Mesos gegen Kubernetes

1. Übersicht

In diesem Tutorial werden wir die Grundbedürfnisse eines Container-Orchestrierungssystems verstehen.

Wir werden die gewünschten Eigenschaften eines solchen Systems bewerten. Aus diesem Grund werden wir versuchen, zwei der beliebtesten heute verwendeten Container-Orchestrierungssysteme zu vergleichen, Apache Mesos und Kubernetes.

2. Container-Orchestrierung

Bevor wir mit dem Vergleich von Mesos und Kubernetes beginnen, wollen wir einige Zeit damit verbringen, zu verstehen, was Container sind und warum wir schließlich eine Container-Orchestrierung benötigen.

2.1. Behälter

Ein Container ist eine standardisierte Softwareeinheit, die Code und alle erforderlichen Abhängigkeiten verpackt .

Daher bietet es Plattformunabhängigkeit und einfache Bedienung. Docker ist eine der beliebtesten Containerplattformen.

Docker nutzt Linux-Kernelfunktionen wie CGroups und Namespaces, um verschiedene Prozesse zu isolieren . Daher können mehrere Container unabhängig und sicher ausgeführt werden.

Es ist ziemlich trivial, Docker-Images zu erstellen. Wir benötigen lediglich eine Docker-Datei:

FROM openjdk:8-jdk-alpine VOLUME /tmp COPY target/hello-world-0.0.1-SNAPSHOT.jar app.jar ENTRYPOINT ["java","-jar","/app.jar"] EXPOSE 9001

Diese wenigen Zeilen sind also gut genug, um mithilfe der Docker-CLI ein Docker-Image einer Spring Boot-Anwendung zu erstellen:

docker build -t hello_world .

2.2. Container-Orchestrierung

Wir haben also gesehen, wie Container die Anwendungsbereitstellung zuverlässig und wiederholbar machen können. Aber warum brauchen wir Container-Orchestrierung?

Jetzt, wo wir ein paar Container verwalten müssen, ist Docker CLI in Ordnung. Wir können auch einige der einfachen Aufgaben automatisieren. Aber was passiert, wenn wir Hunderte von Containern verwalten müssen?

Stellen Sie sich beispielsweise eine Architektur mit mehreren Mikrodiensten vor, die alle unterschiedliche Anforderungen an Skalierbarkeit und Verfügbarkeit stellen.

Infolgedessen können die Dinge schnell außer Kontrolle geraten, und hier werden die Vorteile eines Container-Orchestrierungssystems realisiert. Ein Container-Orchestrierungssystem behandelt einen Cluster von Computern mit einer Multi-Container-Anwendung als eine einzige Bereitstellungsentität . Es bietet Automatisierung von der ersten Bereitstellung über die Planung bis hin zu Aktualisierungen anderer Funktionen wie Überwachung, Skalierung und Failover.

3. Kurzer Überblick über Mesos

Apache Mesos ist ein Open-Source-Cluster-Manager, der ursprünglich an der UC Berkeley entwickelt wurde . Es bietet Anwendungen APIs für die Ressourcenverwaltung und -planung im gesamten Cluster. Mesos bietet uns die Flexibilität, sowohl containerisierte als auch nicht containerisierte Workloads verteilt auszuführen.

3.1. Die Architektur

Die Mesos-Architektur besteht aus Mesos Master, Mesos Agent und Application Frameworks:

Lassen Sie uns die Komponenten der Architektur hier verstehen:

  • Frameworks : Dies sind die tatsächlichen Anwendungen, die eine verteilte Ausführung von Aufgaben oder Workloads erfordern . Typische Beispiele sind Hadoop oder Storm. Frameworks in Mesos bestehen aus zwei Hauptkomponenten:
    • Scheduler : Dies ist für die Registrierung beim Master-Knoten verantwortlich , sodass der Master Ressourcen anbieten kann
    • Executor : Dies ist der Prozess, der auf den Agentenknoten gestartet wird , um die Aufgaben des Frameworks auszuführen
  • Mesos-Agenten : Diese sind für die tatsächliche Ausführung der Aufgaben verantwortlich . Jeder Agent veröffentlicht seine verfügbaren Ressourcen wie CPU und Speicher im Master. Beim Empfang von Aufgaben vom Master weisen sie dem Executor des Frameworks die erforderlichen Ressourcen zu.
  • Mesos Master : Dies ist für die Planung von Aufgaben verantwortlich, die von den Frameworks auf einem der verfügbaren Agentenknoten empfangen werden. Der Master macht Ressourcenangebote für Frameworks. Der Scheduler von Framework kann festlegen, dass Aufgaben auf diesen verfügbaren Ressourcen ausgeführt werden sollen.

