Kubernetes性能测试实践

本文由  网易云 发布。

 

概述

随着容器技术的发展，容器服务已经成为行业主流，然而想要在生产环境中成功部署和操作容器，关键还是容器编排技术。市场上有各种各样的容器编排工具，如Docker原生的Swarm、Mesos、Kubernetes等，其中Google开发的Kubernetes因为业界各大巨头的加入和开源社区的全力支撑，成为了容器编排的首选。

简单来讲，Kubernetes是容器集群管理系统，为容器化的应用提供资源调度、部署运行、滚动升级、扩容缩容等功能。容器集群管理给业务带来了便利，但是随着业务的不断增长，应用数量可能会发生爆发式的增长。那在这种情况下，Kubernetes能否快速地完成扩容、扩容到大规模时Kubernetes管理能力是否稳定成了挑战。

因此，结合近期对社区Kubernetes性能测试的调研和我们平时进行的kubernetes性能测试实践，和大家探讨下Kubernetes性能测试的一些要点，不足之处还望大家多多指正！

测试目的

如上Kubernetes架构图所示，无论外部客户端，还是Kubernetes集群内部组件，其通信都需要经过Kubernetes的apiserver，API的响应性决定着集群性能的好坏。

其次，对于外部客户而言，他只关注创建容器服务所用的时间，因此，pod的启动时间也是影响集群性能的另外一个因素。

目前，业内普遍采用的性能标准是：

• API响应性：99%的API调用响应时间小于1s。
• Pod启动时间：99%的pods（已经拉取好镜像）启动时间在5s以内。

“pod启动时间”包括了ReplicationController的创建，RC依次创建pod，调度器调度pod，Kubernetes为pod设置网络，启动容器，等待容器成功响应健康检查，并最终等待容器将其状态上报回API服务器，最后API服务器将pod的状态报告给正在监听中的客户端。

除此之外，网络吞吐量、镜像大小（需要拉取）都会影响Kubernetes的整体性能。

测试要点

一、社区测试Kubernetes性能的关键点

1. 当集群资源使用率是X%（50%、90% 、99%等不同规模下）的时候，创建新的pod所需的时间（这种场景需要提前铺底，然后在铺底基础上用不同的并发梯度创建pod，测试pod创建耗时，评估集群性能）。在测试kubernetes新版本时，一般是以老版本稳定水位（node、pod等）铺底，然后梯度增加进行测试。
2. 当集群使用率高于90%时，容器启动时延的增大（系统会经历一个异常的减速）还有etcd测试的线性性质和“模型建立”的因素。调优方法是：调研etcd新版本是否有解决该问题。
3. 测试的过程中要找出集群的一个最高点，低于和高于这个阈值点，集群性能都不是最优的。
4. 组件负载会消耗master节点的资源，资源消耗所产生的不稳定性和性能问题，会导致集群不可用。所以，在测试过程中要时刻关注资源情况。
5. 客户端创建资源对象的格式 —— API服务对编码和解码JSON对象也需要花费大量的时间 —— 这也可以作为一个优化点。

二、网易云容器服务Kubernetes集群性能测试关键点总结

集群整体

1. 不同的集群使用水位线（0%，50%， 90%）上，pod/deployment(rs 等资源)创建、扩缩容等核心操作的性能。可以通过预先创建出一批dp（副本数默认设置为3）来填充集群，达到预期的水位，即铺底。
2. 不同水位对系统性能的影响——安全水位，极限水位
3. 容器有无挂载数据盘对容器创建性能的影响。例如，挂载数据盘增加了kubelet挂载磁盘的耗时，会增加pod的启动时长。

测试kubernetes集群的性能时，重点关注在不同水位、不同并发数下，长时间执行压力测试时，系统的稳定性，包括：

• 系统性能表现，在较长时间范围内的变化趋势
• 系统资源使用情况，在较长时间范围内的变化趋势
• 各个服务组件的TPS、响应时间、错误率
• 内部模块间访问次数、耗时、错误率等内部性能数据
• 各个模块资源使用情况
• 各个服务端组件长时间运行时，是否出现进程意外退出、重启等情况
• 服务端日志是否有未知错误
• 系统日志是否报错

apiserver

1. 关注api的响应时间。数据写到etcd即可，然后根据情况关注异步操作是否真正执行完成。
2. 关注apiserver缓存的存储设备对性能的影响。例如，master端节点的磁盘io。
3. 流控对系统、系统性能的影响。
4. apiserver 日志中的错误响应码。
5. apiserver 重启恢复的时间。需要考虑该时间用户是否可接受，重启后请求或者资源使用是否有异常。
6. 关注apiserver在压力测试情况下，响应时间和资源使用情况。

scheduler

1. 压测scheduler处理能力

• 并发创建大量pod，测试各个pod被调度器调度的耗时（从Pod创建到其被bind到host）
• 不断加大新建的pod数量来增加调度器的负载
• 关注不同pod数量级下，调度器的平均耗时、最大时间、最大QPS（吞吐量）

    2. scheduler 重启恢复的时间（从重启开始到重启后系统恢复稳定）。需要考虑该时间用户是否可接受，重启后请求或者资源使用是否有异常。

    3. 关注scheduler日志中的错误信息。

controller

1. 压测 deployment controller处理能力

• 并发创建大量rc（1.3 以后是deployment，单副本），测试各个deployment被空感知并创建对应rs的耗时
• 观察rs controller创建对应pod的耗时
• 扩容、缩容（缩容到0副本）的耗时
• 不断加大新建deployment的数，测试在不同deployment数量级下，控制器处理deployment的平均耗时、最大时间、最大QPS（吞吐量）和控制器负载等情况

   2. controller 重启恢复的时间（从重启开始到重启后系统恢复稳定）。需要考虑该时间用户是否可接受，重启后请求或者资源使用是否有异常。

   3. 关注controller日志中的错误信息。

kubelet

1. node心跳对系统性能的影响。
2. kubelet重启恢复的时间（从重启开始到重启后系统恢复稳定）。需要考虑该时间用户是否可接受，重启后请求或者资源使用是否有异常。
3. 关注kubelet日志中的错误信息。

etcd

1. 关注etcd 的写入性能

• 写最大并发数
• 写入性能瓶颈，这个主要是定期持久化snapshot操作的性能

   2. etcd 的存储设备对性能的影响。例如，写etcd的io。

   3. watcher hub 数对kubernetes系统性能的影响。

作者：张文娟，网易测试工程师

了解 网易云 ：
网易云官网：https://www.163yun.com/
新用户大礼包：https://www.163yun.com/gift
网易云社区：https://sq.163yun.com/