掃二維碼與項目經(jīng)理溝通
我們在微信上24小時期待你的聲音
解答本文疑問/技術咨詢/運營咨詢/技術建議/互聯(lián)網(wǎng)交流
作為研發(fā)人員,通常自己電腦的系統(tǒng)環(huán)境都是非常復雜,在個人的習慣上,是按照下圖的模塊管理電腦的系統(tǒng)環(huán)境;

對于「基礎設施」、「主機操作系統(tǒng)」、「系統(tǒng)軟件」來說,通常只做配置修改;
對于自行安裝的軟件環(huán)境來說,個人通常這樣分類:「應用軟件」、「研發(fā)軟件」、「持續(xù)集成」、「虛擬機環(huán)境」;
不論是這些軟件環(huán)境還是虛擬機系統(tǒng)的搭建,基本都是通過下載軟件安裝包,然后在本地部署和定期更新以及運行,基于這個場景再去理解容器和Pod組件,會輕松許多;
參考上面系統(tǒng)環(huán)境的管理,軟件包和安裝部署的原理;
Docker容器鏡像是一個輕量級的、獨立的、可執(zhí)行的軟件包,它包含了運行應用程序所需的一切:代碼、運行時、系統(tǒng)工具、系統(tǒng)庫和設置,帶有創(chuàng)建Docker容器的說明;
可以通過Dockerfile腳本自定義鏡像,也可以使用云端倉庫中其他人公開發(fā)布的,生產(chǎn)環(huán)境通常采用私有倉庫管理鏡像;
容器鏡像所承載的是封裝了應用程序及其所有軟件依賴的二進制數(shù)據(jù),容器鏡像是可執(zhí)行的軟件包,可以單獨運行;通常會創(chuàng)建應用的容器鏡像并將其推送到某倉庫,然后在Pod中引用它;
容器將應用程序從底層的主機設施中解耦,這使得在不同的云或OS環(huán)境中部署更加容易;
容器的本質就是一個視圖隔離、可限制資源、獨立文件系統(tǒng)的進程集合;
以常見的Linux研發(fā)環(huán)境來分析,可以限制容器的資源分配,比如內存大小、CPU使用,隔離進程之間的通信,設置獨立的文件系統(tǒng)等;
Kubernetes集群中的每個節(jié)點都會運行容器,這些容器構成分配給該節(jié)點的Pod,單個Pod中的容器會在共同調度下,于同一位置運行在相同的節(jié)點上;
從整體上可以把K8S理解為「操作系統(tǒng)」,鏡像理解為「軟件安裝包」,容器理解為「應用進程」;
制作鏡像,首先將代碼工程auto-client和auto-serve打包,然后構建鏡像文件,放在本地環(huán)境中;
構建命令
docker build -t auto-client:latest .Dockerfile腳本
# 基礎鏡像
FROM openjdk:8
# 維護者
MAINTAINER cicadasmile
# 持久化目錄
VOLUME /data/docker/logs
# 添加應用服務JAR包
ADD auto-client.jar application.jar
# 配置參數(shù)
ENTRYPOINT ["java","-Dspring.profiles.active=dev","-Djava.security.egd=file:/dev/./urandom","-jar","/application.jar"]
構建命令
docker build -t auto-serve:latest .Dockerfile腳本
# 基礎鏡像
FROM openjdk:8
# 維護者
MAINTAINER cicadasmile
# 持久化目錄
VOLUME /data/docker/logs
# 添加應用服務JAR包
ADD auto-serve.jar application.jar
# 配置參數(shù)
ENTRYPOINT ["java","-Dspring.profiles.active=dev","-Djava.security.egd=file:/dev/./urandom","-jar","/application.jar"]
Pod是可以在K8S中創(chuàng)建和管理的、最小的可部署的計算單元;
Pod是一組(一個或多個)容器,這些容器共享存儲、網(wǎng)絡、以及怎樣運行這些容器的聲明,Pod中的內容總是并置的并且一同調度,在共享的上下文中運行;
【Pod創(chuàng)建】
通常不會直接創(chuàng)建Pod,而是使用諸如Deployment或Job這類工作負載資源來創(chuàng)建Pod;是相對臨時性的、用后即拋的一次性實體;
【單容器Pod】
每個Pod都意在運行給定應用程序的單個實例,可以使用多個Pod對應用程序橫向擴展,即一個實例一個Pod對應,Pod看作單個容器的包裝器由K8S直接管理,是常見的部署方式;
【多容器Pod】
分布式系統(tǒng)中可能存在由多個緊密耦合且需要共享資源的共處容器組成的應用程序,比較典型的是「生產(chǎn)消費」場景,Pod將這些容器和存儲資源打包為一個可管理的實體;
Pod中的容器被自動安排到集群中的同一物理機或虛擬機上,并可以一起進行調度,容器之間可以共享網(wǎng)絡和存儲資源和依賴、彼此通信、協(xié)調何時以及何種方式終止自身;
容器之間原本是被隔離開的,而Pod在設計上可以突破這種隔離,進而實現(xiàn)資源共享;
在Pod層面設置共享的Volume,該Pod中所有容器都可以訪問該共享Volume,這也是Pod組件的存儲方式,Volume還允許Pod中持久數(shù)據(jù)保留下來,即使其中的容器需要重新啟動;
同一個Pod內,所有容器共享一個IP地址和端口空間,并且可以通過localhost發(fā)現(xiàn)對方;
在此前的案例中,都是單容器Pod,這里演示多容器Pod,將【auto-client】和【auto-serve】放在同一個「auto-pod」中運行;
并且這里為兩個容器分配CPU和內存資源,requests是要為容器指定資源需求,limits是要為容器指定資源限制;
apiVersion: v1
kind: Pod
metadata:
name: auto-pod
spec:
containers:
- name: auto-client
image: auto-client
imagePullPolicy: Never
ports:
- containerPort: 8079
resources:
requests:
cpu: "250m"
memory: "64Mi"
limits:
cpu: "500m"
memory: "128Mi"
- name: auto-serve
