SberBank 将 Istio 从 PoC 阶段成功迁移至生产环境的过程及经验总结。SberBank 作为俄罗斯领先的金融服务提供商，拥有庞大的客户群体和市场份额，致力于技术创新和提升客户体验。其新 IT 平台强调高可靠性（99.99% 不丢失、0 离线时间），并依托 AI 平台实现显著营收和成本节约。
迁移背景与驱动力
SberBank 的 Istio 迁移遵循 Gartner 技术成熟度曲线，从 2019 年 1 月的 PoC 阶段开始，历经多个版本迭代（Istio 1.0/1.1/1.4/1.6）和 OpenShift 版本升级（OCP 3.11/4.1/4.4）。迁移的核心驱动力包括：
- 技术优势：通过服务网格（Service Mesh）消除集成中间件，实现无限吞吐量、性能提升和集成成本降低，采用云原生技术架构。
- 业务目标：支持高并发场景（如 HTTP/1、HTTP/2、gRPC），强化微服务间通信管控（如证书、ACL 配置）。
关键阶段与挑战
- PoC 阶段（2019 年 1 月-3 月）：基于 Istio 1.0 和 OCP 3.11 进行初步验证，构建基础架构（Ingress/Egress、Event Hub、日志/追踪存储）。
- 生产部署（2020 年 3 月起）：逐步升级至 Istio 1.1 及 OCP 4.1，重点解决高可用性（HA/DR）问题，引入负载均衡（LB）。
- 多租户与扩展（2020 年 12 月起）：支持多租户场景，采用 Istio 1.4 和 Service Mesh Operator，优化资源消耗（侧车配置、资源挂载）。
- 规模化与优化：通过 Istio 1.6 和 OCP 4.4 实现扩展，解决生产环境下的性能瓶颈（如 Istio Discovery 重启、代理探测失败）。
核心经验与教训
- 技术挑战：
- 初始化容器（init containers）因权限问题（NET_RAW/NET_ADMIN）导致流量中断。
- 密钥轮换需谨慎，避免热重启（TCP 流量）、根证书重发（#14516）和 Discovery 过载（#25495）。
- 侧车资源消耗需调优，关注 Mount 资源占用（#15517）。
- 测试价值：生产规模测试暴露了 Istio Discovery 重启（#25495）和代理健康检查（#26792）问题。
未来计划
- 实现多集群发现（OCP/Kubernetes）、服务拓扑可视化、云原生 Event Hub 支持、VM 工作负载兼容性，并简化用户操作界面。
结论
SberBank 的 Istio 生产化实践验证了服务网格在大型金融科技场景下的可行性，但也凸显了多租户、资源优化和自动化运维的复杂性。其经验为同类企业提供了从 PoC 到生产的关键路径参考。
