Spring Cloud Alibaba 应用的容器化部署与 K8s 编排

随着电信运维系统向微服务架构演进，服务的数量呈指数级增长。传统的虚拟机部署方式在资源利用率、扩缩容速度和环境一致性方面已显疲态。将基于 Spring Cloud Alibaba 的微服务（如 Perf 性能分析、JOM 工单管理、SSO 统一认证等）容器化，并运行在 Kubernetes (K8s) 集群上，已成为构建高可用、弹性伸缩的现代化运维平台的必然选择。

本文将分享如何将复杂的微服务模块打包为 Docker 镜像，利用 Helm Charts 进行标准化编排，并结合 Nacos 实现配置中心与服务发现的云原生集成，最终实现自动化部署与智能运维。

一、总体架构设计

1. 技术栈

应用框架：Spring Boot + Spring Cloud Alibaba (Nacos, Sentinel, Seata)。
容器引擎：Docker。
** orchestration**：Kubernetes (K8s)。
包管理：Helm 3。
CI/CD：Jenkins / GitLab CI。
前端：Vue 3 + Nginx (静态资源托管)。

2. 微服务模块划分

perf-service：高性能计算服务，需配置较大的 JVM 堆内存。
jom-service：工单流转服务，对数据库事务一致性要求高。
sso-service：统一认证网关，需高可用部署。
gateway-service：Spring Cloud Gateway，作为流量入口。
frontend：Vue 3 构建后的静态文件，由 Nginx 承载。

二、后端微服务容器化

1. 多阶段构建 Dockerfile

为了减小镜像体积并提高安全性，我们采用多阶段构建策略。第一阶段使用 Maven 编译 Java 代码，第二阶段使用轻量级的 JRE 基础镜像运行应用。

复制代码

# Dockerfile for Perf Service
FROM maven:3.8.4-openjdk-11-slim AS build
WORKDIR /app
COPY pom.xml .
COPY src ./src
RUN mvn clean package -DskipTests

# 使用 Eclipse Temurin JRE 镜像，体积小且安全
FROM eclipse-temurin:11-jre-alpine
WORKDIR /app
COPY --from=build /app/target/perf-service.jar app.jar

# 设置时区
RUN apk add --no-cache tzdata && cp /usr/share/zoneinfo/Asia/Shanghai /etc/localtime

# 暴露端口
EXPOSE 8080

# 启动命令，支持传入 JVM 参数和 Nacos 地址
ENTRYPOINT ["java", "-jar", "app.jar"]

2. 环境变量配置

遵循"十二要素应用"原则，所有配置（如 Nacos 地址、数据库连接串）均通过环境变量注入，而非硬编码在镜像中。

复制代码

# application.yml 片段
spring:
  cloud:
    nacos:
      discovery:
        server-addr: ${NACOS_SERVER_ADDR:127.0.0.1:8848}
      config:
        server-addr: ${NACOS_SERVER_ADDR:127.0.0.1:8848}

三、前端静态资源容器化

Vue 3 项目构建后生成静态 HTML/CSS/JS 文件。我们使用 Nginx 作为 Web 服务器，并配置反向代理以解决跨域问题。

复制代码

# Dockerfile for Frontend
FROM node:16-alpine AS build
WORKDIR /app
COPY package*.json ./
RUN npm install
COPY . .
RUN npm run build

FROM nginx:alpine
COPY --from=build /app/dist /usr/share/nginx/html
COPY nginx.conf /etc/nginx/conf.d/default.conf
EXPOSE 80
CMD ["nginx", "-g", "daemon off;"]

Nginx 配置 (nginx.conf)：

复制代码

server {
    listen 80;
    location / {
        root /usr/share/nginx/html;
        index index.html;
        try_files $uri $uri/ /index.html; # 支持 Vue Router History 模式
    }
    
    # 反向代理后端 API 请求到 K8s Service
    location /api/ {
        proxy_pass http://gateway-service:8080;
        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
    }
}

四、 Kubernetes 编排与 Helm Charts

手动编写 K8s YAML 文件难以维护，我们使用 Helm 来模板化管理部署配置。

1. Helm Chart 目录结构

复制代码

cnoap-chart/
├── Chart.yaml
├── values.yaml
├── templates/
│   ├── deployment.yaml
│   ├── service.yaml
│   ├── configmap.yaml
│   └── ingress.yaml

2. 核心模板示例 (`deployment.yaml`)

