引言

在现代云原生应用部署中，传统的Kubernetes Deployment虽然简单易用，但在生产环境中往往需要更精细的部署控制和更安全的发布策略。Argo Rollouts作为Kubernetes的高级部署控制器，提供了蓝绿部署、金丝雀部署、渐进式发布等多种高级部署策略，让应用发布变得更加安全、可控和自动化。

本文将为初次接触Argo Rollouts的读者提供全面的使用指南，包括核心概念、功能特性、实际案例和最佳实践，帮助您快速掌握这一强大的部署工具。

Argo Rollouts简介

什么是Argo Rollouts

Argo Rollouts是Argo项目的一部分，它是一个Kubernetes控制器，用于提供更高级的部署策略。与标准的Kubernetes Deployment不同，Argo Rollouts支持：

  • 蓝绿部署（Blue-Green Deployment）：零停机时间部署
  • 金丝雀部署（Canary Deployment）：渐进式流量切换
  • 渐进式发布（Progressive Delivery）：基于指标的自动发布
  • 回滚策略：快速回滚到之前的版本
  • 暂停和恢复：手动控制发布过程

核心优势

  1. 零停机部署：通过蓝绿部署策略实现真正的零停机时间
  2. 风险控制：金丝雀部署可以逐步验证新版本
  3. 自动化：基于Prometheus指标的自动发布决策
  4. 可视化：提供Web UI和CLI工具进行部署管理
  5. 与现有生态集成：与Istio、Linkerd、NGINX Ingress等无缝集成

安装和配置

前置条件

  • Kubernetes集群（1.16+）
  • kubectl已配置
  • 可选：Prometheus（用于指标分析）

安装Argo Rollouts

1
2
3
4
5
6
# 安装Argo Rollouts控制器
kubectl create namespace argo-rollouts
kubectl apply -n argo-rollouts -f https://github.com/argoproj/argo-rollouts/releases/latest/download/install.yaml

# 验证安装
kubectl get pods -n argo-rollouts

安装Argo Rollouts CLI工具

1
2
3
4
5
6
7
# 下载kubectl-argo-rollouts插件
curl -LO https://github.com/argoproj/argo-rollouts/releases/latest/download/kubectl-argo-rollouts-linux-amd64
chmod +x kubectl-argo-rollouts-linux-amd64
sudo mv kubectl-argo-rollouts-linux-amd64 /usr/local/bin/kubectl-argo-rollouts

# 验证安装
kubectl argo rollouts version

核心概念

Rollout资源

Argo Rollout使用自定义资源Rollout来替代标准的Deployment：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
apiVersion: argoproj.io/v1alpha1
kind: Rollout
metadata:
  name: example-rollout
spec:
  replicas: 5
  strategy:
    blueGreen:
      activeService: active-service
      previewService: preview-service
  selector:
    matchLabels:
      app: example-app
  template:
    metadata:
      labels:
        app: example-app
    spec:
      containers:
      - name: example-app
        image: nginx:1.19

部署策略类型

  1. BlueGreen策略：创建两个完全相同的环境，快速切换
  2. Canary策略：逐步将流量从旧版本转移到新版本
  3. Mixed策略：结合蓝绿和金丝雀的混合策略

蓝绿部署实战

场景介绍

蓝绿部署是最安全的部署策略之一，特别适合对可用性要求极高的生产环境。它通过创建两个完全相同的环境（蓝色和绿色），在新版本部署完成后快速切换流量。

完整示例

1. 创建Service资源

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
# active-service.yaml
apiVersion: v1
kind: Service
metadata:
  name: active-service
spec:
  ports:
  - port: 80
    targetPort: 8080
  selector:
    app: example-app
---
apiVersion: v1
kind: Service
metadata:
  name: preview-service
spec:
  ports:
  - port: 80
    targetPort: 8080
  selector:
    app: example-app

2. 创建Rollout资源

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
# rollout-bluegreen.yaml
apiVersion: argoproj.io/v1alpha1
kind: Rollout
metadata:
  name: example-rollout
spec:
  replicas: 3
  strategy:
    blueGreen:
      activeService: active-service
      previewService: preview-service
      autoPromotionEnabled: false  # 禁用自动提升
      scaleDownDelaySeconds: 30    # 延迟删除旧版本
      prePromotionAnalysis:
        templates:
        - templateName: success-rate
        args:
        - name: service-name
          value: preview-service.default.svc.cluster.local:80
  selector:
    matchLabels:
      app: example-app
  template:
    metadata:
      labels:
        app: example-app
    spec:
      containers:
      - name: example-app
        image: nginx:1.19
        ports:
        - containerPort: 8080
        readinessProbe:
          httpGet:
            path: /
            port: 8080
          initialDelaySeconds: 10
          periodSeconds: 5

