在 GCP GKE 上部署 TiDB 集群

部署前，确认已安装以下软件：

• Google Cloud SDK
• >= 0.12
• kubectl >= 1.12
• >= 2.11.0 且 < 2.16.4
• jq

配置

为保证部署顺利，需要提前进行一些配置。在开始配置 Google Cloud SDK、API、Terraform 前，先下载以下资源：

安装 Google Cloud SDK 后，需要执行 进行。

配置 API

如果使用的 GCP 项目是新项目，需确保以下 API 已启用：

gcloud services enable cloudresourcemanager.googleapis.com \
cloudbilling.googleapis.com iam.googleapis.com \
compute.googleapis.com container.googleapis.com

配置 Terraform

要执行 Terraform 脚本，需要设置以下 3 个环境变量。你可以等 Terraform 提示再输入，也可以提前在 .tfvars 文件中定义变量。

• GCP_CREDENTIALS_PATH：GCP 证书文件路径。

  • 建议另建一个服务账号给 Terraform 使用，参考创建与管理服务账号文档。./create-service-account.sh 会创建最低权限的服务账号。

  • 参考来创建服务账号密钥。下面脚本中的步骤详细说明了如何使用 deploy/gcp 目录中提供的脚本执行此操作。或者，如果自己创建服务账号和密钥，可以在创建时选择 JSON 类型的密钥。下载的包含私钥的 JSON 文件即所需的证书文件。

• GCP_REGION：创建资源所在的区域，例如：us-west1。

• GCP_PROJECT：GCP 项目的名称。

要使用以上 3 个环境变量来配置 Terraform，可执行以下步骤：

1. 将 GCP_REGION 替换为你的 GCP Region。

    echo GCP_REGION=\"us-west1\" >> terraform.tfvars

2. 将 GCP_PROJECT 替换为你的 GCP 项目名称，确保连接的是正确的 GCP 项目。

    echo "GCP_PROJECT=\"$(gcloud config get-value project)\"" >> terraform.tfvars

3. 初始化 Terraform。

    terraform init

4. 为 Terraform 创建一个有限权限的服务账号，并设置证书路径。

    ./create-service-account.sh

Terraform 自动加载和填充匹配 terraform.tfvars 或 *.auto.tfvars 文件的变量。相关详细信息，请参阅 Terraform 文档。上述步骤会使用 GCP_REGION 和 GCP_PROJECT 填充 terraform.tfvars 文件，使用 GCP_CREDENTIALS_PATH 填充 credentials.auto.tfvars 文件。

部署 TiDB 集群

本小节介绍如何部署 TiDB 集群。

1. 确定实例类型。

   • 如果只是想试一下 TiDB，又不想花费太高成本，可以采用轻量级的配置：

       cat small.tfvars >> terraform.tfvars

   • 如果要对生产环境的部署进行 benchmark 测试，则建议采用生产级的配置：

       cat prod.tfvars >> terraform.tfvars

     prod.tfvars 会默认创建一个新的 VPC，两个子网和一个 f1-micro 实例作为堡垒机，以及使用以下实例类型作为工作节点的 GKE 集群：

     • 3 台 n1-standard-4 实例：部署 PD
     • 3 台 n1-highmem-8 实例：部署 TiKV
     • 3 台 n1-standard-16 实例：部署 TiDB

     • 3 台 n1-standard-2 实例：部署监控组件

       如上所述，生产环境的部署需要 91 个 CPU，超过了 GCP 项目的默认配额。可以参考来增加项目配额。扩容同样需要更多 CPU。

     注意：

     工作节点的数量取决于指定 Region 中可用区的数量。大部分 Region 有 3 个可用区，但是 us-central1 有 4 个可用区。参考 Regions and Zones 查看更多信息。参考部分来自定义区域集群的节点池。

2. 启动脚本来部署 TiDB 集群：

    terraform apply

   注意：

   如果未提前设置上文所述的 3 个环境变量，执行 terraform apply 过程中会有提示出现，要求对 3 个变量进行设置。详情请参考配置 Terraform。

   整个过程可能至少需要 10 分钟。terraform apply 执行成功后，会输出类似如下的信息:

