part 1: 目标与快速入门
欢迎!我们很高兴你对学习Docker那么感兴趣。这篇快速入门教程包括如下内容：
- 配置Docker环境
- 创建一个Docker镜像并在容器中运行
- 扩容你的应用，在多个容器中运行
- 在集群中运行你的应用
- 添加数据库组成服务堆栈
- 生产环境部署你的应用
Docker 中的概念
Docker是开发人员和系统管理员使用容器开发，部署和运行应用程序的平台。 使用Linux容器部署应用程序被称为容器化。 容器的概念并不是新的，但是将容器用来轻松的部署应用程序却是一个新颖的想法
容器化变得如此受欢迎主要因为容器：
- 灵活: 即使复杂度很高的应用同样可以容器化
- 轻量级: 容器之间共享宿主机内核
- 快速升级: 动态部署更新和升级
- 可移植: 可以本地build，部署到云上，并且可以在任何地方运行
- 可扩展: 可以增加并自动分发容器副本
- 服务堆栈: You can stack services vertically and on-the-fly.
镜像和容器
通过运行一个镜像可以启动一个容器。镜像是包含运行应用程序所需环境的可执行包，运行环境包括程序代码，运行时，各种依赖库，环境变量和配置文件
容器是一个镜像的运行实例。可以通过docker ps查看运行中的容器
容器和虚拟机
容器在Linux上本机运行，并与其他容器共享主机的内核。 它运行一个独立的进程，不占用任何其他可执行文件的内存，使其轻量级
相比之下，虚拟机（VM）运行一个完整的“客户”操作系统，通过虚拟机管理程序对主机资源进行虚拟访问。 通常，VM提供的环境比大多数应用程序需要的资源更多
准备Docker环境
安装docker，这一步具体这篇文章
验证docker版本
- 运行
docker --version确认docker版本
$ docker --version
Docker version 19.03.1, build 74b1e89
- 运行
docker info或docker version查看更多docker版本细节
$ docker info
Client:
Debug Mode: false
Server:
Containers: 1
Running: 0
Paused: 0
Stopped: 1
Images: 10
Server Version: 19.03.1
Storage Driver: overlay2
Backing Filesystem: extfs
Supports d_type: true
Native Overlay Diff: true
Logging Driver: json-file
Cgroup Driver: cgroupfs
Plugins:
Volume: local
Network: bridge host ipvlan macvlan null overlay
Log: awslogs fluentd gcplogs gelf journald json-file local logentries splunk syslog
Swarm: inactive
Runtimes: runc
Default Runtime: runc
Init Binary: docker-init
containerd version: 894b81a4b802e4eb2a91d1ce216b8817763c29fb
runc version: 425e105d5a03fabd737a126ad93d62a9eeede87f
init version: fec3683
Security Options:
seccomp
Profile: default
Kernel Version: 4.9.184-linuxkit
Operating System: Docker Desktop
OSType: linux
Architecture: x86_64
CPUs: 2
Total Memory: 1.952GiB
Name: docker-desktop
ID: XOGQ:6LZ4:DWI4:MH24:T7NA:MBOH:OHXR:2QYW:Q5CO:I5FR:TEVJ:Y5B7
Docker Root Dir: /var/lib/docker
Debug Mode: true
File Descriptors: 32
Goroutines: 49
System Time: 2019-08-27T08:02:13.8093806Z
EventsListeners: 2
HTTP Proxy: gateway.docker.internal:3128
HTTPS Proxy: gateway.docker.internal:3129
Registry: https://index.docker.io/v1/
Labels:
Experimental: false
Insecure Registries:
127.0.0.0/8
Registry Mirrors:
http://f1361db2.m.daocloud.io/
Live Restore Enabled: false
Product License: Community Engine
为了避免权限问题(使用sudo运行)，需要将用户添加到docker用户组中。具体参考这篇文章
验证doker安装
-
通过运行简单的
hello-world镜像测试docker安装是否成功$ docker run hello-world Unable to find image 'hello-world:latest' locally latest: Pulling from library/hello-world [DEPRECATION NOTICE] registry v2 schema1 support will be removed in an upcoming release. Please contact admins of the docker.io registry NOW to avoid future disruption. 1b930d010525: Pull complete Digest: sha256:fb158b7ad66f4d58aa66c4455858230cd2eab4cdf29b13e5c3628a6bfc2e9f05 Status: Downloaded newer image for hello-world:latest Hello from Docker! This message shows that your installation appears to be working correctly. To generate this message, Docker took the following steps: 1. The Docker client contacted the Docker daemon. 2. The Docker daemon pulled the "hello-world" image from the Docker Hub. (amd64) 3. The Docker daemon created a new container from that image which runs the executable that produces the output you are currently reading. 4. The Docker daemon streamed that output to the Docker client, which sent it to your terminal. To try something more ambitious, you can run an Ubuntu container with: $ docker run -it ubuntu bash Share images, automate workflows, and more with a free Docker ID: https://hub.docker.com/ For more examples and ideas, visit: https://docs.docker.com/get-started/ -
