Istio is the future！基本上，我相信對云原生技術趨勢有些微判斷的同學，都會有這個覺悟。其背后的邏輯其實是比較簡單的：當容器集群，特別是K8S成為事實上的標準之后，應用必然會不斷的復雜化，服務治理肯定會成為強需求。

Istio的現狀是，聊的人很多，用的人其實很少。所以導致我們能看到的文章，講道理的很多，講實際踩坑經驗的極少。

阿里云售后團隊作為一線踩坑團隊，分享問題排查經驗，我們責無旁貸。這篇文章，我就跟大家聊一個簡單Istio問題的排查過程，權當拋磚。

二分之一活的微服務

問題是這樣的，用戶在自己的測試集群里安裝了Istio，并依照官方文檔部署bookinfo應用來上手Istio。部署之后，用戶執行kubectl get pods命令，發現所有的pods都只有二分之一個容器是READY的。

# kubectl get pods NAME READY STATUS RESTARTS AGE details-v1-68868454f5-94hzd 1/2 Running 0 1m productpage-v1-5cb458d74f-28nlz 1/2 Running 0 1m ratings-v1-76f4c9765f-gjjsc 1/2 Running 0 1m reviews-v1-56f6855586-dplsf 1/2 Running 0 1m reviews-v2-65c9df47f8-zdgbw 1/2 Running 0 1m reviews-v3-6cf47594fd-cvrtf 1/2 Running 0 1m

如果從來都沒有注意過READY這一列的話，我們大概會有兩個疑惑：2在這里是什么意思，以及1/2到底意味著什么。

簡單來講，這里的READY列，給出的是每個pod內部容器的readiness，即就緒狀態。每個集群節點上的kubelet會根據容器本身readiness規則的定義，分別是tcp、http或exec的方式，來確認對應容器的readiness情況。

更具體一點，kubelet作為運行在每個節點上的進程，以tcp/http的方式（節點網絡命名空間到pod網絡命名空間）訪問容器定義的接口，或者在容器的namespace里執行exec定義的命令，來確定容器是否就緒。

這里的2說明這些pod里都有兩個容器，1/2則表示，每個pod里只有一個容器是就緒的，即通過readiness測試的。關于2這一點，我們下一節會深入講，這里我們先看一下，為什么所有的pod里，都有一個容器沒有就緒。

使用kubectl工具拉取第一個details pod的編排模板，可以看到這個pod里兩個容器，只有一個定義了readiness probe。對于未定義readiness probe的容器，kubelet認為，只要容器里的進程開始運行，容器就進入就緒狀態了。所以1/2個就緒pod，意味著，有定義readiness probe的容器，沒有通過kubelet的測試。

沒有通過readiness probe測試的是istio-proxy這個容器。它的readiness probe規則定義如下。

readinessProbe:failureThreshold: 30httpGet:path: /healthz/readyport: 15020scheme: HTTPinitialDelaySeconds: 1periodSeconds: 2successThreshold: 1timeoutSeconds: 1

我們登錄這個pod所在的節點，用curl工具來模擬kubelet訪問下邊的uri，測試istio-proxy的就緒狀態。

# curl http://172.16.3.43:15020/healthz/ready -v * About to connect() to 172.16.3.43 port 15020 (#0) *?? Trying 172.16.3.43... * Connected to 172.16.3.43 (172.16.3.43) port 15020 (#0) > GET /healthz/ready HTTP/1.1 > User-Agent: curl/7.29.0 > Host: 172.16.3.43:15020 > Accept: */*> < HTTP/1.1 503 Service Unavailable< Date: Fri, 30 Aug 2019 16:43:50 GMT < Content-Length: 0 < * Connection #0 to host 172.16.3.43 left intact

繞不過去的大圖

上一節我們描述了問題現象，但是留下一個問題，就是pod里的容器個數為什么是2。雖然每個pod本質上至少有兩個容器，一個是占位符容器pause，另一個是真正的工作容器，但是我們在使用kubectl命令獲取pod列表的時候，READY列是不包括pause容器的。

這里的另外一個容器，其實就是服務網格的核心概念sidercar。其實把這個容器叫做sidecar，某種意義上是不能反映這個容器的本質的。Sidecar容器本質上是反向代理，它本來是一個pod訪問其他服務后端pod的負載均衡。

