://github.com/argoproj/argo-rollouts/releases/latest/download/kubectl-argo-rollouts-linux-amd64 && chmod +x /usr/local/bin/kubectl-argo-rollouts
[root@rocky01 ~] # kubectl-argo-rollouts version
kubectl-argo-rollouts: v1.7.1+6a99ea9
  BuildDate: 2024-06-24T22:46:25Z
  GitCommit: 6a99ea9908e8f1e816ccd71e4c35adbbbbdd5f6c
  GitTreeState: clean
  GoVersion: go1.21.11
  Compiler: gc
  Platform: linux/amd64
[root@rocky01 ~] #  echo 'source <(kubectl argo rollouts completion bash)' >> ~/.bashrc && source ~/.bashrc

kubectl argo rollouts 命令常见用法:

#更新应用
kubectl argo rollouts set image ROLLOUT_NAME CONTAINTER=NEW_IMAGE
#查看
kubectl argo rollouts get rollout ROLLOUT_NAME --watch
#继续更新
kubectl-argo-rollouts promote ROLLOUT_NAME [flags]
#中止更新
kubectl-argo-rollouts abort ROLLOUT_NAME [fags]
#再次重新更新
kubectl-argo-rollouts retry rollout ROLLOUT_NAME [fags]
#回滚
kubectl-argo-rollouts undo ROLLOUT_NAME [flags]

基础案例:

https://github.com/argoproj/argo-rollouts/tree/master/examples

Canary (金丝雀) 进行部署发布

https://github.com/argoproj/argo-rollouts/blob/master/examples/rollout-rolling-update.yaml

案例说明:

部署 Argo Rollouts 和 dashboard 及 kubectl argo rollouts 命令插件部署 ingress-nginx
准备一个有两个新旧版本的myapp应用
依赖一个Service的调度功能, 通过Pod 数量来实现灰度发布
基于Pod 数量来实现流量的分配, 所以精确程度不足

# argo-rollouts-canary.yml
---
apiVersion: argoproj.io/v1alpha1
kind: Rollout
metadata:
  name: argo-rollouts-bulegreen
spec:
  replicas: 10
  strategy:
    canary:
      steps:
      - setWeight: 10 # 先发布10%，待人为确认后，再继续发布
      - pause: {}     # 需要人为确认的动作
      - setWeight: 20
      - pause: {duration: 20}
      - setWeight: 30
      - pause: {duration: 20}
      - setWeight: 40
      - pause: {duration: 20}
      - setWeight: 60
      - pause: {duration: 20}
      - setWeight: 80
      - pause: {duration: 20}
  revisionHistoryLimit: 5
  selector:
    matchLabels:
      app: myapp
  template:
    metadata:
      labels:
        app: myapp
    spec:
      containers:
      - name: myapp
        image: registry.cn-beijing.aliyuncs.com/wangxiaochun/myapp:v1.0
        ports:
        - name: http
          containerPort: 80
          protocol: TCP
        resources:
          requests:
            memory: 32Mi
            cpu: 50m
        livenessProbe:
          httpGet:
            path: '/'
            port: 80
            scheme: HTTP
          initialDelaySeconds: 3
        readinessProbe:
          httpGet:
            path: '/'
            port: 80
            scheme: HTTP
          initialDelaySeconds: 5
---
apiVersion: v1
kind: Service
metadata:
  name: myapp
spec:
  ports:
  - port: 80
    targetPort: http
    protocol: TCP
    name: http
  selector:
    app: myapp
---
apiVersion: networking.k8s.io/v1
kind: Ingress
metadata:
  name: myapp
spec:
  ingressClassName: "nginx"
  rules:
    - host: myapp.k8slab.io
      http:
        paths:
          - path: /
            pathType: Prefix
            backend:
              service:
                name: myapp
                port:
                  number: 80

[root@rocky01 mnt] # kubectl create -f argo-rollouts-canary.yml -n argo-rollouts
[root@rocky01 mnt] # kubectl get ingress
NAME            CLASS   HOSTS               ADDRESS         PORTS   AGE
myapp           nginx   myapp.k8slab.io     192.168.5.239   80      56m
myapp-active    nginx   active.k8slab.io    192.168.5.239   80      68m
myapp-preview   nginx   preview.k8slab.io   192.168.5.239   80      68m
rollouts        nginx   rollout.k8slab.io   192.168.5.239   80      39h
[root@rocky01 ~] # curl myapp.k8slab.io
<h1>Welcome to MyAPP v1.0</h1>