列出机器上已经下载的
hello-world镜像docker image ls或docker images REPOSITORY TAG IMAGE ID CREATED SIZE choaya/into latest d013706f5624 About an hour ago 123MB minio/minio RELEASE.2019-08-21T19-40-07Z 7669a864ad18 5 days ago 51.6MB nginx latest 5a3221f0137b 11 days ago 126MB ubuntu latest a2a15febcdf3 12 days ago 64.2MB minio/minio latest 77a8467ccda1 12 days ago 63.5MB python 3.6-alpine 58496e6dcbca 2 weeks ago 95.1MB redis alpine 47af6bf42a1e 3 weeks ago 29.3MB openjdk 8-jdk-alpine a3562aa0b991 3 months ago 105MB hello-world latest fce289e99eb9 7 months ago 1.84kB -
列出机器上的容器，
--all或-a会列出所有的容器，包括已经停止运行的容器$ docker container ls -a 或 $ docker container ls --all 942b61d0b2ce hello-world "/hello" 2 minutes ago Exited (0) 2 minutes ago awesome_grothendieck 78bc76fae770 d013706f5624 "java -Djava.securit…" About an hour ago Exited (143) About an hour ago into
总结和小抄
## List Docker CLI commands
docker
docker container --help
## Display Docker version and info
docker --version
docker version
docker info
## Execute Docker image
docker run hello-world
## List Docker images
docker image ls
## List Docker containers (running, all, all in quiet mode)
docker container ls
docker container ls --all
docker container ls -aq
part 1 结论
容器化使得持续集成/持续部署无缝衔接，比如：
- 应用没有系统依赖
- 可以将更新推送到分布式应用程序的任何部分
- 资源密度可以优化
Part 2: 容器
前提条件
安装版本
1.13以上的docker完成
Part 1部分的学习-
下面命令能正常执行
$ docker run hello-world
简介
现在开始就可以用Docker的方式来开发一个应用程序。我们从一个应用程序最底层，也就是container开始。在container之上是service，这部分将这part 3中介绍。最后最顶层是stack，这部分将这part 5中介绍。
- Stack
- Services
- Container(现在在这)
新的开发环境
过去，如果您你要开始编写Python应用程序，那么你首先就是在你的计算机上安装Python。 但是，你需要保证安装的Python和你机器能兼容而且还要和你生产环境中的环境相匹配。
使用Docker，您可以使用一个可移植的Python环境作为镜像，无需安装。 然后，你可以将基础镜像，应用程序代码，依赖项，运行时一起打包构建。
这些可移植镜像由Dockerfile定义。
使用Dockerfile定义容器
Dockerfile定义容器内环境中发生的事情。 对网络接口和磁盘驱动器等资源的访问在此环境中进行虚拟化，该环境与系统的其他部分隔离，因此您需要将端口映射到外部世界，并具体说明要“复制”到哪些文件到这个环境。此Dockerfile中定义的应用程序的构建在其运行时表现完全一致。
Dockerfile
在本地机器上创建一个空的目录，并进入到这个目录，在这个目录中创建Dockerfile文件，拷贝下面的内容到这个文件，然后保存。Dockerfile中的每个语句都有说明。
$ mkdir app
$ cd app
$ touch Dockerfile
# 使用官方的python运行时作为基础镜像
FROM python:2.7-slim
# 设置工作目录为/app
WORKDIR /app
# 拷贝当前目录中的内容到容器中/app目录下
COPY . /app
# 按章requirements.txt文件中定义的依赖
RUN pip install --trusted-host pypi.python.org -r requirements.txt
# 暴露80端口
EXPOSE 80
# 定义环境变量
ENV NAME World
# 容器启动时运行app.py
CMD ["python", "app.py"]
Dockerfile中使用了一些还没有创建的文件app.py和requirements.txt。下面我们来创建这些文件。
应用本身
在Dockerfile同目录下创建app.py和requirements.txt文件。
touch app.py requirements.txt
requirements.txt
Flask
Redis
app.py
from flask import Flask
from redis import Redis, RedisError
import os
import socket
# Connect to Redis
redis = Redis(host="redis", db=0, socket_connect_timeout=2, socket_timeout=2)
app = Flask(__name__)
@app.route("/")
def hello():
try:
visits = redis.incr("counter")
except RedisError:
visits = "<i>cannot connect to Redis, counter disabled</i>"
html = "<h3>Hello {name}!</h3>" \
"<b>Hostname:</b> {hostname}<br/>" \
"<b>Visits:</b> {visits}"
return html.format(name=os.getenv("NAME", "world"), hostname=socket.gethostname(), visits=visits)
if __name__ == "__main__":
app.run(host='0.0.0.0', port=80)
目前我们通过pip install -r requirements.txt安装了Flask和Redis的pthon库，应用程序打印了环境变量NAME和socket.gethostname()，最后，由于Redis并没有运行，这里应该会打印错误信息。
在容器内获取hostname，其实是container ID，类似于 process ID
OK！你并不需要安装Python或者requirements.txt中定义的库文件在你的系统，构建或运行这个镜像也不需要在系统上安装它们。 你似乎并没有真正设置Python和Flask的环境，但实际上你已经有了。
构建应用
准备构建这个应用。在此之前，请先确保你在刚才建立的目录下，ls列出这个目录下的内容:
$ ls
Dockerfile app.py requirements.txt
现在运行构建命令。这条命令将会创建一个Docker镜像，可以通过--tag或-t选项来制定镜像名称
docker build --tag=friendlyhello .
