在前面以Docker项目为例，一步步剖析了Linux容器的具体实现方式。
通过这些应该明白：一个“容器”，实际上是一个由Linux Namespace、Linux Cgroups和rootfs三种技术构建出来的进程的隔离环境。

一个正在运行的Linux容器，其实可以被看做

• 一组联合挂载在 /var/lib/docker/aufs/mnt 上的rootfs，这部分称为“容器镜像”（Container Image），是容器的静态视图
• 一个由Namespace+Cgroups构成的隔离环境，这部分称为“容器运行时”（Container Runtime），是容器的动态视图。

作为一名开发者，我并不关心容器运行时的差异。
因为，在整个“开发-测试-发布”的流程中，真正承载着容器信息进行传递的，是容器镜像，而不是容器运行时。

这个重要假设，正是容器技术圈在Docker项目成功后不久，就迅速走向了“容器编排”这个“上层建筑”的主要原因：
作为云基础设施提供商，只要能够将用户提交的Docker镜像以容器的方式运行，就能成为容器生态图上的一个承载点，从而将整个容器技术栈上的价值，沉淀在这个节点上。

更重要的是，只要从我这个承载点向Docker镜像制作者和使用者方向回溯，整条路径上的各个服务节点
比如CI/CD、监控、安全、网络、存储等，都有我可以发挥和盈利的余地。
这个逻辑，正是所有云计算提供商如此热衷于容器技术的重要原因：通过容器镜像，它们可以和开发者关联起来。

从一个开发者和单一的容器镜像，到无数开发者和庞大容器集群，容器技术实现了从“容器”到“容器云”的飞跃，标志着它真正得到了市场和生态的认可。
容器从一个开发者手里的小工具，一跃成为了云计算领域的绝对主角 而能够定义容器组织和管理规范的“容器编排”技术，坐上了容器技术领域的“头把交椅”

最具代表性的容器编排工具，当属

• Docker公司的Compose+Swarm组合
• Google与RedHat公司共同主导的Kubernetes项目

在前面介绍容器技术发展历史中，已经对这两个开源项目做了详细地剖析和评述。所以，在今天专注于主角Kubernetes项目，谈一谈它的设计与架构。

跟很多基础设施领域先有工程实践、后有方法论的发展路线不同，Kubernetes项目的理论基础则要比工程实践走得靠前得多，这当然要归功于Google公司在2015年4月发布的Borg论文了。

Borg系统，一直以来都被誉为Google公司内部最强大的“秘密武器”。
相比于Spanner、BigTable等相对上层的项目，Borg要承担的责任，是承载Google整个基础设施的核心依赖。
在Google已经公开发表的基础设施体系论文中，Borg项目当仁不让地位居整个基础设施技术栈的最底层。

这幅图，来自于Google Omega论文的第一作者的博士毕业论文。它描绘了当时Google已经公开发表的整个基础设施栈。在这个图里，你既可以找到MapReduce、BigTable等知名项目，也能看到Borg和它的继任者Omega位于整个技术栈的最底层。

正是由于这样的定位，Borg可以说是Google最不可能开源的一个项目。
得益于Docker项目和容器技术的风靡，它却终于得以以另一种方式与开源社区见面，就是Kubernetes项目。

相比于“小打小闹”的Docker公司、“旧瓶装新酒”的Mesos社区，Kubernetes项目从一开始就比较幸运地站上了一个他人难以企及的高度：
在它的成长阶段，这个项目每一个核心特性的提出，几乎都脱胎于Borg/Omega系统的设计与经验。
更重要的是，这些特性在开源社区落地的过程中，又在整个社区的合力之下得到了极大的改进，修复了很多当年遗留在Borg体系中的缺陷和问题。

尽管在发布之初被批“曲高和寡”，但在逐渐觉察到Docker技术栈的“稚嫩”和Mesos社区的“老迈”，社区很快就明白了：Kubernetes项目在Borg体系的指导下，体现出了一种独有的先进与完备性，这些才是一个基础设施领域开源项目的核心价值。

从Kubernetes的顶层设计说起。

Kubernetes要解决什么？

编排？调度？容器云？还是集群管理？

至今其实都没有标准答案。在不同的发展阶段，Kubernetes需要着力的问题是不同的。

但对于大多数用户，他们希望Kubernetes项目带来的体验是确定的：
现在我有应用的容器镜像，请帮我在一个给定的集群上把应用运行起来
更进一步说，还希望Kubernetes能给我提供路由网关、水平扩展、监控、备份、灾难恢复等一系列运维能力。

