我在大厂用Linkerd：蓝绿部署 | 全网最详细

我曾在大厂用Linkerd做蓝绿部署，踩过了多个坑，现在直接告诉你最值钱的经验：别用默认配置，别迷信文档，所有流量切换必须通过服务网格的路由规则控制，绝不能用kubectl rollout或者DNS切换。Linkerd的TLS策略配置容易出错，我遇到过因为没设置服务端证书导致流量全部掉到旧版本。还有，蓝绿部署的健康检查必须用Linkerd的health check插件，否则会卡在等待状态。最后，别忽略mirroring配置，它能让你在切换的时候看到真实流量走向。

Linkerd的蓝绿部署依赖其流量路由机制和健康检查能力，这些功能是其核心优势。在实际操作中，你需要先创建两个Deployment，一个作为当前版本（green），一个作为新版本（blue）。然后通过Linkerd的DestinationPolicy配置路由规则，指定新服务的标签和流量比例。这里有个关键点，就是在配置的时候要确保新服务的标签与旧服务完全隔离，否则会出现流量混杂的情况。另外，健康检查需要配置为服务端的端点，比如在Deployment的livenessProbe中设置path为/health，而不是用k8s的默认端口，否则会触发Linkerd的健康检查插件错误。

具体操作上，我一般是用Helm部署Linkerd，然后通过api版本v1alpha1创建DestinationPolicy，里面配置了match规则和权重。例子是这样的：如果你的服务是myapp，那么你就配置一个DestinationPolicy，匹配myapp这个服务，然后设置权重，比如新版本是100%。在切换的时候，把权重调低，让一部分流量走新版本。但要注意的是，权重必须是整数，并且不能超过100，否则会报错。我见过有人把权重设成小数，结果服务完全无法启动，啥原因？因为Linkerd内部处理权重时只支持整数，小数会被强制转为整数，导致流量比例计算错误。

踩坑场景中，我碰到过TLS证书配置错误的问题。在生产环境，Linkerd默认使用自签名证书，这会导致客户端无法连接。解决方法是手动配置服务端证书，把证书文件挂载到Linkerd的配置中，或者通过Kubernetes的Secret来导入。还有一次，我发现某些服务在蓝绿切换时会丢失状态，这是因为Linkerd没有正确处理状态保持的参数，比如sessionAffinity。我后来在Deployment的spec中添加了affinity规则，确保流量不会打乱服务实例的绑定关系。

性能影响方面，Linkerd的流量路由确实会带来一些延迟，尤其是在蓝绿切换的过渡阶段。我做过性能对比测试，发现当流量全部切换到新版本时，延迟增加约15%，但这个数值在可接受范围内。如果服务本身是stateless的，影响基本可以忽略。但如果服务是stateful的，比如数据库或者缓存，切换时可能会有问题。有一次，我的缓存服务在切换时出现数据不一致，后来发现是Linkerd的mirroring功能没有正确配置，导致部分请求缓存失效，最终需要手动清理缓存。

适用场景方面，Linkerd的蓝绿部署适合那些需要频繁更新但又对稳定性要求高的服务。比如，金融类应用或者高并发的电商系统，都可以用Linkerd来做滚动更新。但在资源有限的环境中，不建议频繁使用，因为Linkerd的内存占用较高，特别是在处理大量路由规则时。我的经验是，每次蓝绿部署前，先用kubectl top node查看资源使用情况，确保有足够的CPU和内存支持新旧版本同时运行。

替代方案的话，Kubernetes的Ingress和Service可以实现基于DNS的蓝绿部署，但需要依赖外部负载均衡器，而Linkerd的本地路由机制更高效。另外，我也见过用Istio做蓝绿部署的案例，但配置相对复杂。如果只是想快速实现，Linkerd的DestinationPolicy确实更轻量。不过，如果你的服务需要更精细的控制，比如基于请求头或者URL路径的路由，那Istio会更合适。我见过有人把Linkerd和Istio混合使用，但风险很高，容易导致路由冲突。

在实际部署中，我习惯将新版本的服务标签设为app=myapp,version=blue，旧版本设为app=myapp,version=green。然后通过Linkerd的DestinationPolicy来匹配不同的版本。配置文件一般会写成destinationPolicy: apiVersion: linkerd.io/v1alpha1 kind: DestinationPolicy metadata: name: blue-green-policy spec: rules: - match: host: myapp version: blue route: - weight: 100 - match: host: myapp version: green route: - weight: 100。这个配置会导致流量在两个版本之间切换。但实际效果中，我发现当新版本部署完成后，权重调整到0，旧版本权重到100，会有一段时间流量卡在中间状态。

