云原生之基石-Docker Compose

1. 前言

        在上一篇文章中介绍了基本的Docker工具,我们对单个应用程序进行单机单进程部署,制作Dockerfile文件,执行docker build来生成docker镜像, 执行docker run来运行一个容器,自己指定需要的参数如-v,但是这种run的方式肯定是不高效的,肯定不能解决我们大规模部署应用程序的需求的。

        假如我们有一个小应用系统,有前端应用程序web app、后台API服务程序、存储系统、缓存系统,计划部署在一台资源很充足的单机Linux系统上,我们要写一个Bash脚本,在脚本里一个个docker run吗?有没有一种方法,很简单的运行一行命令就run起来?我们面临哪些需要解决的问题?

        1)需要一种方法做到一个命令就能run或stop所有的应用程序;

        2)容器之间需要通讯,前端需要访问后台服务,后台服务需要访问存储系统和缓存系统;

        3)外面用户需要访问前端应用程序;

        4)存储系统需要永久数据存储的能力。

        Docker Compose技术对以上问题提供了相应的解决之道,让我们轻松地解决了应用程序集的部署问题。

        看看百度翻译对Compose的描述:v. 组成;构成(一个整体);创作(音乐);作曲;撰写(信函、讲稿、诗歌等);使镇静。组成、组合、使之构成一个整体,这正是Docker Compose的本意。

 

 2. Compose概述     

        我们来看一看Docker官网是怎样介绍自己的:Docker Compose overview | Docker Docs 

        Docker Compose is a tool for defining and running multi-container applications. It is the key to unlocking a streamlined and efficient development and deployment experience.

        Docker Compose是一个定义和运行多容器应用程序的工具,它是开启精简高效的开发和部署体验的关键。

        Compose simplifies the control of your entire application stack, making it easy to manage services, networks, and volumes in a single, comprehensible YAML configuration file. Then, with a single command, you create and start all the services from your configuration file.

        Compose简化了你的全应用程序栈的控制,它使用一个单一的可读性强的YAML配置文件来管理服务管、网络管和磁盘卷,让整个管理变得很容易。然后,使用一个简单的命令,你可以创建和启动YAML配置文件里的所有服务。

        Compose works in all environments; production, staging, development, testing, as well as CI workflows. It also has commands for managing the whole lifecycle of your application:

  • Start, stop, and rebuild services
  • View the status of running services
  • Stream the log output of running services
  • Run a one-off command on a service

        Compose在所有环境里工作的很好,包括产品、预发布、开发、测试、以及CI工作流,它也有一系列命令来管理你的应用程序的全生命周期:

  • 启动、关闭和重建服务;
  • 观察运行中服务的状态;
  • 让运行中服务的日志输出流式化;
  • 在一个服务上运行一次性命令。

        总之,Docker Compose就是一个定义和运行多容器应用程序的工具,用一个YAML配置文件来管理服务的一切,所谓的声明式API理念,后来的K8s特别宣称这一理念。

        从2013年以来,关于Docker和Docker Compose的安装、使用、各种操作命令的文章千千万,随便查查都能学会怎么使用这个具体的技术,再写这篇文章的重点还是强调我们要认识清楚Docker Compose的特点和理念,主要解决了我们哪些实际问题,架构师在技术选型的时候能做出正确的选择。

3. Compose安装

        Compose安装是很简单的,直接看官网即可:Overview of installing Docker Compose | Docker Docs, 一共有三个方案:

        1)安装Docker Desktop, 它包含了Compose。不过,一般不建议用桌面版,毕竟系统一般是Linux,还是用命令行比较好。

        2)安装Compose plugin,条件是那台机器已经安装了Docker Engine和Docker CLI。

        3)安装独立的Compose工具,但官方说不推荐,仅仅是V2向下兼容的方案。

        注意,Compose有V1和V2两个版本,2023年7月开始V1已经停止更新了,但是我想大家目前环境基本上都是V1版本吧,没特别必要是不会去升级的。

4. Compose服务编排

        Docker Compose 将所管理的容器分为三层:工程(Project)、服务(Service)、容器(Container)。
        Docker Compose 运行目录下的所有文件(docker-compose.yml)组成一个工程,一个工程包含多个服务,每个服务中定义了容器运行的镜像、参数、依赖,一个服务可包括多个容器实例。

         

 

         上图是前言中假设的一个小应用系统的组件设计图,我们编写一个docker-compose.yml来部署它:   

version: "3"

services:
  mysql:
    image: mysql:5.7
    environment:
      MYSQL_ROOT_PASSWORD: abc12345678
      MYSQL_DATABASE: test
    volumes:
      - /etc/localtime:/etc/localtime:ro
      - /etc/timezone:/etc/timezone:ro
      - ./mysql/db:/var/lib/mysql
    ports:
      - "3306:3306"
    networks:
      - default
      - gateway

  redis:
    image: redis:latest
    command: redis-server /etc/redis/redis.conf
    volumes:
      - ./redis/redis.conf:/etc/redis/redis.conf
      - ./redis/redis/data:/data
      - /etc/localtime:/etc/localtime:ro
    ports:
      - "6379:6379"
    restart: always
    networks:
      - default
      - gateway

  backend-api:
    image: demo/backend-api:1.0
    ports:
      - 8080:80
    volumes:
      - /etc/localtime:/etc/localtime:ro
      - /etc/timezone:/etc/timezone:ro
      - ./backend/conf:/opt/backend/conf
      - ./backend/logs:/opt/backend/logs
    networks:
      - default
      - gateway
    depends_on:
      - mysql
      - redis

  frontend-webapp:
    image: demo/frontend-webapp:1.0
    ports:
      - 80:80
    volumes:
      - /etc/localtime:/etc/localtime:ro
      - /etc/timezone:/etc/timezone:ro
      - ./webapp:/opt/webapp
    networks:
      - default
      - gateway
    depends_on:
      - backend-api

networks:
  default:
    external:
      name: web-service
  gateway:
    external: true