    Apply complete! Resources: 23 added, 0 changed, 0 destroyed.
    Outputs:
    how_to_connect_to_default_cluster_tidb_from_bastion = mysql -h 172.31.252.20 -P 4000 -u root
    how_to_ssh_to_bastion = gcloud compute ssh tidb-cluster-bastion --zone us-west1-b
    how_to_set_reclaim_policy_of_pv_for_default_tidb_cluster_to_delete = kubectl --kubeconfig /.../credentials/kubeconfig_tidb-cluster get pvc -n tidb-cluster -o jsonpath='{.items[*].spec.volumeName}'|fmt -1 | xargs -I {} kubectl --kubeconfig /.../credentials/kubeconfig_tidb-cluster patch pv {} -p '{"spec":{"persistentVolumeReclaimPolicy":"Delete"}}'
    kubeconfig_file = ./credentials/kubeconfig_tidb-cluster
    monitor_lb_ip = 35.227.134.146
    monitor_port = 3000
    region = us-west1
    tidb_version = v3.0.1

terraform apply 运行完成后，可执行以下步骤来访问 TiDB 数据库。注意用小节的输出信息替换 <> 部分的内容。

1. 通过 ssh 远程连接到堡垒机。

2.  mysql -h <tidb_ilb_ip> -P 4000 -u root

   注意：

   通过 MySQL 连接 TiDB 前，需要先安装 MySQL 客户端。

与 GKE 集群交互

你可以通过 kubectl 和 helm 使用 kubeconfig 文件 credentials/kubeconfig_<gke_cluster_name> 和 GKE 集群交互。交互方式主要有以下两种。

• 指定 --kubeconfig 参数：

    kubectl --kubeconfig credentials/kubeconfig_<gke_cluster_name> get po -n <tidb_cluster_name>

  注意：

  下面这条命令使用的 --kubeconfig 参数至少需要 Helm 2.10.0 版本以上。

    helm --kubeconfig credentials/kubeconfig_<gke_cluster_name> ls

• 设置 KUBECONFIG 环境变量：

    kubectl get po -n <tidb_cluster_name>

    helm ls

升级 TiDB 集群

要升级 TiDB 集群，可执行以下步骤：

1. 编辑 variables.tf 文件，将 tidb_version 变量的值修改为更高版本。
2. 运行 terraform apply。

例如，要将 TiDB 集群升级到 3.0.0-rc.2，可修改 tidb_version 为 v3.0.0-rc.2：

variable "tidb_version" {
  description = "TiDB version"
  default     = "v3.0.0-rc.2"
}

升级过程会持续一段时间。你可以通过以下命令来持续观察升级进度：

kubectl --kubeconfig credentials/kubeconfig_<gke_cluster_name> get po -n <tidb_cluster_name> --watch

然后，你可以访问数据库并通过 tidb_version() 确认 TiDB 集群是否升级成功：

select tidb_version();

*************************** 1. row ***************************
tidb_version(): Release Version: v3.0.0-rc.2
Git Commit Hash: 06f3f63d5a87e7f0436c0618cf524fea7172eb93
UTC Build Time: 2019-05-28 12:48:52
GoVersion: go version go1.12 linux/amd64
Race Enabled: false
TiKV Min Version: 2.1.0-alpha.1-ff3dd160846b7d1aed9079c389fc188f7f5ea13e
Check Table Before Drop: false
1 row in set (0.001 sec)

一个 tidb-cluster 模块的实例对应一个 GKE 集群中的 TiDB 集群。要添加一个新的 TiDB 集群，可执行以下步骤：

1. 编辑 tidbclusters.tf 文件来添加一个 tidb-cluster 模块。

   例如：

    module "example-tidb-cluster" {
    providers = {
        helm = "helm.gke"
    }
    source                     = "../modules/gcp/tidb-cluster"
    cluster_id                 = module.tidb-operator.cluster_id
    tidb_operator_id           = module.tidb-operator.tidb_operator_id
    gcp_project                = var.GCP_PROJECT
    gke_cluster_location       = local.location
    gke_cluster_name           = <gke-cluster-name>
    cluster_name               = <example-tidb-cluster>
    cluster_version            = "v3.0.1"
    kubeconfig_path            = local.kubeconfig
    tidb_cluster_chart_version = "v1.0.0"
    pd_instance_type           = "n1-standard-1"
    tikv_instance_type         = "n1-standard-4"
    tidb_instance_type         = "n1-standard-2"
    monitor_instance_type      = "n1-standard-1"
    pd_node_count              = 1
    tikv_node_count            = 2
    tidb_node_count            = 1
    monitor_node_count         = 1
    }

   注意：

   • 每个集群的 cluster_name 必须是唯一的。
   • 为任一组件实际创建的总节点数等于配置文件中的节点数乘以该 Region 中可用区的个数。

   你可以通过 kubectl 获取创建的 TiDB 集群和监控组件的地址。如果你希望 Terraform 脚本打印此信息，可在 outputs.tf 中添加一个 output 配置项，如下所示：

    output "how_to_connect_to_example_tidb_cluster_from_bastion" {
    value = module.example-tidb-cluster.how_to_connect_to_tidb_from_bastion
    }