构建的镜像在哪？已经在你的本地机器上了
$ docker images
REPOSITORY TAG IMAGE ID CREATED SIZE
friendlyhello latest 996ecb8e1951 30 seconds ago 148MB
choaya/into latest d013706f5624 2 hours ago 123MB
python 2.7-slim 6b34ff151910 9 hours ago 137MB
minio/minio RELEASE.2019-08-21T19-40-07Z 7669a864ad18 5 days ago 51.6MB
nginx latest 5a3221f0137b 11 days ago 126MB
ubuntu latest a2a15febcdf3 12 days ago 64.2MB
minio/minio latest 77a8467ccda1 12 days ago 63.5MB
python 3.6-alpine 58496e6dcbca 2 weeks ago 95.1MB
redis alpine 47af6bf42a1e 3 weeks ago 29.3MB
openjdk 8-jdk-alpine a3562aa0b991 3 months ago 105MB
hello-world latest fce289e99eb9 7 months ago 1.84kB
注意tag默认是latest。完整的tag语法应该像这个样子--tag=friendlyhello:v0.0.1
运行应用程序
运行应用程序，使用-p将机器的4000端口映射到容器的80端口
docker run -p 4000:80 friendlyhello
在运行的日志上，你可以看到你的服务运行在http://0.0.0.0:80/，但是这写消息来自于容器内部，容器并不知道你将容器的80端口映射到了4000端口，所以正确的URL应该是http://localhost:4000
在浏览器中输入URL，查看页面内容
同样可以使用curl命令得到同样的内容
$ curl localhost:4000
<h3>Hello World!</h3><b>Hostname:</b> 14cf737a0cf5<br/><b>Visits:</b> <i>cannot connect to Redis, counter disabled</i>
端口重映射4000:80演示了 Dockerfile 中 EXPOSE和docker run -p运行的区别。后者将宿主机4000端口映射到容器的80端口，在容器内部可以使用http://localhost来访问。
$ docker ps
CONTAINER ID IMAGE COMMAND CREATED STATUS PORTS NAMES
4f28a2e7c9e6 friendlyhello "python app.py" 2 minutes ago Up 2 minutes 80/tcp, 0.0.0.0:80->4000/tcp pedantic_hermann
$ docker exec -it pedantic_hermann /bin/bash
$ root@4f28a2e7c9e6:/app# curl localhost
<h3>Hello World!</h3><b>Hostname:</b> 14cf737a0cf5<br/><b>Visits:</b> <i>cannot connect to Redis, counter disabled</i>
注意这里使用docker exec -it pedantic_hermann /bin/bash 进入了容器，由于基础镜像中并没有安装curl，所以需要先通过apt安装curl才能使用。
$ apt update
$ apt-get install curl
这里只是为了验证内部容器可以通过80端口进行访问，尽量不要在容器内安装多余的内容，这会增加容器的大小
ctrl+c停止运行。
在后台运行应用程序，使用detached模式
docker run -d -p 4000:80 friendlyhello
执行完后你会得到一个长长的 container ID，然后马上退出返回到命令行。这样容器就会一直在后台运行。可以通过docker container ls命令查看到简短的container ID。
$ docker container ls
CONTAINER ID IMAGE COMMAND CREATED STATUS PORTS NAMES
cf8a2c2a348b friendlyhello "python app.py" 4 minutes ago Up 4 minutes 0.0.0.0:4000->80/tcp mystifying_brown
注意CONTAINER ID和http://localhost:4000页面上的hostname是匹配的
现在使用docker container stop结束容器运行，将CONTAINER ID作为参数
docker container stop cf8a2c2a348b
共享镜像
为了演示刚才关键镜像的便携性，我们需要上传我们刚才的镜像，然后尝试在任何地方运行它。毕竟当你在线上部署容器时，你需要知道怎么push镜像到registries。
registries时一些仓库的集合，仓库时镜像的集合。这个有点像Github仓库。
使用Docker ID登陆
如果没有Docker账户，请在hub.docker.com上注册一个。注意你的用户名。
在你机器上登陆公共的registry
docker login
给镜像打标签
通过 username/repository:tag可以将本地镜像和registry的一个仓库关联。tag是可选的，但是推荐填上。比如get-started:part2，这就是将镜像放在get-started仓库，tag是part2
现在运行docker tag image传入username，repository和tag
docker tag image username/repository:tag
比如
docker tag friendlyhello choaya/get-started:part2
运行docker images查看这个新的镜像
$ docker images
REPOSITORY TAG IMAGE ID CREATED SIZE
choaya/get-started part2 996ecb8e1951 About an hour ago 148MB
friendlyhello latest 996ecb8e1951 About an hour ago 148MB
choaya/into latest d013706f5624 3 hours ago 123MB
python 2.7-slim 6b34ff151910 10 hours ago 137MB
minio/minio RELEASE.2019-08-21T19-40-07Z 7669a864ad18 5 days ago 51.6MB
nginx latest 5a3221f0137b 11 days ago 126MB
ubuntu latest a2a15febcdf3 12 days ago 64.2MB
minio/minio latest 77a8467ccda1 12 days ago 63.5MB
python 3.6-alpine 58496e6dcbca 2 weeks ago 95.1MB
redis alpine 47af6bf42a1e 3 weeks ago 29.3MB
openjdk 8-jdk-alpine a3562aa0b991 3 months ago 105MB
hello-world latest fce289e99eb9 7 months ago 1.84kB
发布镜像
上传刚才的镜像到仓库
docker push choaya/get-started:part2
完成之后，你可以登陆到Docker Hub，可以看到这个镜像。
pull同时运行远程仓库的镜像
从现在开始，你可以用docker run直接在你的机器上运行你的应用程序。
docker run -p 4000:80 choaya/get-started:part2
如果本地没有这个镜像，docker自动会从远程仓库中下载这个镜像到本地机器
由于我们本地已经有这个镜像，为了演示便携性，我先把本地的镜像删除
$ docker images
REPOSITORY TAG IMAGE ID CREATED SIZE
choaya/get-started part2 996ecb8e1951 About an hour ago 148MB
friendlyhello latest 996ecb8e1951 About an hour ago 148MB
choaya/into latest d013706f5624 3 hours ago 123MB
python 2.7-slim 6b34ff151910 11 hours ago 137MB
minio/minio RELEASE.2019-08-21T19-40-07Z 7669a864ad18 5 days ago 51.6MB
nginx latest 5a3221f0137b 11 days ago 126MB
ubuntu latest a2a15febcdf3 12 days ago 64.2MB
minio/minio latest 77a8467ccda1 12 days ago 63.5MB
python 3.6-alpine 58496e6dcbca 2 weeks ago 95.1MB
redis alpine 47af6bf42a1e 3 weeks ago 29.3MB
openjdk 8-jdk-alpine a3562aa0b991 3 months ago 105MB
