天翼云基于KubeEdge的大规模CDN场景落地实践

天翼云CDN云化项目背景​

天翼云CDN业务背景​

中国电信以“2+4+31+X”的资源布局加速云网融合。“X”是接入层面，把内容和存储放到离用户最近的地方，实现网随云动、入云便捷、云间畅达， 满足用户按需选择和低时延需求。天翼云虽然CDN起步较晚，但是目前基本的CDN功能已一应俱全，且资源储备丰富，支持精准调度，秉承质量优先， 整体业务发展正步入快车道。

边缘服务容器化背景​

与其他云厂商和传统的CDN厂商不同，天翼云CDN起步较晚，但也恰逢云原生理念大行其道。因此，我们选择了通过容器与k8s编排技术构建CDN PaaS平台，但是CDN 边缘服务尚未完成云原生改造。

存在的问题： 1）如何纳管大规模分布在边缘的CDN节点？ 2）如何对CDN边缘服务进行可靠的部署和升级？ 3）如何构建统一、可扩展资源调度平台？

基于KubeEdge的边缘节点管理​

CDN物理节点架构​

CDN提供的缓存加速服务，解决最后一公里加速问题。 为了满足就近接入和快速响应， 大部分CDN节点需要部署到近用户侧，通过CDN 全局流量调度系统将用户访问接入到就近节点。通常CDN节点具有呈离散分布的特点，大部分以各地区域IDC和地市级别IDC机房资源为主，每个边缘机房根据出口带宽和服务器资源规划，搭建多个CDN服务集群。

边缘服务容器化技术选型​

在考虑做容器化的过程中，我们前期进行了技术选型和研究，主要是三个方向： 标准K8s：边缘节点以标准worker节点加入到master，但这种方式也会存在问题，如果连接过多容易造成Relist，k8s master端负载压力大；网络波动，造成pod被驱逐，导致不必要重建 分节点接入CDN边缘节点：分集群部署K8s或K3s。这种方式的控制面与集群过多，无法构建统一的调度平台，而且每个KPI集群若按高可用方式部署也至少需要3台，会过度占用机器资源； 云边接入：通过KubEedge方式接入，按照这种方式，可以收敛边缘节点连接，接入统一的K8S集群，并且提供云边协同，边缘自治等能力，还保留了大部分K8s的原生能力。

基于Kubeedge边缘节点纳管方案​

上图是我们目前架构的示意图，我们在各区域中心及数据中心建若干个K8s集群，K8s集群下面是边缘按就近规划的接入到区域的集群。 为了避免单点接入，以及单k8s集群cloudcore 负载过大的问题，在各大区建设K8s集群，用于边缘节点的接入和应用编排管理。但在社区早期1.3版本中，当时提供的高可用方案只是单组多重这种高可用方式，而实际是无法满足我们大规模纳管的性能要求，因此我们后面在社区推出多组部署方式。 这种部署方式在早期使用的过程中并没有问题，但当接入的边缘节点，还有部署的容器数量过多时，这个问题就逐渐暴露出来：

cloudcore 多副本部署连接不均衡问题​

上图为hub到upstream 最终提交到apiserver的示意图。中间 upstream模块有一部分的分发，它是用单携程的方式来运行，中间upstream模块，因为只有单携程，会导致消息提交过慢，边缘节点的一些node无法及时提交给apiserver，最终引起我们部署方面的一些异常。 后面我们把cloudcore按多副本去部署，又出现了在cloudcore进行升级或者一些意外重启过程中，会发现连接不均衡的问题。为了解决这个问题，我们在多副本之前，部署了4层的lb，并在lb上配置了诸如listconnection的负载均衡策略，但实际上像 ls这种负载4层的负载平衡，它都有一些筛选的缓存机制，并不能保证连接的均衡的分配。 基于以上背景我们进行了优化：

cloudcore多副本均衡优化方案​

① cloudcore 每个实例在启动后各自 通过configmap 的方式上报实时的连接数等信息； ② cloudcore结合本地实例与其他实例的连接数， 计算每个机器的期望连接数 ③ 计算本地连接数与期望连接数的相差比例，相差比例大于最大可容忍连接数差，进入连接待释放阶段，并进入一个30s 观察周期； ④ 观察过后，进入下一个检测周期，直到连接均衡。

