docker練習-容器和服務

使用定義容器 Dockerfile

Dockerfile定義容器內環境中發生的事情。對網絡接口和磁盤驅動器等資源的訪問在此環境中進行虛擬化，該環境與系統的其餘部分隔離，所以您須要將端口映射到外部世界，並具體說明要「複製」到哪些文件那個環境。可是，在執行此操做以後，您能夠預期Dockerfile在此處定義的應用程序的構建 在其運行的任何位置都會徹底相同。

Dockerfile

建立一個空目錄。將目錄（cd）更改成新目錄，建立一個名爲的文件Dockerfile

# Use an official Python runtime as a parent image FROM python:2.7-slim # Set the working directory to /app WORKDIR /app # Copy the current directory contents into the container at /app ADD . /app # Install any needed packages specified in requirements.txt RUN pip install --trusted-host pypi.python.org -r requirements.txt # Make port 80 available to the world outside this container EXPOSE 80 # Define environment variable ENV NAME World # Run app.py when the container launches CMD ["python", "app.py"] 

這Dockerfile是指咱們還沒有建立的幾個文件，即 app.py和requirements.txt。讓咱們建立下一個。

應用程序自己

再建立兩個文件，requirements.txt而後app.py將它們放在同一個文件夾中Dockerfile。這完成了咱們的應用程序，您能夠看到它很是簡單。當上述Dockerfile被內置到的圖像，app.py而且 requirements.txt是由於存在Dockerfile的ADD命令，並從輸出app.py是經過HTTP得益於訪問EXPOSE 命令。

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) 

如今咱們看到pip install -r requirements.txt爲Python安裝Flask和Redis庫，應用程序打印環境變量NAME，以及調用的輸出socket.gethostname()。最後，由於Redis沒有運行（由於咱們只安裝了Python庫，而不是Redis自己），咱們應該指望在這裏使用它的嘗試失敗併產生錯誤消息。

注意：在容器內部訪問容器ID時，訪問主機名稱，這相似於正在運行的可執行文件的進程ID。

構建應用程序

$ ls Dockerfile app.py requirements.txt 

如今運行build命令。這會建立一個Docker鏡像，使用-t它來標記，所以它具備友好的名稱。

docker build -t friendlyhello .

$ docker images REPOSITORY TAG IMAGE ID friendlyhello latest 326387cea398

 

Docker ID登陸

登陸本地計算機上的Docker公共註冊表。

$ docker login 

標記圖像

將本地映像與註冊表上的存儲庫相關聯的表示法是 username/repository:tag

docker tag image wangshu19930818/friendlyhello:v1

發佈圖像

將標記的圖像上傳到存儲庫：

docker pushwangshu19930818/friendlyhello:v1

從遠程存儲庫中拉出並運行映像

從如今開始，您可使用docker run如下命令在任何計算機上使用和運行您的應用程序：

docker run -p 4000:80 wangshu19930818/friendlyhello:v1

關於服務

在分佈式應用程序中，應用程序的不一樣部分稱爲「服務」。

若是想象一個視頻共享站點，它可能包括一個用於將應用程序數據存儲在數據庫中的服務，一個用於在後臺進行視頻轉碼的服務。用戶上傳內容，前端服務等。

服務實際上只是「生產中的容器」。服務只運行一個映像，但它編碼了映像的運行方式 - 它應該使用哪些端口，應該運行多少個容器副本，以便服務具備所需的容量，以及等等。

擴展服務會更改運行該軟件的容器實例的數量，從而爲流程中的服務分配更多計算資源。

使用Docker平臺定義，運行和擴展服務很是容易 - 只需編寫一個docker-compose.yml文件便可。

docker-compose.yml檔案

一個docker-compose.yml文件是一個YAML文件，它定義瞭如何Docker容器在生產中應表現。

docker-compose.yml

將此文件保存爲docker-compose.yml您想要的任何位置。

version: "3" services: web: # replace username/repo:tag with your name and image details image: wangshu19930818/friendlyhello:v1 deploy: replicas: 5 resources: limits: cpus: "0.1" memory: 50M restart_policy: condition: on-failure ports: - "4000:80" networks: - webnet networks: webnet: 

該docker-compose.yml文件告訴Docker執行如下操做：

• 拉上傳的圖像從註冊表。

• 將該映像的5個實例做爲一個被調用的服務運行web，限制每一個實例使用，最多10％的CPU（跨全部內核）和50MB的RAM。

• 若是一個失敗，當即重啓容器。

• 將主機上的端口4000映射到web端口80。

• 指示web容器經過稱爲負載平衡的網絡共享端口80 webnet。（在內部，容器自己web在短暫的端口發佈到 80端口。）

• webnet使用默認設置（負載平衡的覆蓋網絡）定義網絡。

運行新的負載均衡應用

在咱們docker stack deploy首先運行命令以前：

docker swarm init

注意：若是您沒有運行，docker swarm init則會收到「此節點不是羣集管理器」的錯誤。

docker stack deploy -c docker-compose.yml getstartedlab 

咱們的單個服務堆棧在一臺主機上運行已部署映像的5個容器實例。

在咱們的應用程序中獲取一項服務的服務ID：

docker ps

列出服務任務：

docker service ps getstartedlab_web

若是您只列出系統上的全部容器，則任務也會顯示，但不會被服務過濾：

docker ps  -q 

curl -4 http://localhost:4000連續屢次運行，或者在瀏覽器中轉到該URL並點擊刷新幾回。

擴展應用程序

能夠經過更改replicas值docker-compose.yml，保存更改並從新運行docker stack deploy命令來擴展應用程序：

docker stack deploy -c docker-compose.yml getstartedlab 

Docker執行就地更新，無需首先拆除堆棧或殺死任何容器。

如今，從新運行docker ps -q以查看已從新配置的已部署實例。

若是放大副本，則會啓動更多任務，從而啓動更多容器。

取下應用程序和羣

• 將應用程序刪除docker stack rm：

  docker stack rm getstartedlab

• 取下羣。

  docker swarm leave --force