hello-world latest fce289e99eb9 7 months ago 1.84kB
$ docker container prune
$ docker image rm -f 996ecb8e1951
$ docker images
REPOSITORY TAG IMAGE ID CREATED SIZE
choaya/into latest d013706f5624 3 hours ago 123MB
python 2.7-slim 6b34ff151910 11 hours ago 137MB
minio/minio RELEASE.2019-08-21T19-40-07Z 7669a864ad18 5 days ago 51.6MB
nginx latest 5a3221f0137b 11 days ago 126MB
ubuntu latest a2a15febcdf3 12 days ago 64.2MB
minio/minio latest 77a8467ccda1 12 days ago 63.5MB
python 3.6-alpine 58496e6dcbca 2 weeks ago 95.1MB
redis alpine 47af6bf42a1e 3 weeks ago 29.3MB
openjdk 8-jdk-alpine a3562aa0b991 3 months ago 105MB
hello-world latest fce289e99eb9 7 months ago 1.84kB
可以看到现在我本地机器上已经没有了刚才创建的镜像，现在直接从远程仓库运行应用程序试试。
$ docker run -p 4000:80 choaya/get-started:part2
Unable to find image 'choaya/get-started:part2' locally
part2: Pulling from choaya/get-started
[DEPRECATION NOTICE] registry v2 schema1 support will be removed in an upcoming release. Please contact admins of the docker.io registry NOW to avoid future disruption.
1ab2bdfe9778: Already exists
f9047cc61c29: Already exists
7f58e6c9f6f0: Already exists
7058c90ade99: Already exists
32c0ef8226c3: Pull complete
c67c640dc154: Pull complete
13606c24f595: Pull complete
Digest: sha256:02e4a83a136002050374b2b5d3b15683ff2134ed752bb8435f1f770ecbcd57d1
Status: Downloaded newer image for choaya/get-started:part2
* Serving Flask app "app" (lazy loading)
* Environment: production
WARNING: This is a development server. Do not use it in a production deployment.
Use a production WSGI server instead.
* Debug mode: off
* Running on http://0.0.0.0:80/ (Press CTRL+C to quit)
可以看到从远程仓库拉取了镜像，并运行了一个容器，在本地通过http://localhost:4000可以正常访问
如论在什么地方执行docker run，它都会pull你的镜像，同时Python和requirements.txt定义的依赖和你的应用程序代码都会一并打包。你不需要在你机器上安装各种环境。
Part 2结论
这部分内容到这就结束了，下一节我们将学习扩容我们应用，我们将以service来运行这个container
这里是这一节所用到的命令
docker build -t friendlyhello . # Create image using this directory's Dockerfile
docker run -p 4000:80 friendlyhello # Run "friendlyhello" mapping port 4000 to 80
docker run -d -p 4000:80 friendlyhello # Same thing, but in detached mode
docker container ls # List all running containers
docker container ls -a # List all containers, even those not running
docker container stop <hash> # Gracefully stop the specified container
docker container kill <hash> # Force shutdown of the specified container
docker container rm <hash> # Remove specified container from this machine
docker container rm $(docker container ls -a -q) # Remove all containers
docker image ls -a # List all images on this machine
docker image rm <image id> # Remove specified image from this machine
docker image rm $(docker image ls -a -q) # Remove all images from this machine
docker login # Log in this CLI session using your Docker credentials
docker tag <image> username/repository:tag # Tag <image> for upload to registry
docker push username/repository:tag # Upload tagged image to registry
docker run username/repository:tag # Run image from a registry
Part 3: Services
前提条件
- 安装版本
1.13以上的docker - 安装
Docker Compose。Mac OS版和Windows版的Docker已经预装了。在Linux上，你需要安装 - 学习完Part 1
- 学习完Part 2
- 确保Part 2中推向远程仓库的镜像能正常运行，这一节我们将会使用这个镜像
简介
在part 3中我们会扩容我们的应用同时启用负载均衡。为了实现这个目标，我们将进入分布式应用的container层级升级到service层
- Stack
- Services(现在在这)
- Container(在part 2中介绍)
关于services
在分布式应用中，应用的不同部分称为"services"。比如，一个视频分享网站可能包括一个存储应用数据到数据库的服务，一个视频转码服务，一个为前端提供数据的服务等等
services实际上只是“生产中的容器”。服务只运行一个镜像，但它规定了镜像的运行方式，它应该使用哪些端口，应该运行多少个容器副本，以便service具有所需的容量等等。 扩容服务会更改运行该应用的容器实例的数量，从而为应用中的服务分配更多计算资源。
第一个docker-compose.yml文件
docker-compose.yml文件是一个YAML文件，它定义了Docker容器应该怎么运行。
docker-compose.yml
将下面的内容保存到docker-compose.yml文件。确保你已经将Part 2中的镜像推到了远程仓库，然后将文件中的username/repo:tag换成你自己远程仓库镜像
version: "3"
services:
web:
# replace username/repo:tag with your name and image details
image: username/repo:tag
deploy:
replicas: 5
resources:
limits:
cpus: "0.1"
memory: 50M
restart_policy:
condition: on-failure
ports:
- "4000:80"
networks:
- webnet
networks:
webnet:
这个docker-compose.yml告诉Docker做了下面这些事：
- 从远程仓库pull part 2中我们上传的镜像
- 运行5个镜像的实例作为
webservice，限制每个实例最多只能使用单个CPU核心的10%(1.5表示每个实例最多1.5个核心)，最多50M的内存 - 如果运行失败立即重启
- 映射本地4000端口到
web的80端口 - Instruct
web’s containers to share port 80 via a load-balanced network calledwebnet. (Internally, the containers themselves publish toweb’s port 80 at an ephemeral port.) - 使用默认设置定义一个名为