这不就是经典PaaS（eg. Cloud Foundry）项目的能力吗!
而且，有了Docker后，根本不需要什么Kubernetes、PaaS，只要使用Docker公司的Compose+Swarm项目，就完全可以很方便DIY出这些功能！
所以说，如果Kubernetes项目只是停留在拉取用户镜像、运行容器，以及提供常见的运维功能的话，那别说跟嫡系的Swarm竞争，哪怕跟经典的PaaS项目相比也难有优势

而实际上，在定义核心功能过程中，Kubernetes项目正是依托着Borg项目的理论优势
才在短短几个月内迅速站稳了脚跟

• 进而确定了一个如下所示的全局架构

可以看到，Kubernetes项目的架构，跟它的原型项目Borg类似，都由Master和Node两种节点组成，分别对应着控制节点和计算节点。

其中，控制节点 --- 即Master节点，由三个紧密协作的独立组件组合而成，它们分别是

• 负责API服务的kube-apiserver
• 负责调度的kube-scheduler
• 负责容器编排的kube-controller-manager

整个集群的持久化数据，由kube-apiserver处理后保存在Ectd

而计算节点上最核心的是

kubelet组件

而具体的容器运行时，比如Docker项目，则一般通过OCI这个容器运行时规范同底层的Linux操作系统进行交互，即：把CRI请求翻译成对Linux操作系统的调用（操作Linux Namespace和Cgroups等）。

此外，kubelet还通过gRPC协议同一个叫作Device Plugin的插件进行交互。

这个插件，是Kubernetes项目用来管理GPU等宿主机物理设备的主要组件，也是基于Kubernetes项目进行机器学习训练、高性能作业支持等工作必须关注的功能。

而kubelet的另一个重要功能，则是调用网络插件和存储插件为容器配置网络和持久化存储。
这两个插件与kubelet进行交互的接口，分别是

• CNI（Container Networking Interface）
• CSI（Container Storage Interface）。

实际上，kubelet这个奇怪的名字，来自于Borg项目里的同源组件Borglet。
不过，如果你浏览过Borg论文的话，就会发现，这个命名方式可能是kubelet组件与Borglet组件的唯一相似之处。因为Borg项目，并不支持我们这里所讲的容器技术，而只是简单地使用了Linux Cgroups对进程进行限制。
这就意味着，像Docker这样的“容器镜像”在Borg中是不存在的，Borglet组件也自然不需要像kubelet这样考虑如何同Docker进行交互、如何对容器镜像进行管理的问题，也不需要支持CRI、CNI、CSI等诸多容器技术接口。

kubelet完全就是为了实现Kubernetes项目对容器的管理能力而重新实现的一个组件，与Borg之间并没有直接的传承关系。

虽然不使用Docker，但Google内部确实在使用一个包管理工具，名叫Midas Package Manager (MPM)，其实它可以部分取代Docker镜像的角色。

Borg对于Kubernetes项目的指导作用又体现在哪里呢？

Master节点!

虽然在Master节点的实现细节上Borg与Kubernetes不尽相同，但出发点高度一致
即：如何编排、管理、调度用户提交的作业

所以，Borg项目完全可以把Docker镜像看做是一种新的应用打包方式。
这样，Borg团队过去在大规模作业管理与编排上的经验就可以直接“套”在Kubernetes项目。

这些经验最主要的表现就是，从一开始，Kubernetes就没有像同期的各种“容器云”项目，把Docker作为整个架构的核心，而是另辟蹊径, 仅仅把它作为最底层的一个容器运行时实现

而Kubernetes着重解决的问题，则来自于Borg的研究人员在论文中提到的一个非常重要的观点：

运行在大规模集群中的各种任务之间，实际上存在着各种各样的关系。这些关系的处理，才是作业编排和管理系统最困难的地方。

这种任务 <=>任务之间的关系随处可见
比如

• 一个Web应用与数据库之间的访问关系
• 一个负载均衡器和它的后端服务之间的代理关系
• 一个门户应用与授权组件之间的调用关系

而且同属于一个服务单位的不同功能之间，也完全可能存在这样的关系
比如

• 一个Web应用与日志搜集组件之间的文件交换关系。

而在容器技术普及之前，传统虚拟机对这种关系的处理方法都比较“粗粒度”

• 很多功能并不相关应用被一锅部署在同台虚拟机，只是因为偶尔会互相发几个HTTP请求!
• 更常见的情况则是，一个应用被部署在虚拟机里之后，你还得手动维护很多跟它协作的守护进程（Daemon），用来处理它的日志搜集、灾难恢复、数据备份等辅助工作。

