Docker私房菜————Docker consul|consul集群环境|超详细图解|

目录

1.概述

1.1什么是consul

Consul是HashiCorp公司推出的开源工具,Consul由Go语言开发,部署起来非常容易,只需要极少的可执行程序和配置文件,具有绿色、轻量级的特点。
Consul是分布式的、高可用的、可横向扩展的用于实现分布式系统的服务发现与配置。

Consul的作用

  • 服务注册与发现(主要功能),提供HTTP和DNS两种发现方式
  • 健康检查,支持多种协议,HTTP、TCP等
  • Key/Value存储
  • 支持多数据中心
  • 基于Golong语言,可移植性强
  • 支持ACL访问控制
  • 与Docker等轻量级容器可无缝配合

1.2consul-template概述

  • Consul-Template是一个守护进程,用于实时查询Consul集群信息
  • Consul-Template可以更新文件系统上任意数量的指定模板,生成配置文件
    • 更新完成以后,可以选择运行shell命令执行更新操作,重新加载Nginx。
  • Consul-Template可以查询Consul中的服务目录、Key、Key-values等。
  • 这种强大的抽象功能和查询语言模板可以使Consul-Template特别适合动态的创建配置文件。
    • 例如:创建Apache/Nginx Proxy Balancers、Haproxy Backends

1.3registrator的作用

一个由Go语言编写的,针对docker使用的,可以用于检测容器状态自动注册和注销docker容器的服务到服务配置中心。目前支持Consul、Etcd和SkyDNS2。

1.4docker容器

这个就不多说了,具体看之前的博客

2.搭建consul集群环境

架构图
在这里插入图片描述

案例环境

主机操作系统IP地址主要软件及版本
consulCentos 7192.168.163.100Docker 、Consul、Consul-template
registratorCentos 7192.168.163.150Docker、registrator

案例需求
实现单机网络下容器与容器之间互通
使用Docker Compose创建容器
搭建Consul服务实现自动发现和更新

实验准备
两台主机配置好docker

2.1安装Consul

consul:192.168.163.100

编译安装consul

mkdir /root/consul
cd /root/consul
//放入安装包
unzip consul_0.9.2_linux_amd64.zip
mv consul /usr/bin

consul agent
-server
-bootstrap
-ui
-data-dir=/var/lib/consul-data
-bind=192.168.163.100
-client=0.0.0.0
-node=consul-server01 &> /var/log/consul.log &

在这里插入图片描述
查看集群信息

consul members

consul info | grep leader
这里查询到的8300端口用于集群内数据的读写和复制

在这里插入图片描述
通过httpd api获取集群信息

curl 127.0.0.1:8500/v1/status/peers       //查看集群server成员
curl 127.0.0.1:8500/v1/status/leader      //集群Raf leader
curl 127.0.0.1:8500/v1/catalog/services   //注册的所有服务
curl 127.0.0.1:8500/v1/catalog/nginx      //查看nginx服务信息
curl 127.0.0.1:8500/v1/catalog/nodes      //集群节点详细信息

在这里插入图片描述

netstat -natp |grep consul
这5个端口的作用:
8300:集群内数据的读写和复制
8301:单个数据中心gossip协议通讯
8302:跨数据中心gossip协议通讯
8500:提供获取服务列表、注册服务、注销服务等HTTP接口;提供UI服务
8600:采用DNS协议提供服务发现功能

在这里插入图片描述

2.2配置容器服务自动加入nginx集群

registrator:192.168.163.150

(1)安装Gliderlabs/Registrator

docker run -d \
--name=registrator \
--net=host \
-v /var/run/docker.sock:/tmp/docker.sock \
--restart=always \
gliderlabs/registrator:latest \
-ip=192.168.163.150 \
consul://192.168.163.100:8500

在这里插入图片描述

(2)测试服务

测试发现功能是否正常

docker run -itd -p:81:80 --name test-01 -h test01 nginx
docker run -itd -p:82:80 --name test-02 -h test02 nginx
docker run -itd -p:91:80 --name test-03 -h test03 httpd
docker run -itd -p:92:80 --name test-04 -h test04 httpd

在这里插入图片描述

2.3验证http和nginx服务是否注册到consul

真机
浏览器输入http://192.168.163.100:8500,“单击NODES”,然后单击“consurl-server01”,会出现5个服务
在这里插入图片描述

consul:192.168.163.100

curl 127.0.0.1:8500/v1/catalog/services

 
 
