vivo自研Jenkins资源调度系统设计与实践

公众号新闻

2023-02-13 14:02

作者：vivo 互联网服务器团队- Wu Qinghua

本文从目前业界实现Jenkins的高可用的实现方案，分析各方案的优缺点，引入vivo目前使用的Jenkins高可用方案，以及目前Jenkins资源的调度方案的设计实践和目前的落地运行效果。

一、前言

现在的企业很多都在用Jenkins做持续集成，各个业务端都依靠Jenkins，vivo Devops也是使用Jenkins来进行持续构建，部署Jenkins服务时如何保障服务的高可用变得尤为重要。

下面是目前Jenkins存在的一些问题。

Jenkins本身是单体的，即只能有一个Jenkins Master。虽然你也可以在多台机器上部署多个Jenkins Master，但这些Master之间没有联系，都是各自把任务交给手下的slave去执行，没有任何交集。
也许某个master下的slave很忙，而另一个master下的slave却很闲，资源得不到充分利用。
当其中一个slave宕机之后，该slave上的运行的job任务没有版本重新进行分配，需要用户重新执行。并且slave节点离线之后没有通知管理员。
当系统业务量比较大的时候业务请求集中在Jenkins Master上，会对Jenkins造成压力，甚至的造成Jenkins服务不可用。
当有job任务在jenkins Master上队列排队的时候，Jenkins Master宕机后，队列任务不可持久化。
Jenkins Workspace没有自动清理功能，会导致磁盘空间不足，任务执行不了的情况。

基于以上情况，vivo Devops对Jenkins的部署架构进行优化搭建，并且配套了一套Jenkins资源调度系统用于管理Jenkins资源。

二、业界实现

目前业界也包含一些Jenkins 高可用的设计方式，但是并不能完全的满足解决上述问题，比如：

2.1 方案一 Gearman + Jenkins

这是OpenStack团队使用的方案。这个方案使用了gearman， gearman是个任务分发框架。

需要在每个Master上安装好gearman的插件，并配置好能连接到gearman server，同时在每个Master必须建立相同的job。

之后运行任务的流程如下：

gearman worker运行在各个Jenkins Master中等待gearman server分发任务；
gearman client向gearman server发出运行job的请求；
gearman server通知各个gearman worker有任务拉，第一个闲着的worker会接受任务，如果所有的worker都忙，则放入gearman的任务队列，得worker空闲时再分配；
gearman worker闲下来后会从任务队列里取job来执行，执行完之后，将结果发回给gearman server;
gearman server将结果返回给 gearman client。

优点：

这样各个salver资源可以得到充分利用，某个master挂掉另外的master可以继续服务。

弊端：

每个master的slave必须配置一致，否则会造成job调度错误，同时会造成一些资源的浪费。当一个master出现问题，该master的任务不会进行自动重新分配。

2.2 方案二改造Jenkins的文件存储方式

目前Jenkins的配置文件都是直接在硬盘上以文件形式存储的，你在JENKINS_HOME的个文件夹下能看到各种.xml文件。有些公司在Jenkins上进行二次开发，将Jenkins的数据存储方式改为数据库存储，这样前端可以起多个Jenkins服务，后端连相同的数据库即可。数据库也有比较成熟的高可用方案。

优点:

可以达到Jenkins的高可用也就是某个master挂掉另外的master可以继续服务。

弊端：

需要对Jenkins进行二次开发，使用数据库会降低读取资源效率下降。

2.3 方案三最简单的Jenkins一主一备模式

平时让Jenkins A机器提供服务，并使用SCM Sync configuration plugin保存数据，JenkinsA机器修改配置后触发Jenkins B更新配置，一旦Jenkins A出现问题挂掉后，切换到备机Jenkins B上。

优点:

可以达到Jenkins的高可用，当master宕机后会进行切换到备机上。

弊端:

会有一批Jenkins备机存在资源浪费，切换master时间过长，会导致有段时间Jenkins服务不可用。

三、vivo Jenkins Scheduler系统目标

由于目前业界的一些实现还不能完全的满足我们目前的需求，所以我们进行了vivo jenkins scheduler系统的设计与实现。该系统需要达到如下的目的：

提升整个构建服务可靠性时长。
保证jenkins集群的高可用，解决目前master-slave的单点问题，保证整个构建服务的可靠性时长。
降低灾难时服务恢复时长。
①提供精准流控方式，在jenkins构建出现请求量过高的时候可以进行流控和持久化操作，减少对目前系统的冲击。
②当系统压力减少后，放开流控可以快速的对堆积的请求进行分配执行。
有效分配任务至各个子节点，保证资源的有效利用。
能保证灾难时的及时切换任务至可用节点上，同时能快速的通知管理员进行处理。
能进行数据的可视化分析，能提供一系列帮助改善开发效率的视图，比如构建时长报表、构建量报表等。