   上述配置可使该脚本打印出用于连接 TiDB 集群的命令。

2. 修改完成后，执行以下命令来创建集群。

    terraform init

    terraform apply

扩容

如果需要扩容 TiDB 集群，可执行以下步骤：

1. 按需修改 variables.tf 文件中的 tikv_count、tidb_count 变量。
2. 运行 terraform apply。

警告：

由于缩容过程中无法确定哪个节点会被删除，因此目前不支持集群缩容。通过修改 tikv_count 来进行缩容可能会导致数据丢失。

扩容过程会持续几分钟，你可以通过以下命令来持续观察进度：

kubectl --kubeconfig credentials/kubeconfig_<gke_cluster_name> get po -n <tidb_cluster_name> --watch

例如，可以将 tidb_count 从 1 改为 2 来扩容 TiDB：

variable "tidb_count" {
  description = "Number of TiDB nodes per availability zone"
  default     = 2
}

自定义

你可以更改 variables.tf 中的默认值，例如集群名称和镜像版本等，但更建议在 terraform.tfvars 文件或其它相关文件中来指定值。

GCP 允许 n1-standard-1 或者更大的实例类型挂载本地 SSD，这提供了更好的自定义特性。

自定义 TiDB 参数配置

Terraform 脚本为 GKE 中的 TiDB 集群提供了默认设置。你也可以在 tidbclusters.tf 中为每个 TiDB 集群指定一个覆盖配置 override_values 或者覆盖配置文件 override_values_file。如果同时配置两个变量，override_values 配置将生效，该自定义配置会覆盖默认设置，示例如下：

override_values = <<EOF
  image: pingcap/tidb-operator:v1.0.1
  imagePullPolicy: IfNotPresent
  resources:
    limits:
      cpu: 250m
      memory: 150Mi
    requests:
      cpu: 30m
      memory: 30Mi
EOF

集群默认使用 deploy/modules/gcp/tidb-cluster 模块中的 values/default.yaml 作为覆盖配置文件。

在 GKE 中，某些值不支持在 values.yaml 中自定义，包括集群版本、副本数、NodeSelector 以及 Tolerations。NodeSelector 和 Tolerations 由 Terraform 直接管理，以确保基础设施与 TiDB 集群之间的一致性。

注意：

自定义配置中，不建议在 values.yaml 中包含以下配置（tidb-cluster module 默认固定配置）：

pd:
  storageClassName: pd-ssd
tikv:
  stroageClassName: local-storage
tidb:
  service:
    type: LoadBalancer
    annotations:
      cloud.google.com/load-balancer-type: "Internal"
  separateSlowLog: true
monitor:
  storageClassName: pd-ssd
  persistent: true
  grafana:
    config:
      GF_AUTH_ANONYMOUS_ENABLED: "true"
    service:
      type: LoadBalancer

自定义 TiDB Operator

如果要自定义 TiDB Operator，可以使用 operator_helm_values 变量来指定覆盖配置或者使用 operator_helm_values_file 变量来指定覆盖配置文件。如果同时配置两个变量，operator_helm_values 配置将生效，该自定义配置会传递给 tidb-operator 模块，示例如下：

operator_helm_values = <<EOF
controllerManager:
  resources:
    limits:
      cpu: 250m
      memory: 150Mi
    requests:
      cpu: 30m
      memory: 30Mi
EOF

operator_helm_values_file = "./test-operator.yaml"

GKE 使用 作为其默认的日志收集工具，然后将日志转发到 Stackdriver。Fluentd 进程可能会占用大量资源，消耗大量的 CPU 和 RAM。Fluent Bit 是一种性能更高，资源占用更少的替代方案。与 Fluentd 相比，更建议在生产环境中使用 Fluent Bit。可参考。

自定义节点池

集群是按区域 (regional) 而非按可用区 (zonal) 来创建的。也就是说，GKE 向每个可用区复制相同的节点池，以实现更高的可用性。但对于 Grafana 这样的监控服务来说，通常没有必要维护相同的可用性。你可以通过 gcloud 手动删除节点。

注意：

GKE 节点池通过实例组管理。如果你使用 gcloud compute instances delete 命令删除某个节点，GKE 会自动重新创建节点并将其添加到集群。

如果你需要从监控节点池中删掉一个节点，可采用如下步骤：

1. 获取托管的实例组和所在可用区。

    gcloud compute instance-groups managed list | grep monitor

   输出结果类似：

    gke-tidb-monitor-pool-08578e18-grp  us-west1-b  zone   gke-tidb-monitor-pool-08578e18  0     0            gke-tidb-monitor-pool-08578e18  no
    gke-tidb-monitor-pool-7e31100f-grp  us-west1-c  zone   gke-tidb-monitor-pool-7e31100f  1     1            gke-tidb-monitor-pool-7e31100f  no
    gke-tidb-monitor-pool-78a961e5-grp  us-west1-a  zone   gke-tidb-monitor-pool-78a961e5  1     1            gke-tidb-monitor-pool-78a961e5  no