边缘应用服务部署​

CDN加速服务整体流程​

CDN它主要分为两大核心系统：调度系统和缓存系统。调度系统会实时采集全网的CDN链路情况，实时的节点的情况，以及节点的带宽成本的情况，从而决策出最优调度的覆盖数据，将这个数据推给Local Dns或302或hds的一个的调度器。 Local Dns拿到最优数据后，来进行 Dns的解析响应，用户端通过解析响应可就近接入到边缘集群，边缘集群因为涉及到缓存，有可能涉及到miss，如果miss后，它会回到上一层的缓存，一般会有两层或者三层的中转的缓存，最终回到原状。

如果中转的缓存也没有，数据会再回到云站，这是CDN服务的整体流程。 在缓存系统，一般不同产品的缓存会使用不同的服务，比如面向直播的流媒体的加速服务和一些静态的加速会有一些区别。这也给开发和维护造成了一些成本，后面它们的融合可能也是一个趋势。 CDN缓存服务的特点 1、资源独占：缓存服务是要最大利用存储，机器上的存储和带宽的资源的一个服务，所以说它需要独占 2大规模高服用：规模很大，覆盖广，同个软件或同一台机器的缓存服务，可能要承接上万个域名，甚至10万域名 3、容灾分区故障：容忍组内小部分节点的缓存丢失，或者是全局有少量的节点缓存失效，缓存过多会造成击穿，反之击穿就回到上层的缓存，造成访问延迟变大，最终引起服务异常。 4高可用：4/7层LB具备实时探测和切流、引流能力；L4 LB保证组内主机间的流量均衡；L7 LB通过一致性哈希尽量保证让每个url在组内只存一份副本

从以上的特征，我们看到CDN在部署中，要解决以下问题： 1）如何让节点容器有序和可控的升级？ 2）如何进行版本的A/B 测试？ 3）如何对升级过程进行校验？

我们的升级部署方案包括​

分批升级与组内升级并发控制： 创建分批升级任务； 控制器按指定机器进行升级 细粒度版本设置： 创建主机粒度版本映射； 控制器增加pod 版本选择逻辑 优雅升级： 通过lifecycle的 prestop/postStart 实现常规切流与恢复； 特殊场景联动GSLB进行切流； 升级校验：Controller与监控系统联动，升级过程发现服务异常，及时终止与回滚； 编排安全防护：Workload 粒度与pod粒度通过Adminsion Webhook增加校验是否符合期望修改与删除；

基于kubeedge CDN边缘容器容灾与迁移​

迁移步骤：

1. 备份etcd，在新集群中restore；
2. 切换接入DNS；
3. 重启cloudcore 断开云边hub连接；

优点： 1、成本低，由于KubeEdge的边缘自治特性，边缘容器无重建，服务无中断； 2. 流程简单，可控，服务安全性高；

CDN大规模文件分发​

需求场景： •CDN边缘服务配置 •GSLB调度决策数据 •容器镜像预热任务

未来架构演进方向思考​

边缘计算挑战​

资源管理：分布广泛，种类多，架构、规格不统一 网络时延、可靠：异构网络，移动网络等弱网环境，带宽受限，稳定性不足 安全：边缘服务更难形成统一的安全防护体系 业务多样：场景、业务种类多样

基于CDN的边缘计算平台基础能力​

资源： CDN节点覆盖广、潮汐特性特性资源冗余； 通过Kubeedge提供了云边协同； 可延伸端侧，具有异构资源部署与管理能力； 调度与网络： 专用EDNS支持地市级精准调度 ， 实现真正就近接入； CDN服务与边缘计算服务统一调度； 云边专用网络，管理通道、数据回传、动态加速网络更可靠； 大规模V6支持 安全能力： CDN Waf 抗D、流量清洗、近源拦截等; 证书加速与安全，SSL硬件卸载、keyless无私钥方案，提供边缘安全接入； 网关： 边缘调度与丰富的负载均衡能力； 通用协议处理能力，常规流媒体协议，满足大多互联网加速场景

CDN边缘计算演进​

边缘基础设施建设 节点扩展边缘计算与CDN混合节点 节点粒度的service mesh网络 完善容器隔离与安全 CDN网关ingress 化、通用化 CDN边缘资源虚拟化 构建边缘serverless 容器平台 构建CDN调度与容器统一资源调度平台

业务探索​

离线计算类、视频编转码、视频渲染 批量作业 拨测、压测类