        上面docker-compose.yml文件内容是我从实际项目中抽出来简化了的版本,backend-api可能是SpringBoot框架开发的,也可能是Flask框架开发的,实际参数不止于这些,而同样frontend-webapp可能是vue2/vue3框架开发的,也可能是react框架开发的, 实际参数并不尽同,但并不影响我们说明问题。下面讲解几个关键点:

  • services: 所有服务的根节点。例子里定义了4个服务mysql、redis、backend-api、frontend-webapi。
  • image: 指定服务的镜像。
  • environment:环境变量。
  • volumes:挂载主机目录,其中 ro 表示只读。
  • ports:端口映射,要想外部能访问容器内服务,就需要做端口映射。
  • networks:网络配置,docker是有自己内部网络的,容器之间可以通讯,可以通过服务名来访问,具体网络创建等不详述。
  • depends_on:服务依赖。

        docker-compose.yml编排语法不仅仅只有以上这几个,详细请参见Docker Compose overview | Docker Docs ,要注意默认官网文档是V2,当然相差也不会太大,具体在自己环境试试就知道了。

5. Compose常见命令

        Compose常见操作命令都很容易,下面列举几个:

5.1 启动容器: 

docker-compose up

docker compose up

5.2 列出所有运行容器:

docker-compose ps 

docker compose ps

5.3 停止容器:
docker compose down 

  全部命令具体参见:Overview of docker compose CLI | Docker Docs,下面截图一下官网的文档:

6. 总结

         Docker Compose是一个定义和运行多容器应用程序的工具,用一个YAML配置文件来管理服务的一切,对系统部署按工程、服务、容器进行管理,让我们很方便地对一批服务进行高效地部署和管理。

                       

         
标题基于Python的汽车之家网站舆情分析系统研究AI更换标题第1章引言阐述汽车之家网站舆情分析的研究背景、意义、国内外研究现状、论文方法及创新点。1.1研究背景与意义说明汽车之家网站舆情分析对汽车行业及消费者的重要性。1.2国内外研究现状概述国内外在汽车舆情分析领域的研究进展与成果。1.3论文方法及创新点介绍本文采用的研究方法及相较于前人的创新之处。第2章相关理论总结和评述舆情分析、Python编程及网络爬虫相关理论。2.1舆情分析理论阐述舆情分析的基本概念、流程及关键技术。2.2Python编程基础介绍Python语言特点及其在数据分析中的应用。2.3网络爬虫技术说明网络爬虫的原理及在舆情数据收集中的应用。第3章系统设计详细描述基于Python的汽车之家网站舆情分析系统的设计方案。3.1系统架构设计给出系统的整体架构,包括数据收集、处理、分析及展示模块。3.2数据收集模块设计介绍如何利用网络爬虫技术收集汽车之家网站的舆情数据。3.3数据处理与分析模块设计阐述数据处理流程及舆情分析算法的选择与实现。第4章系统实现与测试介绍系统的实现过程及测试方法,确保系统稳定可靠。4.1系统实现环境列出系统实现所需的软件、硬件环境及开发工具。4.2系统实现过程详细描述系统各模块的实现步骤及代码实现细节。4.3系统测试方法介绍系统测试的方法、测试用例及测试结果分析。第5章研究结果与分析呈现系统运行结果,分析舆情数据,提出见解。5.1舆情数据可视化展示通过图表等形式展示舆情数据的分布、趋势等特征。5.2舆情分析结果解读对舆情分析结果进行解读,提出对汽车行业的见解。5.3对比方法分析将本系统与其他舆情分析系统进行对比,分析优劣。第6章结论与展望总结研究成果,提出未来研究方向。6.1研究结论概括本文的主要研究成果及对汽车之家网站舆情分析的贡献。6.2展望指出系统存在的不足及未来改进方向,展望舆情
【磁场】扩展卡尔曼滤波器用于利用高斯过程回归进行磁场SLAM研究(Matlab代码实现)内容概要:本文介绍了利用扩展卡尔曼滤波器(EKF)结合高斯过程回归(GPR)进行磁场辅助的SLAM(同步定位与地图构建)研究,并提供了完整的Matlab代码实现。该方法通过高斯过程回归对磁场空间进行建模,有效捕捉磁场分布的非线性特征,同时利用扩展卡尔曼滤波器融合传感器数据,实现移动机器人在复杂环境中的精确定位与地图构建。研究重点在于提升室内等无GPS环境下定位系统的精度与鲁棒性,尤其适用于磁场特征明显的场景。文中详细阐述了算法原理、数学模型构建、状态估计流程及仿真实验设计。; 适合人群:具备一定Matlab编程基础,熟悉机器人感知、导航或状态估计相关理论的研究生、科研人员及从事SLAM算法开发的工程师。; 使用场景及目标:①应用于室内机器人、AGV等在缺乏GPS信号环境下的高精度定位与地图构建;②为磁场SLAM系统的设计与优化提供算法参考和技术验证平台;③帮助研究人员深入理解EKF与GPR在非线性系统中的融合机制及实际应用方法。; 阅读建议:建议读者结合Matlab代码逐模块分析算法实现细节,重点关注高斯过程回归的训练与预测过程以及EKF的状态更新逻辑,可通过替换实际磁场数据进行实验验证,进一步拓展至多源传感器融合场景。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值