webnet的网络(默认配置是一个负载均衡的overlay网络)
运行新的负载均衡的应用
在使用docker stack deploy命令之前，需要先运行
docker swarm init
注意：这条命令的含义在part 4中介绍。如果不运行
dicker swarm init会报this node is not a swarm manager错误
现在就可以运行了，你需要给你的应用一个名字，这里命名为getstartedlab
$ docker stack deploy -c docker-compose.yml getstartedlab
我们在一个宿主机上运行了5个容器实例，每个容器中是我们部署的镜像。下面我们来探索探索
查看我们应用程序webservice的service ID
$ docker service ls
查看上面这条命令的输出，以应用名字为前缀。如果你把应用命名同上面一样，那么这里显示的名字就是getstartedlab_web。同样输出中列出了service ID，副本数量，镜像名称和暴露的端口
同样，你能运行docker stack services，以stack的名字作为参数。以下示例命令允许您查看与getstartedlabstack关联的所有服务：
$ docker stack services getstartedlab
ID NAME MODE REPLICAS IMAGE PORTS
k0eqbpwwjbn7 getstartedlab_web replicated 5/5 choaya/get-started:part2 *:4000->80/tcp
service中运行的单个容器称为task。每个task都有一个唯一ID，最多是docker-compose.yml中定义的replicas数量。列出你的service的Tasks
$ docker service ps getstartedlab_web
ID NAME IMAGE NODE DESIRED STATE CURRENT STATE ERROR PORTS
t9f3n9ehci40 getstartedlab_web.1 choaya/get-started:part2 lazzyq-HP Running Running 29 minutes ago
ugf8z6qymwcl getstartedlab_web.2 choaya/get-started:part2 lazzyq-HP Running Running 29 minutes ago
m65zkmcnh9uk getstartedlab_web.3 choaya/get-started:part2 lazzyq-HP Running Running 29 minutes ago
a6kl9zalaxc1 getstartedlab_web.4 choaya/get-started:part2 lazzyq-HP Running Running 29 minutes ago
cpb6ynlm7680 getstartedlab_web.5 choaya/get-started:part2 lazzyq-HP Running Running 29 minutes ago
你可以运行在浏览器中输入http://localhost:4000，刷新几次观察每次的hostname和容器ID的关系
可以发现，每次刷新，容器ID都会改变一次，这演示了负载均衡的功能。每次请求都会选一个task来响应。使用round-robin的方式进行响应。容器ID和docker container ls -q中的容器ID对应
扩容你的应用
你可以通过改变docker-compose.yml文件中replicas来实现扩容。保存修改之后，重新运行docker stack deploy命令
docker stack deploy -c docker-compose.yml getstartedlab
Docker就地运行，不需要先停止stack和停止任何容器就能实现扩容
现在重新运行docker container ls -q查看重新部署的实例。如何扩大副本，则会启动更多的tasks，运行更多的容器
停止应用和swarm
-
使用
docker stack rm命令停止应用docker stack rm getstartedlab -
停止swarm
docker swarm leave --force
使用Docker启动应用和扩容就像这么简单。你已经向生产环境运行容器迈了一大步。接下来，你将会学习如何在Docker machines集群上运行真正的swarm应用。
总结和小抄
回顾一下，当运行docker run很简单，在生产环境中真正的实现是将容器当作service来运行。在Compose文件中，Services定义了容器的行为，这个文件能用来扩容，限制资源和重新部署应用。service的改变能就地运行，使用docker stack deploy命令来部署service
这一节使用到的命令
docker stack ls # List stacks or apps
docker stack deploy -c <composefile> <appname> # Run the specified Compose file
docker service ls # List running services associated with an app
docker service ps <service> # List tasks associated with an app
docker inspect <task or container> # Inspect task or container
docker container ls -q # List container IDs
docker stack rm <appname> # Tear down an application
docker swarm leave --force # Take down a single node swarm from the manager
Part 4: Swarms
前提条件
- 安装版本
1.13以上的docker - 安装Docker Compose
- 安装Docker Machine，Mac OS版和Windows版的Docker已经预装了。在Linux上需要安装
- 学习完成part 1
- 学习完成part 2
- 确保Part 2中推向远程仓库的镜像能正常运行，这一节我们将会使用这个镜像
- 一份part 3中的
docker-compose.yml文件的备份
简介
在part 3中，我们使用part 2中构建的镜像，将其以service的方式，扩容到5个实例
在part 4中，我们将部署应用到集群中，并且在多台机器上运行。多容器，多机应用实现基于被称为swarm的``Docker化`的集群
理解Swarm集群
Swarm是一组运行Docker的机器集群。在Swarm集群中像原来那样执行Docker命令，现在这些命令被称为swarm manager执行。swarm集群中的机器可以是物理机或者虚拟机。这些机器加入swarm后，这些机器被称为nodes
Swarm managers可以使用使用多种策略来运行容器，例如emptiest node--它使用容器填充利用率最低的机器。或者global--它确保每台机器只获得指定容器的一个实例。你可以在Compose文件中指定swarm manager使用那种策略
到现在为止，我们一直在本地机器上使用单主机模式的Docker。但是Docker也能切换到swarm mode，这就是使用swarm的原因。启用swarm mode使当前计算机成为swarm manager。 启用后Docker就会运行你在管理的swarm上执行的命令，而不仅仅是在当前机器上
启动swarm
swarm集群由多个节点组成，这些节点可以是物理机也可以是虚拟机。基本概念很简单：运行docker swarm init启用swarm模式同时使当前机器作为swarm manager，然后在其他机器上运行docker swarm join加入swarm作为worker节点。接下来我们使用VM快速创建2台机器的swarm集群
创建集群
你需要一个创建VM的hypervisor，所以在机器上需要安装Oracle VirtualBox
现在使用docker-machine，VirtualBox创建几个VM
docker-machine create --driver virtualbox myvm1
docker-machine create --driver virtualbox myvm2
列出VM获取它们的IP
现在创建了2个VM，分别为myvm1和myvm2
使用下面的命令列出VM获取它们的IP
$ docker-machine ls
NAME ACTIVE DRIVER STATE URL SWARM DOCKER ERRORS
myvm1 - virtualbox Running tcp://192.168.99.100:2376 v19.03.1
myvm2 - virtualbox Running tcp://192.168.99.101:2376 v19.03.1
初始化Swarm和添加Nodes
第一台机器充当manager，执行管理命令和对wokers加入到swarm进行授权，第二台机器充当worker
你可以使用docker-machine ssh向VM发送命令。使用docker swarm init命令指定myvm1作为swarm manager。
$ docker-machine ssh myvm1 "docker swarm init --advertise-addr <myvm1 ip>:<port>"
Swarm initialized: current node <node ID> is now a manager.