在“功能单位”划分上，容器却有着独到的“细粒度”优势：
毕竟容器的本质，只是一个进程而已

就是说，只要你愿意，那些原挤在同一VM里的各个应用、组件、守护进程，都可被分别做成镜像!
然后运行在一个一个专属的容器中。
它们之间互不干涉，拥有各自的资源配额，可以被调度在整个集群里的任何一台机器上。
而这，正是一个PaaS系统最理想的工作状态，也是所谓微服务思想得以落地的先决条件。

如果只做到 封装微服务、调度单容器 这层次，Docker Swarm 就已经绰绰有余了。
如果再加上Compose项目，甚至还具备了处理一些简单依赖关系的能力
比如

• 一个“Web容器”和它要访问的数据库“DB容器”

在Compose项目中，你可以为这样的两个容器定义一个“link”，而Docker项目则会负责维护这个“link”关系
其具体做法是：Docker会在Web容器中，将DB容器的IP地址、端口等信息以环境变量的方式注入进去，供应用进程使用，比如：

DB_NAME=/web/db
DB_PORT=tcp://172.17.0.5:5432
DB_PORT_5432_TCP=tcp://172.17.0.5:5432
DB_PORT_5432_TCP_PROTO=tcp
DB_PORT_5432_TCP_PORT=5432
DB_PORT_5432_TCP_ADDR=172.17.0.5

• 平台项目自动地处理容器间关系的典型例子
  当DB容器发生变化时（比如镜像更新，被迁移至其他宿主机），这些环境变量的值会由Docker项目自动更新

可是，如果需求是，要求这个项目能够处理前面提到的所有类型的关系，甚至能

支持未来可能的更多关系

这时，“link”这针对一种案例设计的解决方案就太过简单了

一旦要追求项目的普适性，那就一定要从顶层开始做好设计

Kubernetes最主要的设计思想是，从更宏观的角度，以统一的方式来定义任务之间的各种关系，并且为将来支持更多种类的关系留有余地。

比如，Kubernetes对容器间的“访问”进行了分类，首先总结出了一类常见的“紧密交互”的关系，即：

• 应用之间需要非常频繁的交互和访问
• 会直接通过本地文件进行信息交换

常规环境下的应用往往会被直接部在同一台机器，通过Localhost通信，通过本地磁盘目录交换文件
而在Kubernetes，这些容器会被划分为一个“Pod”
Pod里的容器共享同一个Network Namespace、同一组数据卷，从而达到高效率交换信息的目的。

Pod是Kubernetes中最基础的一个对象，源自于Google Borg论文中一个名叫Alloc的设计

Borg分配（分配的缩写）是一台机器上可以运行一个或多个任务的资源的保留集。无论是否使用资源，资源都会保持分配状态。 Alloc可用于为将来的任务留出资源，在停止任务和重新启动任务之间保留资源，以及将来自不同作业的任务收集到同一台计算机上–例如，一个Web服务器实例和一个关联的logaver任务，用于复制服务器的URL日志从本地磁盘记录到分布式文件系统。分配资源与机器资源的处理方式相似。在一个内部运行的多个任务共享其资源。如果必须将分配重定位到另一台计算机，则其任务将随之重新安排。
分配集就像一项工作：它是一组在多台机器上保留资源的分配。创建分配集后，可以提交一个或多个作业以在其中运行。为简便起见，我们通常使用“任务”来指代分配或顶级任务（在分配外的一个），使用“作业”来指代作业或分配集。

而对于另外一种更为常见的需求，比如

Web应用与数据库之间的访问关系

Kubernetes则提供了一种叫作“Service”的服务。像这样的两个应用，往往故意不部署在同一机器，即使Web应用所在的机器宕机了，数据库也不受影响。
可对于一个容器来说，它的IP地址等信息是不固定的，Web应用又怎么找到数据库容器的Pod呢？

所以，Kubernetes的做法是给Pod绑定一个Service服务
Service服务声明的IP地址等信息是“终生不变”的。Service主要就是作为Pod的代理入口（Portal），从而代替Pod对外暴露一个固定的网络地址。
这样，对于Web应用的Pod来说，它需要关心的就是数据库Pod的Service信息。不难想象，Service后端真正代理的Pod的IP地址、端口等信息的自动更新、维护，则是Kubernetes的职责。

围绕着容器和Pod不断向真实的技术场景扩展，我们就能够摸索出一幅如下所示

• Kubernetes核心功能“全景图”

  
  