实施镜像更新

[root@rocky01 mnt] # kubectl-argo-rollouts set image argo-rollouts-canary myapp=registry.cn-beijing.aliyuncs.com/wangxiaochun/myapp:v2.0
rollout "argo-rollouts-canary" image updated
[root@rocky01 ~] # kubectl-argo-rollouts status argo-rollouts-canary
[root@rocky01 ~] # kubectl-argo-rollouts get rollout argo-rollouts-canary

在页面上点击了 Promote以后,就会每隔20S，更新10%的资源。

[root@rocky01 ~] # kubectl-argo-rollouts promote argo-rollouts-canary # 手动停止暂停让继续更新发布

实施回滚

[root@rocky01 ~] # kubectl-argo-rollouts undo argo-rollouts-canary

结合Service进行Blue-Green部署

部署说明：

部署 Argo Rollouts 和 dashboard 及 kubectl argo rollouts 命令插件
部署 ingress-nginx
准备一个有两个新旧版本的myapp应用
使用Argo Rollouts提供的Rollout资源编排运行该应用使用blueGreen更新策略
通过两个Service 实现Blue-Green 发布的版本更新后，推出所有PreviewPod后即暂停，需要用户手动Promote

# rollouts-bulegreen-myapp.yml
apiVersion: argoproj.io/v1alpha1
kind: Rollout
metadata:
  name: rollouts-bulegreen-myapp
spec:
  replicas: 10
  strategy:
    blueGreen:
      activeService: myapp-active
      previewService: myapp-preview
      autoPromotionEnabled: false
      previewReplicaCount: 10
      scaleDownDelaySeconds: 60
  revisionHistoryLimit: 5
  selector:
    matchLabels:
      app: myapp
  template:
    metadata:
      labels:
        app: myapp
    spec:
      containers:
      - name: myapp
        image: registry.cn-beijing.aliyuncs.com/wangxiaochun/myapp:v1.0
        ports:
        - name: http
          containerPort: 80
          protocol: TCP
        resources:
          requests:
            memory: 32Mi
            cpu: 50m
        livenessProbe:
          httpGet:
            path: '/'
            port: 80
            scheme: HTTP
          initialDelaySeconds: 3
        readinessProbe:
          httpGet:
            path: '/'
            port: 80
            scheme: HTTP
          initialDelaySeconds: 5
---
apiVersion: v1
kind: Service
metadata:
  name: myapp-active
spec:
  ports:
  - port: 80
    targetPort: http
    protocol: TCP
    name: http
  selector:
    app: myapp
---
apiVersion: v1
kind: Service
metadata:
  name: myapp-preview
spec:
  ports:
  - port: 80
    targetPort: http
    protocol: TCP
    name: http
  selector:
    app: myapp
---
apiVersion: networking.k8s.io/v1
kind: Ingress
metadata:
  name: myapp-active
spec:
  ingressClassName: "nginx"
  rules:
    - host: active.k8slab.io
      http:
        paths:
          - path: /
            pathType: Prefix
            backend:
              service:
                name: myapp-active
                port:
                  number: 80
---
apiVersion: networking.k8s.io/v1
kind: Ingress
metadata:
  name: myapp-preview
spec:
  ingressClassName: "nginx"
  rules:
    - host: preview.k8slab.io
      http:
        paths:
          - path: /
            pathType: Prefix
            backend:
              service:
                name: myapp-preview
                port:
                  number: 80

[root@rocky01 mnt] # kubectl get ingress,svc
NAME                                      CLASS   HOSTS               ADDRESS         PORTS   AGE
ingress.networking.k8s.io/myapp           nginx   myapp.k8slab.io     192.168.5.239   80      14m
ingress.networking.k8s.io/myapp-active    nginx   active.k8slab.io    192.168.5.239   80      88m
ingress.networking.k8s.io/myapp-preview   nginx   preview.k8slab.io   192.168.5.239   80      88m
ingress.networking.k8s.io/rollouts        nginx   rollout.k8slab.io   192.168.5.239   80      40h

