Mesos在Qunar的应用
大家好，我是来自Qunar OpsDev团队的工程师徐磊。今天与大家分享下Mesos在我们团队内部的应用。
我们是在今年的5月份开始调研并尝试使用Mesos，第一个试点就是我们的日志平台，将日志分析全部托管在了Mesos平台上。这个平台面向业务线开发/测试/运营人员，方便定位/追溯线上问题和运营报表。
这个是我们平台的结构概览。
日志分析我们使用ELK（Elasticsearch，Logstash，Kibana），这三个应该说是目前非常常见的工具了。而且方案成熟， 文档丰富，社区活跃（以上几点可以作为开源选型的重要参考点）。稍微定制了下Kibana和Logstash，主要是为了接入公司的监控和认证体系。
日志的入口有很多，如kernel,mail,cron,dmesg等日志通过rsyslog收集。业务日志通过flume收集，容器日志则使用mozilla的heka和fluentd收集。
这里稍稍给heka和fluentd打个广告，两者配合收集Mesos平台内的容器日志非常方便，可以直接利用MESOS_TASK_ID区分容器（此环境变量由Mesos启动容器时注入）。而且我们也有打算用heka替换logstash。
下面主要分享一下Mesos这块，我们使用了两个框架：Marathon和Chronos，另外自己开发了一个监控框架Universe。
先说Marathon，eventSubscriptions是个好功能，通过它的httpcallback可以有很多玩法，群里经常提到的bamboo就是利用这个功能做的。利用好这个功能，做容器监控就非常简单了。
接着是Marathon的重启（更新），推荐设置一下minimumHealthCapacity，这样可以减少重启（更新）时的资源占用，防止同时PUT多个应用时耗光集群资源。
服务发现，Marathon提供了servicerouter.py导出haproxy配置，或者是bamboo，但是我们现在没有使用这两个。 而是按协议分成了两部分，HTTP协议的服务是使用openresty开发了一个插件，动态加载Marathon（Mesos）内的应用信息，外部访问的 时候proxy_pass到Mesos集群内的一个应用，支持upstream的配置。
非HTTP的应用，比如集群内部的statsd的UDP消息，我们就直接用Mesos DNS + 固定端口来做了。随即端口的应用依赖entrypoint拉取域名+端口动态替换。
带有UNIQUE attribute的应用，官方目前还无法做到自动扩容，从我们的使用情况来看，基于UNIQUE方式发布的应用全部是基础服务，比如 statsd，heka（收集本机的docker日志），cadvisor（监控容器）等，集群新加机器的时候Marathon不会自动scale UNIQUE实例的数量，这块功能社区正在考虑加进去。我们自己写了一个daemon，专门用来监控UNIQUE的服务，发现有新机器就自动scale， 省的自己上去点了。
另外一个问题，资源碎片化，Marathon只是个框架，关注点也不在这里。Mesos的UI里虽然有统计，但是很难反应真实的情况，于是我们就 自己写了一个Mesos的框架，专门来计算资源碎片和真实的余量，模拟发布情况，这样我们发布新应用或者扩容的时候，就知道集群内真实的资源余量能否支持 本次发布，这些数据会抄送一份给我们的监控/报警系统。Chronos我们主要是跑一些定时清理和监控的脚本。
docker这块，我们没有做什么改动，网络都使用host模式。Docker的监控和日志上面也提到了，我们用的是cadvisor和heka，很好很强大，美中不足的是cadvisor接入我们自己的监控系统要做定制。
我们也捣鼓了一个docker ssh proxy，可能是我们更习惯用虚拟机的缘故吧，有时候还是喜欢进入到容器里去干点啥的（其实业务线对这个需求更强烈），就是第一张图里的 octopus，模拟docker exec -it的工作原理，对接Mesos和Marathon抓取容器信息。这样开发人员在自己机器上就能SSH到容器内部debug了，也省去了申请机器账号的 时间了。
接着说说我们的日志平台。这个平台的日志解析部分全部跑在Mesos上，平台自身与业务线整合度比较深，对接了一些内部系统，主要是为了考虑兼容性和业务线资源复用的问题，我尽量省略与内部系统关联的部分，毕竟这块不是通用性的。
平台目前跑了有600+的容器，网络是docker自带的host模式，每天给业务线处理51亿+日志，延时控制在60～100ms以内。
最先遇到的问题是镜像，是把镜像做成代码库，还是一个运行环境？或者更极端点，做一个通用的base image？结合Logstash，heka，statsd等应用特点后，我们发现运行环境更适合，这些应用变化最大的经常是配置文件。所以我们先剥离配 置文件到gitlab，版本控制交给Gitlab，镜像启动后再根据tag拉取。
另外，Logstash的监控比较少，能用的也就一个metrics filter，写Ruby代码调试不太方便。索性就直接改了Logstash源码，加了一些监控项进去，主要是监控两个queue的状态，顺便也监控了下EPS和解析延时。
Kafka的partition lag统计跑在了Chronos上，配合我们每个机房专门用来引流的Logstash，监控业务线日志的流量变得轻松多了。
容器监控最开始是自己开发的，从Mesos的接口里获取的数据，后来发现hostname：UNIQUE的应用Mesos经常取不到数据，就转而 使用cadvisor了，对于Mesos/Marathon发布的应用，cadvisor需要通过libcontainer读取容器的 config.json文件，获取ENV列表，拿到MESOS_TASK_ID和MARATHON_APP_ID，根据这两个值做聚合后再发到 statsd里（上面提到的定制思路）。