  • 1

在这里插入图片描述

2.4安装consul-template

consul:192.168.163.100

unzip consul-template_0.19.3_linux_amd64.zip
mv consul-template /usr/bin/

在这里插入图片描述

2.5准备template nginx模板文件

consul:192.168.163.100

vim /root/consul/nginx.ctmpl

upstream http_backend {
{ { range service “nginx”}}
server { { .Address}}:{ { .Port}};
{ { end}}
}

server {
listen 81;
server_name localhost 192.168.163.100;
access_log /var/log/nginx/nginx01-access.log;
index index.html index.php;
location / {
proxy_set_header HOST h o s t < / s p a n > < s p a n c l a s s = " t o k e n p u n c t u a t i o n " > ; < / s p a n > p r o x y s e t h e a d e r X − R e a l − I P < s p a n c l a s s = " t o k e n v a r i a b l e " > host</span><span class="token punctuation">;</span> proxy_set_header X-Real-IP <span class="token variable"> host</span><spanclass="tokenpunctuation">;</span>proxysetheaderXRealIP<spanclass="tokenvariable">remote_addr;
proxy_set_header Client-IP r e m o t e a d d r < / s p a n > < s p a n c l a s s = " t o k e n p u n c t u a t i o n " > ; < / s p a n > p r o x y s e t h e a d e r X − F o r w a r d e d − F o r < s p a n c l a s s = " t o k e n v a r i a b l e " > remote_addr</span><span class="token punctuation">;</span> proxy_set_header X-Forwarded-For <span class="token variable"> remoteaddr</span><spanclass="tokenpunctuation">;</span>proxysetheaderXForwardedFor<spanclass="tokenvariable">proxy_add_x_forwarded_for;
proxy_pass http://http_backend;
}
}

在这里插入图片描述

2.6部署nginx

consul:192.168.163.100
编译安装nginx

yum install -y gcc pcre-devel zlib-devel
cd /opt
tar zxvf nginx-1.12.0.tar.gz
cd nginx-1.12.0/
./configure --prefix=/usr/local/nginx
make && make install

在这里插入图片描述

配置 nginx

vim /usr/local/nginx/conf/nginx.conf
http {
  include    mime.types;
  include vhost/*.conf;  //添加虚拟主机目录
  default_type application/octet-stream;

//创建虚拟主机目录
mkdir /usr/local/nginx/conf/vhost
//创建日志文件目录
mkdir /var/log/nginx

//启动nginx
/usr/local/nginx/sbin/nginx

在这里插入图片描述

2.7启动template

consul:192.168.163.100

consul-template -consul-addr 192.168.163.100:8500 \
-template "/root/consul/nginx.ctmpl:/usr/local/nginx/conf/vhost/nginx01.conf:/usr/local/nginx/sbin/nginx -s reload" \
--log-level=info

在这里插入图片描述

重开一个consul终端

cat /usr/local/nginx/conf/vhost/nginx01.conf
upstream http_backend {
  server 192.168.163.150:81;
  server 192.168.163.150:82;

server {
listen 81;
server_name localhost 192.168.163.100;
access_log /var/log/nginx/ljj-access.log;
index index.html index.php;
location / {
proxy_set_header HOST h o s t < / s p a n > < s p a n c l a s s = " t o k e n p u n c t u a t i o n " > ; < / s p a n > p r o x y s e t h e a d e r X − R e a l − I P < s p a n c l a s s = " t o k e n v a r i a b l e " > host</span><span class="token punctuation">;</span> proxy_set_header X-Real-IP <span class="token variable"> host</span><spanclass="tokenpunctuation">;</span>proxysetheaderXRealIP<spanclass="tokenvariable">remote_addr;
proxy_set_header Client-IP r e m o t e a d d r < / s p a n > < s p a n c l a s s = " t o k e n p u n c t u a t i o n " > ; < / s p a n > p r o x y s e t h e a d e r X − F o r w a r d e d − F o r < s p a n c l a s s = " t o k e n v a r i a b l e " > remote_addr</span><span class="token punctuation">;</span> proxy_set_header X-Forwarded-For <span class="token variable"> remoteaddr</span><spanclass="tokenpunctuation">;</span>proxysetheaderXForwardedFor<spanclass="tokenvariable">proxy_add_x_forwarded_for;
proxy_pass http://http_backend;
}
}

在这里插入图片描述

2.8测试

  • 增加一个nginx容器节点,测试服务发现及配置更新功能

registrator:192.168.163.150
在registrator服务端注册

docker run -itd -p:83:80 --name test-05 -h test05 nginx

在这里插入图片描述
consul:192.168.163.100
在consul服务器监控装填会有提示自动更新
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