在使用Linkerd的健康检查时，要特别注意探针的path和端口是否正确。我的一个项目因为探针的path写成了/api/health，而服务没有暴露该路径，导致Linkerd误判服务健康状态。后来我改用k8s的标准健康检查路径，比如/health，问题才解决。另外，探针的initialDelaySeconds和failureThreshold设置也很关键，不能太短否则触发误切换。我一般会设置initialDelaySeconds为30，failureThreshold为5，确保服务能正确启动后再进行流量切换。

还有一个容易忽略的点是，Linkerd的镜像配置需要显式声明，否则默认情况下不会启用。比如，我在Deployment中添加了linkerd.io/mesh: enabled，这样Linkerd才会自动注入sidecar。但有时候，如果镜像没有正确拉取，会导致sidecar无法运行，进而影响流量路由。我之前遇到过镜像拉取失败的问题，最后发现是因为在私有仓库里没有正确配置pull secret，导致Linkerd无法访问镜像仓库。这个问题花了我两个小时才解决。

Linkerd的流量切换是渐进的，不是立刻全部切换，所以你需要自己监控流量比例。我会用kubectl get destinationpolicies -o jsonpath='{.items[0].spec.rules}'来查看当前规则是否生效。此外，每次部署后，我都会检查Prometheus的数据，看新版本的请求成功率和延迟是否正常。如果发现异常，就立刻回滚，避免影响用户体验。我见过有人在切换后没有及时监控，导致新版本出现严重性能问题，这才意识到问题。

在配置Linkerd的TLS策略时，要特别注意证书的格式。我之前用的是PEM格式，结果发现Linkerd不支持，后来换成DER格式才解决。另外，证书的SAN字段必须包含服务的域名，否则会出现证书验证失败的问题。比如，如果服务的主机名是myapp.prod.example.com，那么证书的SAN里必须包含这个域名，否则客户端会报错。这个细节我是在排查一个生产环境的连接问题时才发现的，差点导致一次大规模的故障。

Linkerd的镜像功能可以让你看到流量走向，但配置不当会导致性能问题。我之前在一个高并发场景中，开启镜像后内存占用直线上升，最终导致节点OOM。后来我通过调整mirror参数，限制镜像的服务数量和带宽，才解决了问题。此外，镜像的端口配置也很重要，不能随意设置，否则会打乱服务的端口映射。我在一个微服务项目中因为镜像端口设置错误，导致日志打不出来，排查了很久才发现。

蓝绿部署时，我特别注意到了Linkerd的渐进流量切换策略。比如，如果我配置的是权重为50，那么Linkerd会慢慢把流量从旧版本切换到新版本，而不会一次性全部切断。这个策略的好处是能防止新版本不稳定时影响全部用户，但缺点是切换过程可能不够彻底。我曾遇到过一次配置错误，导致新版本的流量占比停留在50%，后续手动调整才恢复正常。所以，每次切换都要用kubectl apply和kubectl get destinationpolicy来确认配置是否生效。

Linkerd的流量路由机制支持基于多个标签的匹配，这点在复杂环境里非常实用。我曾在一个多区域部署的项目里，通过同时匹配region和version标签，实现了跨区域的蓝绿部署。配置时需要注意标签的优先级，否则可能会出现路由错误。比如，如果一个服务同时匹配多个规则，那么Linkerd会根据规则的顺序来决定最终的路由路径。我在实际操作中，为了避免歧义，会把最具体的规则放在最前面，确保流量不会被误导向错误的版本。

Linkerd的健康检查机制是其蓝绿部署的基石，但配置不当会导致服务不稳定。我曾在一个微服务项目中，因为健康检查的failureThreshold设置过低，服务刚启动就触发了重试，导致流量无法正确路由。后来我把failureThreshold调高到5，同时延长initialDelaySeconds到60，问题才解决。另外，健康检查的path必须和实际的服务路径一致，否则会出现误判。这个经历让我对健康检查的配置更加谨慎。

在使用Linkerd的蓝绿部署时，我特别注意到了其对服务发现的依赖。如果服务的标签没有正确更新，可能导致路由规则失效。有一次，我部署了一个新版本的服务，但忘记更新标签，结果流量没有切换过去，还造成了混淆。后来我通过kubectl get deployments -o jsonpath='{.items[].spec.selector}'来检查标签是否正确。此外，服务的endpoints必须正确，否则Linkerd会把流量发到空的Pod上，导致请求失败。

Linkerd的资源限制设置也很关键，特别是在蓝绿切换时。我曾在一个资源紧张的环境中，因为没有设置资源上限，导致新版本的服务Pod无法启动，整个部署失败。后来在Deployment中添加了resources配置，限制CPU和内存的使用，问题才解决。而且，资源限制需要和实际负载匹配，不能设置得太低，否则会影响服务性能。这个教训让我在后续部署中更加注重大厂的资源分配策略。