To add a worker to this swarm, run the following command:
docker swarm join \
--token <token> \
<myvm ip>:<port>
To add a manager to this swarm, run 'docker swarm join-token manager' and follow the instructions.
端口 2377和2376
docker warm init和docker swarm join尽量使用2377这个端口(swarm 管理端口)，或者不指定端口将默认端口2377
docker-machine ls命令返回的机器IP中包含2376端口，这个端口是docker的后台端口。不要使用这个端口，不然会有 报错
docker swarm init命令执行后的结果中可以看到添加node的docker swarm join命令格式。使用docker-machine ssh命令将docker swarm join命令发送给myvm2，让myvm2作为worker加入到swarm
$ docker-machine ssh myvm2 "docker swarm join \
--token <token> \
<ip>:2377"
This node joined a swarm as a worker.
恭喜你，你已经创建了你的第一个swarm集群
在manager上运行docker node ls查看swarm集群中的节点
$ docker-machine ssh myvm1 "docker node ls"
ID HOSTNAME STATUS AVAILABILITY MANAGER STATUS
brtu9urxwfd5j0zrmkubhpkbd myvm2 Ready Active
rihwohkh3ph38fhillhhb84sk * myvm1 Ready Active Leader
离开swarm
如果你想重新开始，在每个节点上运行
docker swarm leave
在swarm集群上部署应用
最难的部分已经完了。现在你可以重复part 3的过程部署应用到新的swarm集群上。注意只有swarm manager比如myvm1执行docker命令。workers仅仅作为机器资源
配置swarm manager的docker-machine shell命令
目前为止，执行命令都是以docker-machine ssh命令将命令发送到机器上执行。可以使用docker-machine env <machine>命令配置你当前的shell命令和VM的Docker daemon通信。这个方法可以让你使用本地的docker-compose.yml文件部署应用程序到''远程''机器，不用将这个文件拷来拷去
运行docker-machine env myvm1，然后命令结果运行的最后一行拷贝出来并运行，配置你当前的shell命令和swarm manager myvm1通信
Mac或Linux上配置docker-machine shell环境
运行docker-machine env myvm1得到配置与myvm1通信的命令
$ docker-machine env myvm1
export DOCKER_TLS_VERIFY="1"
export DOCKER_HOST="tcp://192.168.99.100:2376"
export DOCKER_CERT_PATH="/Users/sam/.docker/machine/machines/myvm1"
export DOCKER_MACHINE_NAME="myvm1"
# Run this command to configure your shell:
# eval $(docker-machine env myvm1)
运行这个命令
eval $(docker-machine env myvm1)
运行docker-machine ls验证myvm1现在是激活的机器，myvm1被*标识
$ docker-machine ls
NAME ACTIVE DRIVER STATE URL SWARM DOCKER ERRORS
myvm1 * virtualbox Running tcp://192.168.99.100:2376 v19.03.1
myvm2 - virtualbox Running tcp://192.168.99.101:2376 v19.03.1
在swarm manager上部署应用
现在你可以使用在part 3中使用的docker stack deploy命令和docker-compose.yml文件的备份来部署你的应用。这个命令会花一些时间完成部署，并且需要一段时间才会可用。使用在swarm manager运行docker service ps <service_name>验证所有服务重新部署
通过配置docker-machine shell环境与myvm1连接，你仍然可以访问本地机器的文件。确保你在之前目录下，目录下有part 3中的docker-compose.yml文件
像之前那样，在myvm1上运行下面的命令
docker stack deploy -c docker-compose.yml getstartedlab
就这样，应用已经部署到了swarm集群
注意：如果你的镜像不是在Docker Hub上，而是在私有仓库，你需要使用
docker login <your-registry>登陆，然后添加--with-registry-auth到上面的命令，比如：docker login registry.example.com docker stack deploy --with-registry-auth -c docker-compose.yml getstartedlab上面的命令可以使swarm节点可以从你的私有仓库中pull镜像
现在你可以使用part 3中的命令。只不过这次服务分别部署到myvm1和myvm2上
使用
docker-machine env和docker-machain ssh连接到VM。如果想将将shell连接到myvm2，在当前shell或者新的shell中再次运行docker-machine env，然后再执行docker-machine env命令后返回的命令。这条命令只是配置了当前shell。如果你重新开了一个shell窗口，需要重新运行命令进行配置。使用docker-machine ls列出机器，看看这些机器处于什么状态，ip地址，确认当前连接到的是哪台机器另外，你可以用
docker-machine ssh <machine> "<command>"命令来达到同样的目的。这条命令运行的log日志直接打印到VM，不会在本地机器上访问文件在MacOS和Linux上，你可以使用
docker-machine scp <file> <machine>:~拷贝文件到机器上
访问集群
你可以使用myvm1或myvm2的IP地址来访问你的应用
创建网络是共享的，同时实现了负载均衡。运行docker-machine ls获取VM的IP地址，可以通过浏览器或curl访问4000端口
访问随机得到的结果有5个不同的容器ID，体现了负载均衡
2个机器的IP都访问，是因为在swarm节点加入到路由网格(routing mesh)中。这样确保了在swarm中部署的service无论使用什么端口都得以保留，无论在哪个node上运行的容器都这样。下面这个图展示了一个名为my-web服务部署在拥有3个node的swarm中并对外暴露8080端口的结构
迭代和扩容应用
从现在开始，你可以运行你在part 2和part 3中学到的命令
可以更改docker-compose.yml进行扩容
修改代码，重新构建镜像，将镜像推送到仓库进行迭代
无论是扩容还是迭代，仅仅再次运行docker stack deploy就可以应用这些改变
你可以使用docker swarm join命令将任何机器(物理机或虚拟机)加入到swarm中，集群就相当于扩容了。运行docker stack deploy，应用就能使用这些资源重新部署
清理和重启
stack和swarm
你可以使用docker stack rm命令停止stack，例如
docker stack rm getstartedlab
保留swarm还是移除它？