然而，當我們為集群中的每一個pod，都“隨身”攜帶一個反向代理的時候，pod和反向代理就變成了服務網格。正如下邊這張經典大圖所示。這張圖實在有點難畫，所以只能借用，繞不過去。

所以sidecar模式，其實是“自帶通信員”模式。這里比較有趣的是，在我們把sidecar和pod綁定在一塊的時候，sidecar在出流量轉發時扮演著反向代理的角色，而在入流量接收的時候，可以做超過反向代理職責的一些事情。這點我們會在其他文章里討論。

Istio在K8S基礎上實現了服務網格，Isito使用的sidecar容器就是第一節提到的，沒有就緒的容器。所以這個問題，其實就是服務網格內部，所有的sidecar容器都沒有就緒。

代理與代理的生命周期管理

上一節我們看到，istio中的每個pod，都自帶了反向代理sidecar。我們遇到的問題是，所有的sidecar都沒有就緒。我們也看到readiness probe定義的，判斷sidecar容器就緒的方式就是訪問下邊這個接口。

http://<pod ip>:15020/healthz/ready

接下來，我們深入看下pod，以及其sidecar的組成及原理。在服務網格里，一個pod內部除了本身處理業務的容器之外，還有istio-proxy這個sidecar容器。正常情況下，istio-proxy會啟動兩個進程，pilot-agent和envoy。

如下圖，envoy是實際上負責流量管理等功能的代理，從業務容器出、入的數據流，都必須要經過envoy；而pilot-agent負責維護envoy的靜態配置，以及管理envoy的生命周期。這里的動態配置部分，我們在下一節會展開來講。

我們可以使用下邊的命令進入pod的istio-proxy容器做進一步排查。這里的一個小技巧，是我們可以以用戶1337，使用特權模式進入istio-proxy容器，如此就可以使用iptables等只能在特權模式下運行的命令。

docker exec -ti -u 1337 --privileged <istio-proxy container id> bash

這里的1337用戶，其實是sidecar鏡像里定義的一個同名用戶istio-proxy，默認sidecar容器使用這個用戶。如果我們在以上命令中，不使用用戶選項u，則特權模式實際上是賦予root用戶的，所以我們在進入容器之后，需切換到root用戶執行特權命令。

進入容器之后，我們使用netstat命令查看監聽，我們會發現，監聽readiness probe端口15020的，其實是pilot-agent進程。

istio-proxy@details-v1-68868454f5-94hzd:/$ netstat -lnpt Active Internet connections (only servers) Proto Recv-Q Send-Q Local Address?????????? Foreign Address???????? State?????? PID/Program name tcp??????? 0????? 0 0.0.0.0:15090?????????? 0.0.0.0:*?????????????? LISTEN????? 19/envoy tcp??????? 0????? 0 127.0.0.1:15000???????? 0.0.0.0:*?????????????? LISTEN????? 19/envoy tcp??????? 0????? 0 0.0.0.0:9080??????????? 0.0.0.0:*?????????????? LISTEN????? - tcp6?????? 0????? 0 :::15020??????????????? :::*??????????????????? LISTEN????? 1/pilot-agent

我們在istio-proxy內部訪問readiness probe接口，一樣會得到503的錯誤。

就緒檢查的實現

了解了sidecar的代理，以及管理代理生命周期的pilot-agent進程，我們可以稍微思考一下pilot-agent應該怎么去實現healthz/ready這個接口。顯然，如果這個接口返回OK的話，那不僅意味著pilot-agent是就緒的，而必須確保代理是工作的。

實際上pilot-agent就緒檢查接口的實現正是如此。這個接口在收到請求之后，會去調用代理envoy的server_info接口。調用所使用的的IP是localhost。這個非常好理解，因為這是同一個pod內部進程通信。使用的端口是envoy的proxyAdminPort，即15000。

有了以上的知識準備之后，我們來看下istio-proxy這個容器的日志。實際上，在容器日志里，一直在重復輸出一個報錯，這句報錯分為兩部分，其中Envoy proxy is NOT ready這部分是pilot agent在響應healthz/ready接口的時候輸出的信息，即Envoy代理沒有就緒；而剩下的config not received from Pilot (is Pilot running?): cds updates: 0 successful, 0 rejected; lds updates: 0 successful, 0 rejected這部分，是pilot-agent通過proxyAdminPort訪問server_info的時候帶回的信息，看起來是envoy沒有辦法從Pilot獲取配置。

Envoy proxy is NOT ready: config not received from Pilot (is Pilot running?): cds updates: 0 successful, 0 rejected; lds updates: 0 successful, 0 rejected.