3. 部署应用

1
2
3
4
5
6
# 应用配置
kubectl apply -f active-service.yaml
kubectl apply -f rollout-bluegreen.yaml

# 查看部署状态
kubectl argo rollouts get rollout example-rollout

4. 更新镜像版本

1
2
3
4
5
# 更新到新版本
kubectl argo rollouts set image example-rollout example-app=nginx:1.20

# 查看部署进度
kubectl argo rollouts get rollout example-rollout

5. 手动提升到生产环境

1
2
# 手动提升（将流量切换到新版本）
kubectl argo rollouts promote example-rollout

蓝绿部署的优势

  • 零停机时间：新版本完全部署后才切换流量
  • 快速回滚：只需切换Service选择器即可回滚
  • 完全隔离：新旧版本完全隔离，互不影响
  • 易于验证：可以在切换前对新版本进行充分测试

金丝雀部署实战

场景介绍

金丝雀部署适合需要逐步验证新版本的场景，通过逐步增加新版本的流量比例，可以及时发现和解决问题。

完整示例

1. 创建Ingress资源（使用NGINX Ingress）

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
# ingress.yaml
apiVersion: networking.k8s.io/v1
kind: Ingress
metadata:
  name: example-ingress
  annotations:
    nginx.ingress.kubernetes.io/canary: "true"
    nginx.ingress.kubernetes.io/canary-weight: "0"
spec:
  rules:
  - host: example.com
    http:
      paths:
      - path: /
        pathType: Prefix
        backend:
          service:
            name: example-service
            port:
              number: 80

2. 创建Rollout资源

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
# rollout-canary.yaml
apiVersion: argoproj.io/v1alpha1
kind: Rollout
metadata:
  name: example-rollout
spec:
  replicas: 5
  strategy:
    canary:
      canaryService: canary-service  # required
      stableService: stable-service  # required
      steps:
      - setWeight: 20
      - pause: {duration: 60s}
      - setWeight: 40
      - pause: {duration: 60s}
      - setWeight: 60
      - pause: {duration: 60s}
      - setWeight: 80
      - pause: {duration: 60s}
      - setWeight: 100
      trafficRouting:
        nginx:
          stableIngress: example-ingress
  selector:
    matchLabels:
      app: example-app
  template:
    metadata:
      labels:
        app: example-app
    spec:
      containers:
      - name: example-app
        image: nginx:1.19
        ports:
        - containerPort: 8080

3. 部署和更新

1
2
3
4
5
6
7
8
9
# 应用配置
kubectl apply -f ingress.yaml
kubectl apply -f rollout-canary.yaml

# 更新镜像
kubectl argo rollouts set image example-rollout example-app=nginx:1.20

# 查看部署状态
kubectl argo rollouts get rollout example-rollout

4. 手动控制部署过程

1
2
3
4
5
6
7
8
# 暂停部署
kubectl argo rollouts pause example-rollout

# 继续部署
kubectl argo rollouts resume example-rollout

# 回滚到上一个版本
kubectl argo rollouts undo example-rollout

基于指标的渐进式发布

场景介绍

基于指标的渐进式发布是Argo Rollout的高级功能，它可以根据Prometheus指标自动决定是否继续发布或回滚。

配置示例

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
# rollout-with-analysis.yaml
apiVersion: argoproj.io/v1alpha1
kind: Rollout
metadata:
  name: example-rollout
spec:
  replicas: 5
  strategy:
    canary:
      steps:
      - setWeight: 20
      - pause: {duration: 60s}
      - analysis:
          templates:
          - templateName: success-rate
          args:
          - name: service-name
            value: example-service.default.svc.cluster.local:80
      - setWeight: 40
      - pause: {duration: 60s}
      - analysis:
          templates:
          - templateName: success-rate
          args:
          - name: service-name
            value: example-service.default.svc.cluster.local:80
      - setWeight: 100
      trafficRouting:
        nginx:
          stableIngress: example-ingress
  selector:
    matchLabels:
      app: example-app
  template:
    metadata:
      labels:
        app: example-app
    spec:
      containers:
      - name: example-app
        image: nginx:1.19
        ports:
        - containerPort: 8080
---
apiVersion: argoproj.io/v1alpha1
kind: AnalysisTemplate
metadata:
  name: success-rate
spec:
  args:
  - name: service-name
  metrics:
  - name: success-rate
    interval: 60s
    count: 5
    successCondition: result[0] >= 0.95
    provider:
      prometheus:
        address: http://prometheus.monitoring.svc.cluster.local:9090
        query: |
          sum(rate(http_requests_total{service="{{args.service-name}}",status!~"5.."}[5m])) /
          sum(rate(http_requests_total{service="{{args.service-name}}"}[5m]))

