雲原生生態週報 Vol. 12 | K8s 1.16 API 重大變動

本文做者：源3、臨石、張磊、莫源

業界要聞

1. K8s 1.16 將廢棄一系列舊的 API 版本

影響面涉及 NetworkPolicy、PodSecurityPolicy、DaemonSet, Deployment, StatefulSet, ReplicaSet 和 Ingress。請各位 K8s 用戶和開發者關注，相關 API 都是進行了以下遷移：

• NetworkPolicy: 在 v1.16 中再也不使用 extensions/v1beta1；

  • 遷移到 networking.k8s.io/v1 API，自 v1.8 以後可用，存量數據能夠經過新的API獲取和更新。

• PodSecurityPolicy：在 v1.16 再也不使用 extensions/v1beta1；

  • 遷移到 policy/v1beta1 API，自 v1.10 以後可用，存量數據能夠經過新的 API 獲取和更新。

• Deamon Set、Deployment、StatefulSet 和 ReplicaSet：從 v1.16 開始將再也不經過 extension/v1beta一、apps/v1beta一、或 apps/v1beta2 提供；

  • 遷移到 apps/v1 API，自 v1.9 已經可用，存量數據能夠經過新的 API 獲取和更新。

• Ingress：從 v1.18 開始再也不經過 extensions/v1beta1 提供；

  • 遷移到 networking.k8s.io/v1 API，存量數據能夠經過新的 API 獲取和更新 詳細信息：https://kubernetes.io/blog/2019/07/18/api-deprecations-in-1-16/

2. Prometheus 持續備受矚目，多家雲廠商推出託管或集成服務

做爲 CNCF 下的另外一個成功項目，Prometheus 已經被在微軟 Azure 上與 Azure Monitor 進行集成，現已進入預覽階段。 上個月，阿里雲推出了託管版的 Prometheus 監控產品，支持白屏化安裝 exporter，開箱即用的監控大盤，開源組件全兼容，無需運維基礎能力無償使用。此外，阿里雲也推出了開源加強的 Prometheus 解決方案，在採集指標豐富度、採集指標準確性等方面作了加強，支持使用阿里雲 TSDB 時序數據庫作數據的持久化與高可用，能夠簡單方便的經過 Helm Chart 進行一鍵安裝管理。

上游重要進展

Kubernetes 設計加強提議（KEP）

• IPv6 支持進入 Beta 階段；
• Cloud Provider Label 準備 GA 目前的 cloud provider label 都是 beta，計劃去掉並修改。

Knative 項目

• 計劃 8 月 6 日發佈 Serving 0.8，相關的 issue 主要是可用性和穩定性的改善；
• 加強直接從 source 消費 event 的易用性，肯定了擴展 Knative CLI 的場景以及須要修改事件使用模型。

開源項目推薦

kopf

一個面向 Python 用戶的 Kubernetes Operator Framework。它提供了一組簡潔的原語，使得用戶能夠用簡單的 Python 代碼來快速實現一個 Operator，而且經過這些原語屏蔽掉 Operator 的技術細節，專一在 Operator 裏面的運維邏輯上。

本週閱讀推薦

《Best Practices: Benchmarking Service Mesh Performance》
文章介紹對 Service Mesh 性能（Istio）進行 Benchamark 的最佳實踐。
《451 Research 的 Cloud Price Index》
第三方機構推出商業調研報告，針對全球不一樣區域的公有云和私有云價格提供了其分析和洞察。
《Cloud-Native CI/CD with OpenShift Pipelines》
介紹了在 OpenShift 4.1 中發佈的 OpenShift Pipelines 開發者預覽版（developer preview），OpenShift Pipelines 這是 OpenShift 對 Tekton 項目的集成實踐。
《Avoid time-of-measurement bias with Prometheus》
咱們目前有不少工具（例如 Prometheus）來監控咱們一個 Server 的性能，可是不少狀況下，一個 Server 的服務是由後面的不少 worker 以異步的方式提供的。
在實踐中常常發生的狀況是：儘管咱們由各類各樣的 Metrics，可是咱們仍是不知道那些異步提供服務的 worker 究竟在作什麼，而這常常致使咱們（儘管手頭一堆工具）不能快速定位問題。這篇博客經過一個經典案例描述了其中的痛點和實踐辦法，同時介紹了開源工具：https://github.com/lawrencejones/prometheus-client-tracer-ruby