image: auto-serve
imagePullPolicy: Never
ports:
- containerPort: 8082
resources:
requests:
cpu: "250m"
memory: "64Mi"
limits:
cpu: "500m"
memory: "128Mi"
kubectl create -f pod.yaml
kubectl get pod/auto-pod -o wide
NAME READY STATUS RESTARTS AGE IP NODE NOMINATED NODE READINESS GATES
auto-pod 2/2 Running 0 9m2s 10.1.0.123 docker-desktop
kubectl describe pod/auto-pod
# 此處只展示部分信息
Name: auto-pod
Namespace: default
Node: docker-desktop/192.168.65.11
Status: Running
IP: 10.1.0.123
Containers:
auto-client:
Container ID: docker://Container-ID
Image: auto-client
Image ID: docker://sha256:Image-ID
Port: 8079/TCP
Limits:
cpu: 500m
memory: 128Mi
Requests:
cpu: 250m
memory: 64Mi
auto-serve:
Container ID: docker://Container-ID
Image: auto-serve
Image ID: docker://sha256:Image-ID
Port: 8082/TCP
Limits:
cpu: 500m
memory: 128Mi
Requests:
cpu: 250m
memory: 64Mi
Events:
Type Reason Age From Message
---- ------ ---- ---- -------
Normal Scheduled 38s default-scheduler Successfully assigned default/auto-pod to docker-desktop
Normal Pulled 37s kubelet Container image "auto-client" already present on machine
Normal Created 37s kubelet Created container auto-client
Normal Started 37s kubelet Started container auto-client
Normal Pulled 37s kubelet Container image "auto-serve" already present on machine
Normal Created 37s kubelet Created container auto-serve
Normal Started 37s kubelet Started container auto-serve
kubectl delete -f pod.yaml
在「auto-client」服務中,提供一個簡單的定時任務,每10秒訪問一次「auto-serve」的接口,打印請求的響應結果;
@Component
public class HttpJob {
private static final Logger LOG = LoggerFactory.getLogger(HttpJob.class.getName()) ;
private static final String SERVER_URL = "http://localhost:8082/serve";
/**
* 每10秒執(zhí)行一次
*/
@Scheduled(fixedDelay = 10000)
public void systemDate (){
try{
SimpleClientHttpRequestFactory factory = new SimpleClientHttpRequestFactory();
factory.setReadTimeout(3000);
factory.setConnectTimeout(6000);
RestTemplate restTemplate = new RestTemplate(factory);
Map paramMap = new HashMap<>() ;
String result = restTemplate.getForObject(SERVER_URL,String.class,paramMap);
LOG.info("server-resp::::"+result);
} catch (Exception e){
e.printStackTrace();
}
}
} 在「auto-serve」服務中,提供一個簡單的Get請求接口;
@RestController
public class ServeWeb {
private static final Logger logger = LoggerFactory.getLogger(ServeWeb.class) ;
@Value("${server.port:}")
private Integer servePort ;
@GetMapping("/serve")
public String serve (){
logger.info("serve:{}",servePort);
return "serve:"+servePort ;
}
}查看兩個容器的運行日志,發(fā)現(xiàn)「auto-client」和「auto-serve」可以正常通信,以此來驗證同一個Pod內網(wǎng)絡共享;
可以在Pod中通過restartPolicy屬性設置重啟策略,常用的取值是Always以降低應用的中斷時間,適用于Pod中的所有容器;
Pod遵循預定義的生命周期,起始于Pending階段,如果至少其中有一個主要容器正常啟動,則進入Running階段,之后取決于Pod中是否有容器以失敗狀態(tài)結束而進入Succeeded或者Failed階段。

我們在微信上24小時期待你的聲音
解答本文疑問/技術咨詢/運營咨詢/技術建議/互聯(lián)網(wǎng)交流