3.2. Marathon

Wie wir gerade gesehen haben, ist Mesos sehr flexibel und ermöglicht es Frameworks, Aufgaben über genau definierte APIs zu planen und auszuführen. Es ist jedoch nicht bequem, diese Grundelemente direkt zu implementieren, insbesondere wenn benutzerdefinierte Anwendungen geplant werden sollen. Zum Beispiel das Orchestrieren von Anwendungen, die als Container verpackt sind.

Hier kann uns ein Framework wie Marathon helfen. Marathon ist ein Container-Orchestrierungs-Framework, das auf Mesos ausgeführt wird . In dieser Hinsicht fungiert Marathon als Rahmen für den Mesos-Cluster. Marathon bietet mehrere Vorteile, die wir normalerweise von einer Orchestrierungsplattform erwarten, wie Service Discovery, Load Balancing, Metriken und Container Management APIs.

Marathon behandelt einen lang laufenden Dienst als Anwendung und eine Anwendungsinstanz als Aufgabe. Ein typisches Szenario kann mehrere Anwendungen mit Abhängigkeiten haben, die sogenannte Anwendungsgruppen bilden.

3.3. Beispiel

Lassen Sie uns sehen, wie wir Marathon verwenden können, um unser einfaches Docker-Image bereitzustellen, das wir zuvor erstellt haben. Beachten Sie, dass die Installation eines Mesos-Clusters wenig aufwendig sein kann und wir daher eine einfachere Lösung wie Mesos Mini verwenden können. Mit Mesos Mini können wir einen lokalen Mesos-Cluster in einer Docker-Umgebung hochfahren. Es enthält einen Mesos-Meister, einen einzelnen Mesos-Agenten und einen Marathon.

Sobald der Mesos-Cluster mit Marathon in Betrieb ist, können wir unseren Container als lang laufenden Anwendungsdienst bereitstellen. Wir brauchen nur eine kleine JSON-Anwendungsdefinition:

#hello-marathon.json { "id": "marathon-demo-application", "cpus": 1, "mem": 128, "disk": 0, "instances": 1, "container": { "type": "DOCKER", "docker": { "image": "hello_world:latest", "portMappings": [ { "containerPort": 9001, "hostPort": 0 } ] } }, "networks": [ { "mode": "host" } ] }

Lassen Sie uns verstehen, was genau hier passiert:

  • Wir haben eine ID für unsere Bewerbung angegeben
  • Anschließend haben wir die Ressourcenanforderungen für unsere Anwendung definiert
  • Wir haben auch definiert, wie viele Instanzen wir ausführen möchten
  • Anschließend haben wir die Containerdetails bereitgestellt, über die eine App gestartet werden kann
  • Finally, we've defined the network mode for us to be able to access the application

We can launch this application using the REST APIs provided by Marathon:

curl -X POST \ //localhost:8080/v2/apps \ -d @hello-marathon.json \ -H "Content-type: application/json"

4. Brief Overview of Kubernetes

Kubernetes is an open-source container orchestration system initially developed by Google. It's now part of Cloud Native Computing Foundation (CNCF). It provides a platform for automating deployment, scaling, and operations of application container across a cluster of hosts.

4.1. Architecture

Kubernetes architecture consists of a Kubernetes Master and Kubernetes Nodes:

Let's go through the major parts of this high-level architecture:

  • Kubernetes Master: The master is responsible for maintaining the desired state of the cluster. It manages all nodes in the cluster. As we can see, the master is a collection of three processes:
    • kube-apiserver: This is the service that manages the entire cluster, including processing REST operations, validating and updating Kubernetes objects, performing authentication and authorization
    • kube-controller-manager: This is the daemon that embeds the core control loop shipped with Kubernetes, making the necessary changes to match the current state to the desired state of the cluster
    • kube-scheduler: This service watches for unscheduled pods and binds them to nodes depending upon requested resources and other constraints
  • Kubernetes Nodes: The nodes in a Kubernetes cluster are the machines that run our containers. Each node contains the necessary services to run the containers:
    • kubelet: This is the primary node agent which ensures that the containers described in PodSpecs provided by kube-apiserver are running and healthy
    • kube-proxy: This is the network proxy running on each node and performs simple TCP, UDP, SCTP stream forwarding or round-robin forwarding across a set of backends
    • container runtime: This is the runtime where container inside the pods are run, there are several possible container runtimes for Kubernetes including the most widely used, Docker runtime

4.2. Kubernetes Objects

In the last section, we saw several Kubernetes objects which are persistent entities in the Kubernetes system. They reflect the state of the cluster at any point in time.