可以使用
docker-machine ssh myvm2 "docker swarm leave"让worker从swarm中移除，使用docker-machine ssh myvm1 "docker swarm leave --force"让manager从swarm中移除，但是在part 5中还会使用到这个swarm，现在还是留着
取消docker-machine shell命令
你可以使用下面的命令来取消上面配置的docker-machine shell环境
在Mac或Linux上使用
eval $(docker-machine env -u)
在Windows上使用
& "C:\Program Files\Docker\Docker\Resources\bin\docker-machine.exe" env -u | Invoke-Expression
重启Docker machine
如果你把宿主机关机了，Docker machine将停止运行。可以使用docker-machine ls查看机器的运行状态
$ docker-machine ls
NAME ACTIVE DRIVER STATE URL SWARM DOCKER ERRORS
myvm1 - virtualbox Stopped Unknown
myvm2 - virtualbox Stopped Unknown
重启可以使用
docker-machine start <machine-name>
比如
$ docker-machine start myvm1
Starting "myvm1"...
(myvm1) Check network to re-create if needed...
(myvm1) Waiting for an IP...
Machine "myvm1" was started.
Waiting for SSH to be available...
Detecting the provisioner...
Started machines may have new IP addresses. You may need to re-run the `docker-machine env` command.
$ docker-machine start myvm2
Starting "myvm2"...
(myvm2) Check network to re-create if needed...
(myvm2) Waiting for an IP...
Machine "myvm2" was started.
Waiting for SSH to be available...
Detecting the provisioner...
Started machines may have new IP addresses. You may need to re-run the `docker-machine env` command.
总结和小抄
在part 4中，你了解了swarm，在swarm中节点怎么成为manager或worker，怎么常见swarm并部署应用到swarm。你可以看到，在part 3中的命令并没有改变，这些命令只是在swarm的manager节点上运行。你也看到了docker中网络的功能，能够在容器之间进行负载均衡，即使容器运行在不同机器上。最后你知道了怎么在集群上迭代和扩容你的应用。
这一节使用到的命令
docker-machine create --driver virtualbox myvm1 # Create a VM (Mac, Win7, Linux)
docker-machine create -d hyperv --hyperv-virtual-switch "myswitch" myvm1 # Win10
docker-machine env myvm1 # View basic information about your node
docker-machine ssh myvm1 "docker node ls" # List the nodes in your swarm
docker-machine ssh myvm1 "docker node inspect <node ID>" # Inspect a node
docker-machine ssh myvm1 "docker swarm join-token -q worker" # View join token
docker-machine ssh myvm1 # Open an SSH session with the VM; type "exit" to end
docker node ls # View nodes in swarm (while logged on to manager)
docker-machine ssh myvm2 "docker swarm leave" # Make the worker leave the swarm
docker-machine ssh myvm1 "docker swarm leave -f" # Make master leave, kill swarm
docker-machine ls # list VMs, asterisk shows which VM this shell is talking to
docker-machine start myvm1 # Start a VM that is currently not running
docker-machine env myvm1 # show environment variables and command for myvm1
eval $(docker-machine env myvm1) # Mac command to connect shell to myvm1
& "C:\Program Files\Docker\Docker\Resources\bin\docker-machine.exe" env myvm1 | Invoke-Expression # Windows command to connect shell to myvm1
docker stack deploy -c <file> <app> # Deploy an app; command shell must be set to talk to manager (myvm1), uses local Compose file
docker-machine scp docker-compose.yml myvm1:~ # Copy file to node's home dir (only required if you use ssh to connect to manager and deploy the app)
docker-machine ssh myvm1 "docker stack deploy -c <file> <app>" # Deploy an app using ssh (you must have first copied the Compose file to myvm1)
eval $(docker-machine env -u) # Disconnect shell from VMs, use native docker
docker-machine stop $(docker-machine ls -q) # Stop all running VMs
docker-machine rm $(docker-machine ls -q) # Delete all VMs and their disk images
Part 5: Stack
前提条件
- 安装版本
1.13以上的docker - 安装Docker Compose
- 安装Docker Machine，Mac OS版和Windows版的Docker已经预装了。在Linux上需要安装
- 学习完成part 1
- 学习完成part 2
- 确保Part 2中推向远程仓库的镜像能正常运行，这一节我们将会使用这个镜像
- 一份part 3中的
docker-compose.yml文件的备份 - 确保part 4中国创建的机器正常运行。运行