到這里，建議大家回退看下上一節的插圖，在上一節我們選擇性的忽略是Pilot到envoy這條虛線，即動態配置。這里的報錯，實際上是envoy從控制面Pilot獲取動態配置失敗。

控制面和數據面

目前為止，這個問題其實已經很清楚了。在進一步分析問題之前，我聊一下我對控制面和數據面的理解。控制面數據面模式，可以說無處不在。我們這里舉兩個極端的例子。

第一個例子，是dhcp服務器。我們都知道，在局域網中的電腦，可以通過配置dhcp來獲取ip地址，這個例子中，dhcp服務器統一管理，動態分配ip地址給網絡中的電腦，這里的dhcp服務器就是控制面，而每個動態獲取ip的電腦就是數據面。

第二個例子，是電影劇本，和電影的演出。劇本可以認為是控制面，而電影的演出，包括演員的每一句對白，電影場景布置等，都可以看做是數據面。

我之所以認為這是兩個極端，是因為在第一個例子中，控制面僅僅影響了電腦的一個屬性，而第二個例子，控制面幾乎是數據面的一個完整的抽象和拷貝，影響數據面的方方面面。Istio服務網格的控制面是比較靠近第二個例子的情況，如下圖。

Istio的控制面Pilot使用grpc協議對外暴露接口istio-pilot.istio-system:15010，而envoy無法從Pilot處獲取動態配置的原因，是在所有的pod中，集群dns都無法使用。

簡單的原因

這個問題的原因其實比較簡單，在sidecar容器istio-proxy里，envoy不能訪問Pilot的原因是集群dns無法解析istio-pilot.istio-system這個服務名字。在容器里看到resolv.conf配置的dns服務器是172.19.0.10，這個是集群默認的kube-dns服務地址。

istio-proxy@details-v1-68868454f5-94hzd:/$ cat /etc/resolv.conf nameserver 172.19.0.10 search default.svc.cluster.local svc.cluster.local cluster.local localdomain

但是客戶刪除重建了kube-dns服務，且沒有指定服務IP，這導致，實際上集群dns的地址改變了，這也是為什么所有的sidecar都無法訪問Pilot。

# kubectl get svc -n kube-system NAME????????????????????? TYPE?????????? CLUSTER-IP????? EXTERNAL-IP???? PORT(S)????????????????????? AGE kube-dns????????????????? ClusterIP????? 172.19.9.54???? <none>????????? 53/UDP,53/TCP??????????????? 5d

最后，通過修改kube-dns服務，指定IP地址，sidecar恢復正常。

# kubectl get pods NAME READY STATUS RESTARTS AGE details-v1-68868454f5-94hzd 2/2 Running 0 6d nginx-647d5bf6c5-gfvkm 2/2 Running 0 2d nginx-647d5bf6c5-wvfpd 2/2 Running 0 2d productpage-v1-5cb458d74f-28nlz 2/2 Running 0 6d ratings-v1-76f4c9765f-gjjsc 2/2 Running 0 6d reviews-v1-56f6855586-dplsf 2/2 Running 0 6d reviews-v2-65c9df47f8-zdgbw 2/2 Running 0 6d reviews-v3-6cf47594fd-cvrtf 2/2 Running 0 6d

結論

這其實是一個比較簡單的問題，排查過程其實也就幾分鐘。但是寫這篇文章，有點感覺是在看長安十二時辰，短短幾分鐘的排查過程，寫完整背后的原理，前因后果，卻花了幾個小時。這是Istio文章的第一篇，希望在大家排查問題的時候，有所幫助。

原文鏈接
本文為云棲社區原創內容，未經允許不得轉載。

總結

以上是生活随笔為你收集整理的Istio从懵圈到熟练 – 二分之一活的微服务的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。