Let's discuss some of the commonly used Kubernetes objects:

  • Pods: Pod is a basic unit of execution in Kubernetes and can consist of one or more containers, the containers inside a Pod are deployed on the same host
  • Deployment: Deployment is the recommended way to deploy pods in Kubernetes, it provides features like continuously reconciling the current state of pods with the desired state
  • Services: Services in Kubernetes provide an abstract way to expose a group of pods, where the grouping is based on selectors targetting pod labels

There are several other Kubernetes objects which serve the purpose of running containers in a distributed manner effectively.

4.3. Example

So, now we can try to launch our Docker container into the Kubernetes cluster. Kubernetes provides Minikube, a tool that runs single-node Kubernetes cluster on a Virtual Machine. We'd also need kubectl, the Kubernetes Command Line Interface to work with the Kubernetes cluster.

After we've kubectl and Minikube installed, we can deploy our container on the single-node Kubernetes cluster within Minikube. We need to define the basic Kubernetes objects in a YAML file:

# hello-kubernetes.yaml apiVersion: apps/v1 kind: Deployment metadata: name: hello-world spec: replicas: 1 template: metadata: labels: app: hello-world spec: containers: - name: hello-world image: hello-world:latest ports: - containerPort: 9001 --- apiVersion: v1 kind: Service metadata: name: hello-world-service spec: selector: app: hello-world type: LoadBalancer ports: - port: 9001 targetPort: 9001

A detailed analysis of this definition file is not possible here, but let's go through the highlights:

  • We have defined a Deployment with labels in the selector
  • We define the number of replicas we need for this deployment
  • Also, we've provided the container image details as a template for the deployment
  • We've also defined a Service with appropriate selector
  • We've defined the nature of the service as LoadBalancer

Finally, we can deploy the container and create all defined Kubernetes objects through kubectl:

kubectl apply -f yaml/hello-kubernetes.yaml

5. Mesos vs. Kubernetes

Now, we've gone through enough context and also performed basic deployment on both Marathon and Kubernetes. We can attempt to understand where do they stand compared to each other.

Just a caveat though, it's not entirely fair to compare Kubernetes with Mesos directly. Most of the container orchestration features that we seek are provided by one of the Mesos frameworks like Marathon. Hence, to keep things in the right perspective, we'll attempt to compare Kubernetes with Marathon and not directly Mesos.

We'll compare these orchestration systems based on some of the desired properties of such a system.

5.1. Supported Workloads

Mesos is designed to handle diverse types of workloads which can be containerized or even non-containerised. It depends upon the framework we use. As we've seen, it's quite easy to support containerized workloads in Mesos using a framework like Marathon.

Kubernetes, on the other hand, works exclusively with the containerized workload. Most widely, we use it with Docker containers, but it has support for other container runtimes like Rkt. In the future, Kubernetes may support more types of workloads.

5.2. Support for Scalability

Marathon supports scaling through the application definition or the user interface. Autoscaling is also supported in Marathon. We can also scale Application Groups which automatically scales all the dependencies.

As we saw earlier, Pod is the fundamental unit of execution in Kubernetes. Pods can be scaled when managed by Deployment, this is the reason pods are invariably defined as a deployment. The scaling can be manual or automated.

5.3. Handling High Availability

Application instances in Marathon are distributed across Mesos agents providing high availability. Typically a Mesos cluster consists of multiple agents. Additionally, ZooKeeper provides high availability to the Mesos cluster through quorum and leader election.

Similarly, pods in Kubernetes are replicated across multiple nodes providing high availability. Typically a Kubernetes cluster consists of multiple worker nodes. Moreover, the cluster can also have multiple masters. Hence, Kubernetes cluster is capable of providing high availability to containers.

5.4. Service Discovery and Load Balancing

Mesos-DNS can provide service discovery and a basic load balancing for applications. Mesos-DNS generates an SRV record for each Mesos task and translates them to the IP address and port of the machine running the task. For Marathon applications, we can also use Marathon-lb to provide port-based discovery using HAProxy.

Deployment in Kubernetes creates and destroys pods dynamically. Hence, we generally expose pods in Kubernetes through Service, which provides service discovery. Service in Kubernetes acts as a dispatcher to the pods and hence provide load balancing as well.