• 从容器这个最基础的概念出发，首先遇到了容器间“紧密协作”关系的难题，于是就扩展到了Pod

• 有了Pod之后，我们希望能一次启动多个应用的实例，这样就需要Deployment这个Pod的多实例管理器

• 而有了这样一组相同的Pod后，我们又需要通过一个固定的IP地址和端口以负载均衡的方式访问它，于是就有了Service

如果现在

两个不同Pod之间不仅有“访问关系”，还要求在发起时加上授权信息

最典型的例子就是Web应用对数据库访问时需要Credential（数据库的用户名和密码）信息。
那么，在Kubernetes中这样的关系又如何处理呢？

Kubernetes项目提供了一种叫作Secret的对象，是一个保存在Etcd里的键值对。
这样，你把Credential信息以Secret的方式存在Etcd里，Kubernetes就会在你指定的Pod（比如，Web应用Pod）启动时，自动把Secret里的数据以Volume的方式挂载到容器里。这样，这个Web应用就可以访问数据库了。

除了应用与应用之间的关系外，应用运行的形态是影响“如何容器化这个应用”的第二个重要因素。
为此，Kubernetes定义了基于Pod改进后的对象。比如

• Job
  描述一次性运行的Pod（比如，大数据任务）
• DaemonSet
  描述每个宿主机上必须且只能运行一个副本的守护进程服务
• CronJob
  描述定时任务

如此种种，正是Kubernetes定义容器间关系和形态的主要方法。
Kubernetes并没有像其他项目那样，为每一个管理功能创建一个指令，然后在项目中实现其中的逻辑
这种做法，的确可以解决当前的问题，但是在更多的问题来临之后，往往会力不从心

相比之下，在Kubernetes中，我们推崇

• 首先，通过一个“编排对象”，比如Pod/Job/CronJob等描述你试图管理的应用
• 然后，再为它定义一些“服务对象”，比如Service/Secret/Horizontal Pod Autoscaler（自动水平扩展器）等。这些对象，会负责具体的平台级功能。

这种使用方法，就是所谓的“声明式API”。这种API对应的“编排对象”和“服务对象”，都是Kubernetes中的API对象（API Object）。

这就是Kubernetes最核心的设计理念，也是接下来我会重点剖析的关键技术点。

Kubernetes如何启动一个容器化任务

现在已经制作好了一个Nginx容器镜像，希望让平台帮我启动这个镜像。并且，我要求平台帮我运行两个完全相同的Nginx副本，以负载均衡的方式共同对外提供服务。

如果DIY，可能需要启动两台虚拟机，分别安装两个Nginx，然后使用keepalived为这两个虚拟机做一个虚拟IP。

而如果使用Kubernetes呢？要做的则是编写如下这样一个YAML文件（比如名叫nginx-deployment.yaml）：

apiVersion: apps/v1
kind: Deployment
metadata:
  name: nginx-deployment
  labels:
    app: nginx
spec:
  replicas: 2
  selector:
    matchLabels:
      app: nginx
  template:
    metadata:
      labels:
        app: nginx
    spec:
      containers:
      - name: nginx
        image: nginx:1.7.9
        ports:
        - containerPort: 80

在上面这个YAML文件中，定义了一个Deployment对象，它的主体部分（spec.template部分）是一个使用Nginx镜像的Pod，而这个Pod的副本数是2（replicas=2）。

然后执行：

$ kubectl create -f nginx-deployment.yaml

这样，两个完全相同的Nginx容器副本就被启动了。
不过，这么看来，做同样一件事情，Kubernetes用户要做的工作也不少啊
别急，在后续会陆续介绍Kubernetes这种“声明式API”的好处，以及基于它实现的强大的编排能力。

总结

首先，一起回顾了容器的核心知识，说明了容器其实可以分为两个部分

• 容器运行时
• 容器镜像

然后，重点介绍了Kubernetes的架构，详细讲解了它如何使用“声明式API”来描述容器化业务和容器间关系的设计思想。

调度

过去很多的集群管理项目（比如Yarn、Mesos，以及Swarm）所擅长的，都是把一个容器，按照某种规则，放置在某个最佳节点上运行起来。这种功能，称为“调度”。

编排

而Kubernetes所擅长的，是按照用户的意愿和整个系统的规则，完全自动化地处理好容器之间的各种关系。
这种功能，就是我们经常听到的一个概念：编排。

所以说，Kubernetes的本质，是为用户提供一个具有普遍意义的容器编排工具。
Kubernetes为用户提供的不仅限于一个工具。它真正的价值，还是在于提供了一套基于容器构建分布式系统的基础依赖

参考

• 深入剖析Kubernetes
• Large-scale cluster management at Google with Borg