NAME                              TYPE        CLUSTER-IP      EXTERNAL-IP   PORT(S)    AGE
service/argo-rollouts-dashboard   ClusterIP   10.68.192.197   <none>        3100/TCP   40h
service/argo-rollouts-metrics     ClusterIP   10.68.187.95    <none>        8090/TCP   40h
service/myapp                     ClusterIP   10.68.161.129   <none>        80/TCP     14m
service/myapp-active              ClusterIP   10.68.130.229   <none>        80/TCP     88m
service/myapp-preview             ClusterIP   10.68.247.67    <none>        80/TCP     88m
[root@rocky01 mnt] # curl preview.k8slab.io
<h1>Welcome to MyAPP v1.0</h1>
[root@rocky01 mnt] # curl active.k8slab.io
<h1>Welcome to MyAPP v1.0</h1>

更新新版本镜像

[root@rocky01 mnt] # kubectl-argo-rollouts set image rollouts-bulegreen-myapp myapp=registry.cn-beijing.aliyuncs.com/wangxiaochun/myapp:v2.0
rollout "rollouts-bulegreen-myapp" image updated
[root@rocky01 mnt] # kubectl-argo-rollouts get rollout rollouts-bulegreen-myapp

访问测试，目前应该是预览版和稳定版都可以访问

[root@rocky01 mnt] # curl preview.k8slab.io
<h1>Welcome to MyAPP v2.0</h1>
[root@rocky01 mnt] # curl active.k8slab.io
<h1>Welcome to MyAPP v1.0</h1>

将新版本切换为稳定版本：

[root@rocky01 mnt] # kubectl-argo-rollouts promote rollouts-bulegreen-myapp 
rollout 'rollouts-bulegreen-myapp' promoted
[root@rocky01 mnt] # kubectl-argo-rollouts get rollout rollouts-bulegreen-myapp

进阶案例

结合Prometheus指标进行Analysis实现canary部署

案例说明

部署 Argo Rollouts 和 dashboard 及 kubectl argo rollouts 命令插件
准备一个有两个新旧版本的myapp应用
安装 prometheus 安装Ingress-nginx,并修改ingress-nginx-controller的service,实现支持prometheus采集指标
定义了两个参数: service-name和namespace的，用于传递要测量的服务的名称及其所在的名称空间
定义了success-rate指标，测试指定服务的请求成功率
每隔20s查询一次prometheus服务，共执行3次
成功条件为:第1个指标(下标为0)的结果值大于等于0.95,遇到3次错误即终止进一步的测试 AnalysisRun CRD
配置格式与AnalysisTemplaste大致相同，所不同的是，AnalysisRun用于调用并实例化分析模板

结合Prometheus指标进行Analysis实现Blue- Green部署

案例说明

部署 Argo Rollouts和dashboard 及 kubectl argo rollouts命令插件
准备一个有两个新旧版本的myapp应用
安装prometheus安装Ingress-nginx,并修改ingress-nginx-controller的service,实现支持prometheus采集指标
使用Argo Rollouts提供的Rollout资源编排运行该应用使用blueGreen更新策略,更新镜像后,首先推出新版本的所有Preview Pod，引用一点流量进行测试访问
接着将调用切换前分析prePromotionAnalysis所定义的analysistemplate/success-rate进行分析
满足成功条件后即自动进行Promote，从而将preview版本提升为stable,此时全部流量才会将由提升后的preview版本承载
随后将再次调用切换后分析postPromotionAnalysis所定义的analysistemplate/success-rate进行分析
满足成功条件后，即自动缩减旧版的RS规模到0实例，否则，将流量切换回此前的版本,旧的版本将重新变为stable

Argo 介绍

Argo Rollouts 介绍

发布模式：

蓝绿发布：

金丝雀发布：

部署 Argo Rollouts

部署 Dashboard

部署 kubectl argo rollouts 命令插件

基础案例:

Canary (金丝雀) 进行 部署发布

实施镜像更新

实施回滚

结合Service进行Blue-Green部署

更新新版本镜像

访问测试，目前应该是预览版和稳定版都可以访问

将新版本切换为稳定版本：

进阶案例

结合Prometheus指标进行Analysis实现canary部署

案例说明

结合Prometheus指标进行Analysis实现Blue- Green部署

案例说明

继续阅读Keep reading

LoadBalancer for Bare Metal Kubernetes Cluster-MetalLB

Kubernetes-Docker-Network

Kubernetes-Install-Kubeapps

Canary (金丝雀) 进行部署发布