SberBank story: moving Istio from PoC to production

• 语言: 英语
• 格式: .pdf
• 来源: events.istio.io

摘要

文档详细介绍了SberBank在将Istio从概念验证（PoC）环境迁移到生产环境的过程中所面临的技术挑战和解决方案。主要问题包括初始化容器的重启问题、证书轮换问题、服务发现过载以及资源消耗优化。文档还提到了Istio在生产环境中的性能表现，包括高可用性和无 downtime 的特点。通过这些实践，SberBank成功实现了服务网格的稳定运行，并展示了Istio在实际应用中的优势。

AI总结

### 文档总结：SberBank 将 Istio 从 PoC 过渡到生产的经验与挑战

#### 1. **SberBank 的市场地位与技术实力**
- SberBank 是俄罗斯领先的金融机构，在金融与非金融服务领域占据重要地位。
- 核心优势：
- 最佳客户体验。
- 技术领导力。
- 高可靠性（99.99%）。
- 广泛的客户基础（超过 5600 万零售客户）。
- 在非金融服务领域的显著增长（2023 年目标：1000 万 SberPrime 用户，5000 亿卢布的电商 GMV）。

#### 2. **Istio 过渡到生产环境的关键挑战与解决方案**
- **问题与教训：**
1. **初始化容器问题：**
- 初始容器可能不是最佳选择，特别是涉及 `NET_RAW` 和 `NET_ADMIN` 权限时，可能导致流量失败。
2. **密钥轮换与证书管理：**
- 密钥轮换需谨慎，避免因根证书重新颁发导致服务中断。
3. **Istio 发现服务过载：**
- 需要优化 Istio 发现机制，避免因过载导致服务重启。
4. **Sidecar 与资源管理：**
- 调整 Sidecar 和 ExportTo 配置，优化资源使用，避免内存不足问题。
5. **生产环境测试的重要性：**
- 在生产环境中进行充分测试，避免因 Istio 发现服务重启或代理探测问题导致服务中断。

- **具体问题与解决方案：**
- ** envoy 代理 readiness probe 失败：**
- 优化 readiness probe 配置，确保 envoy 代理在高负载场景下稳定运行。
- **Pilot OOM 导致服务不可用：**
- 优化 Pilot 的资源分配，避免内存不足（OOM）问题，确保服务在 Pilot 重启时仍能正常路由。

#### 3. **Istio 生产环境的优化与实践**
- **服务网格配置：**
- 使用 Service Mesh Operator 管理 Istio 配置。
- 通过日志收集与跟踪系统（如 Logging Store 和 Tracing Store）监控服务网格运行状态。
- ** envoy 代理优化：**
- 确保 envoy 代理在高流量场景下的性能与稳定性。
- 通过资源分配和 mounts 配置优化 envoy 的运行环境。
- **控制平面优化：**
- 确保 Istio 控制平面的高可用性，避免因 Pilot 服务重启导致 envoy 代理失效。
- 优化 Istio 的发现机制，避免因服务过载导致的性能问题。

#### 4. **总结与未来计划**
- SberBank 成功将 Istio 从 PoC 阶段过渡到生产环境，但仍需持续优化 Istio 的配置与性能。
- 未来计划包括：
- 持续监控 Istio 的运行状态，优化资源分配。
- 提升 Istio 的可扩展性与性能，支持更大规模的生产环境。
- 深入研究 Istio 的新功能与最佳实践，进一步提升服务网格的稳定性和可靠性。