发布这块我们围绕这Jenkins做了一个串接。业务线的开发同学写filter并提交到gitlab，打tag就发布了。发布的时候会根据集群 规划替换input和output，并验证配置，发布到线上。本地也提供了一个sandbox，模拟线上的环境给开发人员debug自己的filter 用。
同时发布过程中我们还会做一些小动作，比如Kibana索引的自动创建，dashboard的导入导出，尽最大可能减少业务线配置Kibana的 时间。每个应用都会启动独立的Kibana实例，这样不同业务线间的ACL也省略了，简单粗暴，方便管理。没人使用的时候自动回收Kibana容器，有访 问了再重新发一个。
除了ELK，我们也在尝试Storm on Mesos，感觉这个坑还挺多的，正在努力的趟坑中。扫清后再与大家一起交流。
今天的内容就到这里，感谢大家。
Q：基础架构里面，数据持久化怎么做的？使用是么架构的存储？
A：持久化剥离在集群外部，Mesos0.23提供了持久化的支持，但是没敢上到生产环境中。
Q：Storm on Mesos，快可用了吗？是否跟Spark on Mesos做过比较？
A：Storm on Mesos的代码在github可以找到，说实话只是基础功能，许多资源的控制和attributes的东西都没有做，而且我们的测试发现storm on mesos的消息ack特别慢。不建议直接拿来就跑。
Q：发布用的业务镜像是怎么制作的，平台有相关功能支持吗？还是用户手工做好上传？
A：Jenkins build的镜像，可以用Jenkins on Mesos这个框架，安装docker和mesos插件就可以开始用了。
Q：上周我做了一个本地容器，但还是对容器的理解有点问题。帮忙讲解一下本地容器的工作原理
A：本地容器是啥。。。我没太理解这个含义
Q：做这么个平台用多大规模的团队开发的？用了多久？
A：开始2个人，最多的时候5个人，现在保持在4个人。从5月份到现在一点一点测试，扩容慢慢堆出来的。
Q：镜像存储单机应该是不行的，你们是怎么管理镜像的？
A：镜像放swift里了
Q：docker采用host方式，是什么考虑或者限制，效果怎么样
A：平台本身就是大吞吐量的，bridge模式性能测试都偏低，就选择了host模式跑了。
Q：mesos的调度算法是怎样的？有没有做容器的高可用？
A：双层调度，底层offer一个资源列表给framework，framework根据cpu和mem去列表中过滤，选中合适的slave部署，framework层的调度可以随意实现。Marathon已经帮忙做了高可用。
Q：如何在mesos栈的各级上实现容错和资源的分配？
A：没太明白问题，能在详细点描述么？
Q：使用效果如何？600容器部在多少台机器上，cpu和内存使用率多少？有什么提升资源使用率的策略吗？
A：效果达到预想了，600台分部在了混合集群上，有VM和实体机，全部折算的话大概30台左右吧，目前资源还有富余，主要是预留buffer。不推荐跑虚拟机，Mesos的资源分配就是一刀切，即使没用也算的，所以虚拟机利用率会很低。
Q：mesos在哪一层面实施了paxos投票？
A：leader的选举，mesos其实是两套选举，即使zk挂了mesos master也可以自己选举leader。
Q：为什么选择heka，而不是fluend。然后logstash有什么问题
A：fluent和heka我们都在用，都是收容器日志，heka可以从容器的ENV里读更多东西出来。换logstash主要看重了heka的监控，资源占用和处理速度。
Q：会涉及数据卷的迁移吗，有什么好解决方案？
A：目前平台里没有持久化的东西。这块不敢说用什么合适，我们也没开始尝试
Q：镜像做成代码库和运行环境具体是什么意思，为什么运行环境方式合适
A：镜像具体做成什么样要根据自己的应用来判断，我们用的logstash，statsd什么的，都是配置文件描述流程的，所以我们选择了运行环境的方式。
Q：镜方式像做成代码库和运行环境具体是什么意思
A：代码库就是说你把你工程的代码，配置什么的都全部打成一个镜像。 运行环境就是有一些bin或者java，php这些工具的，启动后才下载代码，配置。
Q：你们会不会遇到跨机房的MesOS问题啊。如果跨机房，怎么办？
A：有跨机房的情况，我们机房间有logstash专门转发日志流量，统一管控。
Q：比如数据库初始化的脚本，做在镜像里合适还是有其他方式比较好？
A：db的数据文件其实挺难脱离外层的应用单独说的，因为有业务线代码引起的schema变更，最好先解决db ci的问题，然后再考虑数据何时加载，可以映射上对应schema的时候，db文件可以先从swift等共享存储直接下载到本地使用，或者用脚本重新初始 化也可以，我们的快速rebuild环境正在试验。业务线还不敢这么来。
Q：用运行环境方式，容器启动后再拉代码和配置，不符合docker设计镜像的初衷吧，怎么做到一处打包到处运行？镜像不是完整可执行的
A：主要是代码库版本和镜像的tag如何映射，为了简单点可以考虑启动后下载代码，如果代码已经编译好放到了共享存储里直接下载代码包也可以。我们目前没有考虑过把代码库版本和镜像tag映射这个问题。
Q：Mesos资源统计会出现与实际不符？你们的解决思路是什么？
A：要看是什么资源了，Mesos的划资源的格子属于一刀切的方式，即使你没用满也会被归入已使用的资源里，如果从这个角度看，实际运行的资源和 Mesos内上报的资源确实不一致，但是考虑到计算资源的周期性，突发性，还是推荐以Mesos上报的资源为准。我们自己跑在Mesos上的监控 framework本身也是这么做的。
Q：cadvisor好像只能监控单机容器情况，那对于集群的容器监控，使用ca怎么处理呢
A：我们目前是cadvisor聚合好以后发给我们的公司的监控平台，由监控平台统一处理。最新版已经merge了许多storage-driver了，statsd值得试一下。