复制代码

apiVersion: apps/v1
kind: Deployment
metadata:
  name: {{ .Release.Name }}-{{ .Values.service.name }}
spec:
  replicas: {{ .Values.replicaCount }}
  selector:
    matchLabels:
      app: {{ .Values.service.name }}
  template:
    metadata:
      labels:
        app: {{ .Values.service.name }}
    spec:
      containers:
        - name: {{ .Values.service.name }}
          image: "{{ .Values.image.repository }}:{{ .Values.image.tag }}"
          ports:
            - containerPort: 8080
          env:
            - name: NACOS_SERVER_ADDR
              valueFrom:
                configMapKeyRef:
                  name: {{ .Release.Name }}-config
                  key: nacos.addr
            - name: JAVA_OPTS
              value: {{ .Values.javaOpts }}
          resources:
            limits:
              cpu: {{ .Values.resources.limits.cpu }}
              memory: {{ .Values.resources.limits.memory }}
            requests:
              cpu: {{ .Values.resources.requests.cpu }}
              memory: {{ .Values.resources.requests.memory }}
          livenessProbe:
            httpGet:
              path: /actuator/health
              port: 8080
            initialDelaySeconds: 60
            periodSeconds: 10

3. 弹性伸缩 (HPA)

针对 perf-service 这种计算密集型服务，我们可以配置 Horizontal Pod Autoscaler (HPA)，根据 CPU 使用率自动调整副本数。

复制代码

apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
  name: perf-service-hpa
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: perf-service
  minReplicas: 2
  maxReplicas: 10
  metrics:
    - type: Resource
      resource:
        name: cpu
        target:
          type: Utilization
          averageUtilization: 70

五、服务网格与可观测性集成

1. Nacos 在 K8s 中的部署

Nacos 是 Spring Cloud Alibaba 的核心。在 K8s 中，我们通常使用 StatefulSet 部署 Nacos 集群，并配合 MySQL 持久化数据。

复制代码

# Nacos StatefulSet 片段
apiVersion: apps/v1
kind: StatefulSet
metadata:
  name: nacos
spec:
  serviceName: nacos-headless
  replicas: 3
  template:
    spec:
      containers:
        - name: nacos
          image: nacos/nacos-server:v2.0.3
          env:
            - name: MODE
              value: "cluster"
            - name: NACOS_REPLICAS
              value: "3"

2. 链路追踪与监控

SkyWalking：集成 SkyWalking Agent，自动采集微服务间的调用链路，可视化展示依赖关系和性能瓶颈。
Prometheus + Grafana：通过 Micrometer 暴露 JVM 和业务指标，由 Prometheus 抓取，Grafana 展示大屏。

六、自动化部署流程 (CI/CD)

代码提交：开发者推送代码到 GitLab。
构建镜像 ：Jenkins 触发 Pipeline，执行 mvn package 和 docker build。
推送仓库：将镜像推送到私有 Harbor 仓库。
更新 Helm ：修改 values.yaml 中的镜像 Tag。
部署集群 ：执行 helm upgrade --install cnoap ./cnoap-chart，K8s 滚动更新服务。

七、总结

通过容器化与 K8s 编排，我们实现了电信运维系统的现代化转型：

环境一致性：消除了"在我机器上是好的"这类问题。
弹性伸缩：应对早晚高峰流量波动，自动扩容 Perf 服务节点。
高可用性：K8s 自动重启失败容器，结合 Nacos 集群确保服务发现不中断。
高效运维：Helm 简化了多环境（Dev/Test/Prod）的管理复杂度。

这套架构不仅提升了系统的稳定性，也为后续引入 Serverless、Service Mesh 等更先进的云原生技术奠定了坚实基础。

互动环节

💬 你们公司的动态指标计算引擎是怎么实现的？遇到过哪些难题？欢迎在评论区分享！

⭐ 如果觉得这篇文章有帮助，欢迎点赞、收藏、转发！

🔔 关注我，下一篇将分享《基于 SkyWalking 的全链路监控与性能调优》

作者简介：系统架构师，专注于电信大数据平台架构设计与运维。目前负责日均处理2亿条消息的ucp平台，擅长分布式系统设计、消息中间件运维和高可用架构

Spring Cloud Alibaba 应用的容器化部署与 K8s 编排

一、 总体架构设计

1. 技术栈

2. 微服务模块划分

二、 后端微服务容器化

1. 多阶段构建 Dockerfile

2. 环境变量配置

三、 前端静态资源容器化

四、 Kubernetes 编排与 Helm Charts

1. Helm Chart 目录结构

2. 核心模板示例 (deployment.yaml)

3. 弹性伸缩 (HPA)

五、 服务网格与可观测性集成

1. Nacos 在 K8s 中的部署

2. 链路追踪与监控

六、 自动化部署流程 (CI/CD)

七、 总结

一、总体架构设计

二、后端微服务容器化

三、前端静态资源容器化

2. 核心模板示例 (`deployment.yaml`)

五、服务网格与可观测性集成

六、自动化部署流程 (CI/CD)

七、总结