查看三台nginx容器日志,请求正常轮询到各个容器节点上
registrator:192.168.163.150

docker logs -f test-01
docker logs -f test-02
docker logs -f test-05

 
 
  • 1
  • 2
  • 3

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

2.9部署consul多节点

192.168.163.200
添加一台已有docker环境的服务器192.168.163.200/24加入已有的群集中

mkdir /root/consul
cd /root/consul
//放入安装包
unzip consul_0.9.2_linux_amd64.zip
mv consul /usr/bin

consul agent
-server
-bootstrap
-ui
-data-dir=/var/lib/consul-data
-bind=192.168.163.200
-client=0.0.0.0
-node=consul-server02
-enable-script-checks=true
-datacenter=dc1
-join 192.168.163.100 &> /var/log/consul.log &

#--------参数解释--------------------------------
-enable-script-checks=true:设置检查服务为可用
-datacenter:数据中心名称
-join:加入到已有的集群中

在这里插入图片描述
consul:192.168.163.100192.168.163.200上检查是否加入
在这里插入图片描述
真机上验证

在这里插入图片描述

### RT-DETRv3 网络结构分析 RT-DETRv3 是一种基于 Transformer 的实时端到端目标检测算法,其核心在于通过引入分层密集正监督方法以及一系列创新性的训练策略,解决了传统 DETR 模型收敛慢和解码器训练不足的问题。以下是 RT-DETRv3 的主要网络结构特点: #### 1. **基于 CNN 的辅助分支** 为了增强编码器的特征表示能力,RT-DETRv3 引入了一个基于卷积神经网络 (CNN) 的辅助分支[^3]。这一分支提供了密集的监督信号,能够与原始解码器协同工作,从而提升整体性能。 ```python class AuxiliaryBranch(nn.Module): def __init__(self, in_channels, out_channels): super(AuxiliaryBranch, self).__init__() self.conv = nn.Conv2d(in_channels, out_channels, kernel_size=3, padding=1) self.bn = nn.BatchNorm2d(out_channels) def forward(self, x): return F.relu(self.bn(self.conv(x))) ``` 此部分的设计灵感来源于传统的 CNN 架构,例如 YOLO 系列中的 CSPNet 和 PAN 结构[^2],这些技术被用来优化特征提取效率并减少计算开销。 --- #### 2. **自注意力扰动学习策略** 为解决解码器训练不足的问题,RT-DETRv3 提出了一种名为 *self-att 扰动* 的新学习策略。这种策略通过对多个查询组中阳性样本的标签分配进行多样化处理,有效增加了阳例的数量,进而提高了模型的学习能力和泛化性能。 具体实现方式是在训练过程中动态调整注意力权重分布,确保更多的高质量查询可以与真实标注 (Ground Truth) 进行匹配。 --- #### 3. **共享权重解编码器分支** 除了上述改进外,RT-DETRv3 还引入了一个共享权重的解编码器分支,专门用于提供密集的正向监督信号。这一设计不仅简化了模型架构,还显著降低了参数量和推理时间,使其更适合实时应用需求。 ```python class SharedDecoderEncoder(nn.Module): def __init__(self, d_model, nhead, num_layers): super(SharedDecoderEncoder, self).__init__() decoder_layer = nn.TransformerDecoderLayer(d_model=d_model, nhead=nhead) self.decoder = nn.TransformerDecoder(decoder_layer, num_layers=num_layers) def forward(self, tgt, memory): return self.decoder(tgt=tgt, memory=memory) ``` 通过这种方式,RT-DETRv3 实现了高效的目标检测流程,在保持高精度的同时大幅缩短了推理延迟。 --- #### 4. **与其他模型的关系** 值得一提的是,RT-DETRv3 并未完全抛弃经典的 CNN 技术,而是将其与 Transformer 结合起来形成混合架构[^4]。例如,它采用了 YOLO 系列中的 RepNCSP 模块替代冗余的多尺度自注意力层,从而减少了不必要的计算负担。 此外,RT-DETRv3 还借鉴了 DETR 的一对一匹配策略,并在此基础上进行了优化,进一步提升了小目标检测的能力。 --- ### 总结 综上所述,RT-DETRv3 的网络结构主要包括以下几个关键组件:基于 CNN 的辅助分支、自注意力扰动学习策略、共享权重解编码器分支以及混合编码器设计。这些技术创新共同推动了实时目标检测领域的发展,使其在复杂场景下的表现更加出色。 ---
评论
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