四、 vivo Jenkins Scheduler设计

该系统我们从两大部分进行了设计，首先，我们不采用原生的Jenkins部署方案，而是采用全master的方式。第二，设计并开发了一套用于管理Jenkins集群的调度系统。

五、底层 Jenkins 工具部署方案

不采用目前单master的搭建方案，采用多master的搭建方案，master下不进行挂载slave机器，任务直接有master进行处理，master之间的关系、任务分配、离线、插件安装等由调度系统进行管理。这样由于vivo Jenkins Scheduler系统为高可用的，解决了目前Jenkins的单点问题。

六、系统架构图

七、系统说明

7.1 API-Gateway

主要提供系统的外部请求，网关系统，功能包含：

权限校验：校验用户发送集群管理系统的请求的权限。
智能路由：接收外部一切请求，并转发到后端的外服上去。
限流：与监控线程配合（当构建请求达到某个阈值时），进行限流操作。
API日志统一收集：类似于一个aspect切面，记录接口的进入和出去时的相关日志。
数据处理：对请求的参数进行数据的转换处理。

7.2 事件中心

是整个系统通信调用的主要模块，采用的是Spring的Event机制实现，主要核心事件如下：

Jenkins注册事件
（EVENT_REGIST_JENKINS）：
Jenkins启动后，通过自定的插件会向系统发送注册请求时，系统接收到后会触发Jenkins管理模块将Jenkins的信息注册至调度系统中。
Jenkins宕机事件
(EVENT_DOWN_JENKINS) :
监控管理轮询检查Jenkins状态，当发现有Jenkins宕机的情况会触发该事件，Jenkins管理模块处理将Jenkins的信息状态设置为不可用状态，从而是任务不能分配至该台jenkins。
任务从分配事件 (EVENT_JOB_REDO) :
当Jenkins宕机后，如果该台jenkins上存在未执行完的任务时候，由job监控模块触发，job管理莫管处理，会对该Jenkins上未执行的job进行重新分配。
任务接受事件 (EVENT_JOB_RECIVE) :
当job管理模块接受到创建请求，会触发该事件，由job管理模块放入Redis执行队列。
任务执行事件 (EVENT_JOB_EXECUTE) :
job管理模块中的执行线程(10s执行一次，会从Redis队列中弹出任务)，弹出任务后触发该事件，由调度中心选取合适的jenkins进行执行。

7.3 调度中心

是整个系统的核心模块，主要的功能是进行执行job时候能选取合适的jenkins进行处理任务，包含两个核心算法：

7.3.1 Jenkins分组算法

每台jenkins都可以使用标签的方式，打上多个标签，比如jenkins可以构建java程序，使用的构建工具可以是maven和gradle，这个时候我们就可以给其打上java、maven、gradle三个标签。

标签的维度主要有以下几个：

标签配置： 判断构建配置是否配置了标签，根据标签选择对应标签的Jenkins，比如配置了（docker等）。
构建语言： 根据构建配置的语言，比如Java、C++、Python、Go等。
构建工具和版本： 比如Maven、gradle、Ant，Cmark、Blade等。
JDK版本：比如JDK7、JDK8等。
Go语言版本：比如1.15.x.、1.16.x等。
GCC版本：如6.x、4.x等。
Python版本：2.x、3.x等。
是否存活：判断Jenkins是否存活，如果宕机直接过滤。
（可选策略）选择执行过该job的Jenkins，减少下载代码的过程：（第一次构建还是会比较慢，可以采用预执行的方式，在配置构建配置的时候，就预先执行一次，这样在用户执行的时候就使用该job执行过得workspace，减少代码下载的时间）。
（可选策略）根据job的构建的平均构建时长，如果构建时长达到某个配置阈值时，优先选择构建器空闲多的Jenkins进行执行，并指出Jenkins的锁定功能。其他的job不允许分配上来。