5.5 Performing Upgrades and Rollback

Changes to application definitions in Marathon is handled as deployment. Deployment supports start, stop, upgrade, or scale of applications. Marathon also supports rolling starts to deploy newer versions of the applications. However, rolling back is as straight forward and typically requires the deployment of an updated definition.

Deployment in Kubernetes supports upgrade as well as rollback. We can provide the strategy for Deployment to be taken while relacing old pods with new ones. Typical strategies are Recreate or Rolling Update. Deployment's rollout history is maintained by default in Kubernetes, which makes it trivial to roll back to a previous revision.

5.6. Logging and Monitoring

Mesos has a diagnostic utility which scans all the cluster components and makes available data related to health and other metrics. The data can be queried and aggregated through available APIs. Much of this data we can collect using an external tool like Prometheus.

Kubernetes publish detailed information related to different objects as resource metrics or full metrics pipelines. Typical practice is to deploy an external tool like ELK or Prometheus+Grafana on the Kubernetes cluster. Such tools can ingest cluster metrics and present them in a much user-friendly way.

5.7. Storage

Mesos has persistent local volumes for stateful applications. We can only create persistent volumes from the reserved resources. It can also support external storage with some limitations. Mesos has experimental support for Container Storage Interface (CSI), a common set of APIs between storage vendors and container orchestration platform.

Kubernetes offers multiple types of persistent volume for stateful containers. This includes storage like iSCSI, NFS. Moreover, it supports external storage like AWS, GCP as well. The Volume object in Kubernetes supports this concept and comes in a variety of types, including CSI.

5.8. Networking

Container runtime in Mesos offers two types of networking support, IP-per-container, and network-port-mapping. Mesos defines a common interface to specify and retrieve networking information for a container. Marathon applications can define a network in host mode or bridge mode.

Networking in Kubernetes assigns a unique IP to each pod. This negates the need to map container ports to the host port. It further defines how these pods can talk to each other across nodes. This is implemented in Kubernetes by Network Plugins like Cilium, Contiv.

6. When to Use What?

Finally, in comparison, we usually expect a clear verdict! However, it's not entirely fair to declare one technology better than another, regardless. As we've seen, both Kubernetes and Mesos are powerful systems and offers quite competing features.

Performance, however, is quite a crucial aspect. A Kubernetes cluster can scale to 5000-nodes while Marathon on Mesos cluster is known to support up to 10,000 agents. In most practical cases, we'll not be dealing with such large clusters.

Finally, it boils down to the flexibility and types of workloads that we've. If we're starting afresh and we only plan to use containerized workloads, Kubernetes can offer a quicker solution. However, if we've existing workloads, which are a mix of containers and non-containers, Mesos with Marathon can be a better choice.

7. Other Alternatives

Kubernetes and Apache Mesos are quite powerful, but they are not the only systems in this space. There are quite several promising alternatives available to us. While we'll not go into their details, let's quickly list a few of them:

  • Docker Swarm: Docker Swarm is an open-source clustering and scheduling tool for Docker containers. It comes with a command-line utility to manage a cluster of Docker hosts. It's restricted to Docker containers, unlike Kubernetes and Mesos.
  • Nomad: Nomad is a flexible workload orchestrator from HashiCorp to manage any containerized or non-containerised application. Nomad enables declarative infrastructure-as-code for deploying applications like Docker container.
  • OpenShift: OpenShift is a container platform from Red Hat, orchestrated and managed by Kubernetes underneath. OpenShift offers many features on top of what Kubernetes provide like integrated image registry, a source-to-image build, a native networking solution, to name a few.

8. Conclusion

Zusammenfassend haben wir in diesem Tutorial Container und Container-Orchestrierungssysteme besprochen. Wir haben kurz zwei der am häufigsten verwendeten Container-Orchestrierungssysteme durchgesehen, Kubernetes und Apache Mesos. Wir haben dieses System auch anhand verschiedener Funktionen verglichen. Schließlich haben wir einige der anderen Alternativen in diesem Bereich gesehen.

Vor dem Abschluss müssen wir verstehen, dass der Zweck eines solchen Vergleichs darin besteht, Daten und Fakten bereitzustellen. Dies ist in keiner Weise besser als andere zu deklarieren, und das hängt normalerweise vom Anwendungsfall ab. Wir müssen also den Kontext unseres Problems anwenden, um die beste Lösung für uns zu finden.