   第一列是托管的实例组，第二列是所在的可用区。

2. 获取实例组中的实例名字。

    gcloud compute instance-groups managed list-instances <the-name-of-the-managed-instance-group> --zone <zone>

   示例：

    gcloud compute instance-groups managed list-instances gke-tidb-monitor-pool-08578e18-grp --zone us-west1-b

   输出结果类似：

    NAME                                       ZONE        STATUS   ACTION  INSTANCE_TEMPLATE                     VERSION_NAME  LAST_ERROR
    gke-tidb-monitor-pool-08578e18-c7vd  us-west1-b  RUNNING  NONE    gke-tidb-monitor-pool-08578e18

3. 通过指定托管的实例组和实例的名称来删掉该实例。

   例如：

    gcloud compute instance-groups managed delete-instances gke-tidb-monitor-pool-08578e18-grp --instances=gke-tidb-monitor-pool-08578e18-c7vd --zone us-west1-b

如果你不想再继续使用 TiDB 集群，可以通过如下命令进行销毁：

terraform destroy

注意：

在执行 terraform destroy 过程中，可能会发生错误：Error reading Container Cluster "tidb": Cluster "tidb" has status "RECONCILING" with message""。当 GCP 升级 Kubernetes master 节点时会出现该问题。一旦问题出现，就无法删除集群，需要等待 GCP 升级结束，再次执行 terraform destroy。

删除磁盘

如果你不再需要之前的数据，并且想要删除正在使用的磁盘，有以下两种方法可以完成此操作：

• 手动删除：在 Google Cloud Console 中删除磁盘，或使用 gcloud 命令行工具执行删除操作。

• 自动删除：在执行 terraform destroy 之前将 Kubernetes 的 PV (Persistent Volume) 回收策略设置为 Delete，具体操作为在 terraform destroy 之前运行以下 kubectl 命令：

    kubectl --kubeconfig /path/to/kubeconfig/file get pvc -n namespace-of-tidb-cluster -o jsonpath='{.items[*].spec.volumeName}'|fmt -1 | xargs -I {} kubectl --kubeconfig /path/to/kubeconfig/file patch pv {} -p '{"spec":{"persistentVolumeReclaimPolicy":"Delete"}}'

  上述命令将获取 TiDB 集群命名空间中的 PVC (Persistent Volume Claim)，并将绑定的 PV 的回收策略设置为 Delete。在执行 terraform destroy 过程中删除 PVC 时，也会将磁盘删除。

  下面是一个名为 change-pv-reclaimpolicy.sh 的脚本。相对于仓库根目录来说，它在 deploy/gcp 目录，简化了上述过程。

    ./change-pv-reclaimpolicy.sh /path/to/kubeconfig/file <tidb-cluster-namespace>

管理多个 Kubernetes 集群

本节介绍管理多个 Kubernetes 集群的最佳实践，其中每个 Kubernetes 集群都可以部署一个或多个 TiDB 集群。

在 TiDB 的案例中，Terraform 模块通常结合了几个子模块：

• tidb-operator：为 TiDB 集群提供 Kubernetes Control Plane 并部署 TiDB Operator。
• tidb-cluster：在目标 Kubernetes 集群中创建资源池并部署 TiDB 集群。
• 一个 vpc 模块，一个 bastion 模块和一个 project-credentials 模块：专门用于 GKE 上的 TiDB 集群。

管理多个 Kubernetes 集群的最佳实践有以下两点：

1. 为每个 Kubernetes 集群创建一个新目录。
2. 根据具体需求，使用 Terraform 脚本将上述模块进行组合。

如果采用了最佳实践，集群中的 Terraform 状态不会相互干扰，并且可以很方便地管理多个 Kubernetes 集群。示例如下（假设已在项目根目录）：

mkdir -p deploy/gcp-staging && \
vim deploy/gcp-staging/main.tf

deploy/gcp-staging/main.tf 中的内容类似：

如上述代码所示，你可以在每个模块调用中省略几个参数，因为有合理的默认值，并且可以轻松地自定义配置。例如，如果你不需要调用堡垒机模块，将其删除即可。

如果要自定义每个字段，可使用以下两种方法中的一种：

• 直接修改 *.tf 文件中 module 的参数配置。
• 参考每个模块的 variables.tf 文件，了解所有可修改的参数，并在 terraform.tfvars 中设置自定义值。