高级功能

1. 自动回滚

1
2
3
4
5
6
7
8
9
10
11
12
# 配置自动回滚
spec:
  strategy:
    canary:
      steps:
      - analysis:
          templates:
          - templateName: success-rate
          args:
          - name: service-name
            value: example-service.default.svc.cluster.local:80
          rollbackOnFailure: true  # 分析失败时自动回滚

2. 资源限制和HPA集成

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
# 与HPA集成的Rollout
apiVersion: argoproj.io/v1alpha1
kind: Rollout
metadata:
  name: hpa-rollout
spec:
  replicas: 5
  strategy:
    canary:
      steps:
      - setWeight: 20
      - pause: {duration: 60s}
      - setWeight: 100
  selector:
    matchLabels:
      app: example-app
  template:
    metadata:
      labels:
        app: example-app
    spec:
      containers:
      - name: example-app
        image: nginx:1.19
        ports:
        - containerPort: 8080
        resources:
          requests:
            memory: "64Mi"
            cpu: "250m"
          limits:
            memory: "128Mi"
            cpu: "500m"
---
apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
  name: example-hpa
spec:
  scaleTargetRef:
    apiVersion: argoproj.io/v1alpha1
    kind: Rollout
    name: hpa-rollout
  minReplicas: 3
  maxReplicas: 10
  metrics:
  - type: Resource
    resource:
      name: cpu
      target:
        type: Utilization
        averageUtilization: 70

最佳实践

1. 部署策略选择

  • 蓝绿部署：适合对可用性要求极高的生产环境
  • 金丝雀部署：适合需要逐步验证的场景
  • 基于指标的发布：适合有完善监控体系的环境

2. 监控和告警

1
2
3
4
5
6
7
8
9
10
11
12
# 配置监控指标
spec:
  strategy:
    canary:
      steps:
      - analysis:
          templates:
          - templateName: error-rate
          - templateName: response-time
          args:
          - name: service-name
            value: example-service.default.svc.cluster.local:80

3. 回滚策略

1
2
3
4
5
6
7
8
9
10
# 配置回滚策略
spec:
  strategy:
    canary:
      steps:
      - analysis:
          templates:
          - templateName: success-rate
          rollbackOnFailure: true
          rollbackOnError: true

4. 资源管理

  • 合理设置副本数，避免资源浪费
  • 使用资源限制确保应用稳定性
  • 配置HPA实现自动扩缩容

5. 安全考虑

  • 使用RBAC控制访问权限
  • 配置网络策略限制Pod间通信
  • 定期更新镜像版本修复安全漏洞

故障排除

常见问题

  1. 部署卡住

    1
    2
    3
    4
    5
    6
    7
    8
    # 检查Pod状态
    kubectl get pods -l app=example-app

    # 查看Rollout状态
    kubectl argo rollouts get rollout example-rollout

    # 查看事件
    kubectl describe rollout example-rollout

  2. 流量路由问题

    1
    2
    3
    4
    5
    # 检查Service配置
    kubectl get svc -o wide

    # 检查Ingress配置
    kubectl describe ingress example-ingress

  3. 指标分析失败

    1
    2
    3
    4
    5
    # 检查Prometheus连接
    kubectl get pods -n monitoring

    # 查看分析模板
    kubectl get analysistemplate

调试技巧

1
2
3
4
5
6
7
8
# 启用详细日志
kubectl logs -n argo-rollouts deployment/argo-rollouts-controller -f

# 查看Rollout详细状态
kubectl argo rollouts get rollout example-rollout --watch

# 导出Rollout配置
kubectl argo rollouts get rollout example-rollout -o yaml

总结

Argo Rollouts为Kubernetes提供了强大的高级部署策略，通过蓝绿部署、金丝雀部署和基于指标的渐进式发布，可以显著提高应用部署的安全性和可靠性。

关键要点

  1. 选择合适的部署策略：根据业务需求选择蓝绿、金丝雀或混合策略
  2. 配置完善的监控：使用Prometheus指标进行自动化决策
  3. 实施最佳实践：合理配置资源、设置回滚策略、管理权限
  4. 持续优化：根据实际运行情况调整部署参数

相关资源

通过本文的学习，您应该能够熟练使用Argo Rollouts进行高级部署管理，为您的Kubernetes应用提供更安全、更可靠的发布策略。

本文由 AI 辅助生成，如有错误或建议，欢迎指出。