docker-machine ls验证。如果机器停止了，运行docker-machine start myvm1启用manager，docker-machine start myvm2启动worker - 确保part 4中swarm正常运行。运行
docker-machine ssh myvm1 "docker node ls"命令验证。如果swarm正常运行，节点应该是ready状态，如果不是，重新初始化swarm
简介
在part 4中，你已经学会了启用swarm集群并且部署应用在上面
在part 5这部分，你将接触到分布式应用的最高层:stack。stack就是一组相关联、共享依赖，能同时扩容的services，一个stack就能实现整个应用(尽管复杂的应用需要使用多个stack)
好消息是，当你在part 3中创建compose文件并且使用docker stack deploy时，就已经使用过stack了。但是这只是单个service的的stack运行在单个host上，但生产环境并不会这么使用。那么现在你将学习多个相关联的services部署在多台机器上
添加一个新service并重新部署
在docker-compose.yml中添加服务很简单。首先我们先添加一个免费的可视化服务，这个可视化服务可以帮组我们看到swarm怎么调度容器
-
使用下面的内容替换原来的
docker-compose.yml文件，注意将username/repo:tag替换成你自己的镜像version: "3" services: web: # replace username/repo:tag with your name and image details image: username/repo:tag deploy: replicas: 5 restart_policy: condition: on-failure resources: limits: cpus: "0.1" memory: 50M ports: - "80:80" networks: - webnet visualizer: image: dockersamples/visualizer:stable ports: - "8080:8080" volumes: - "/var/run/docker.sock:/var/run/docker.sock" deploy: placement: constraints: [node.role == manager] networks: - webnet networks: webnet:唯一的改变就是添加了一个名为
visualizer的service。注意这里添加了2个新的概念，volumns允许visualizer能够访问宿主机docker的socket文件；placement确保visualizer只运行在swarm manager，而不是在worker。 -
确保你的shell配置成连接到
myvm1了运行
docker-machine ls列出机器确保shell已经配置连接到myvm1，如果配置成功，可以在myvm1看到*标识-
如果可能的话，重新运行
docker-machine env myvm1，然后运行下列命令配置在MacOS或Linux上
eval $(docker-machine env myvm1)在Windows上
& "C:\Program Files\Docker\Docker\Resources\bin\docker-machine.exe" env myvm1 | Invoke-Expression
-
在manager上重新运行
docker stack deploy命令$ docker stack deploy -c docker-compose.yml getstartedlab Updating service getstartedlab_web (id: angi1bf5e4to03qu9f93trnxm) Creating service getstartedlab_visualizer (id: l9mnwkeq2jiononb5ihz9u7a4) -
看一眼visualizer
你可以看到，在compose文件中
visualizer运行在8080端口。通过docker-machine ls命令得到的IP地址来访问
可以看到单个visualizer运行在manager上，5个web实例分别在swarm各个机器上运行。你能通过docker stack ps <stack>来确认：
docker stack ps getstartedlab
持久化数据
接下来我们添加一个redis数据出来存储应用数据
-
保存新的
docker-machine.yml文件。只是在前面的基础上添加了Redis serviceversion: "3" services: web: # replace username/repo:tag with your name and image details image: username/repo:tag deploy: replicas: 5 restart_policy: condition: on-failure resources: limits: cpus: "0.1" memory: 50M ports: - "80:80" networks: - webnet visualizer: image: dockersamples/visualizer:stable ports: - "8080:8080" volumes: - "/var/run/docker.sock:/var/run/docker.sock" deploy: placement: constraints: [node.role == manager] networks: - webnet redis: image: redis ports: - "6379:6379" volumes: - "/home/docker/data:/data" deploy: placement: constraints: [node.role == manager] command: redis-server --appendonly yes networks: - webnet networks: webnet:Redis配置使用6379端口，在compose文件中，将6379端口从宿主机暴露，所以你可以通过访问Redis。
最重要的是，在部署之前，有几件事关于redis持久化的事需要说明
- redis运行在manager
- redis存储数据的目录映射到了宿主机的/data目录
这样，redis数据就存储在了宿主机上，而不是存储在容器内的
/data目录，容器中的目录在容器重新部署时数据会被清除掉要做到数据持久化，必须做到：
- 限制redis service必须运行在相同的宿主机上
- 容器内的数据目录映射到了宿主机的文件系统上
现在可以将添加了redis service的stack重新部署
-
在manager上创建
./data目录docker-machine ssh myvm1 "mkdir ./data" 确保shell配置成连接到
myvm1-
再次运行
docker stack deploy重新部署$ docker stack deploy -c docker-compose.yml getstartedlab -
运行
docker service ls验证3个服务是否如期运行$ docker service ls ID NAME MODE REPLICAS IMAGE PORTS x7uij6xb4foj getstartedlab_redis replicated 1/1 redis:latest *:6379->6379/tcp n5rvhm52ykq7 getstartedlab_visualizer replicated 1/1 dockersamples/visualizer:stable *:8080->8080/tcp mifd433bti1d getstartedlab_web replicated 5/5 gordon/getstarted:latest *:80->80/tcp 在web页面上访问应用，你看到存储在redis中的数据
同样，检查visualizer是否在8080端口正常运行，同时redis、web和visualizer3个服务正常运行
欢迎关注我的公众号
