一、docker简介
Docker 是个划时代的开源项目,它彻底释放了计算虚拟化的威力,极大提高了应用的运行效率,降低了云计算资源供应的成本! 使用 Docker,可以让应用的部署、测试和分发都变得前所未有的高效和轻松!
由于容器不需要进行硬件虚拟以及运行完整操作系统等额外开销,Docker 对系统资源的利用率更高。无论是应用执行速度、内存损耗或者文件存储速度,都要比传统虚拟机技术更高效。因此,相比虚拟机技术,一个相同配置的主机,往往可以运行更多数量的应用。
传统的虚拟机技术启动应用服务往往需要数分钟,而 Docker 容器应用,由于直接运行于宿主内核,无需启动完整的操作系统,因此可以做到秒级、甚至毫秒级的启动时间。大大的节约了开发、测试、部署的时间。
二、应用思路
文本服务,搜索服务,推荐服务,数据采集服务是达观数据的四个主要的服务方向,其中包括的小模块非常多,像基础的数据库群,缓存群,消息队列集群等,我们把业务模块也拆分到不同的容器中,这样方便各个模块之间灵活的配合。
主要的集群配置思路如下:
1.容器层:部署起来保证各个模块的稳定性,而且保持逻辑隔离,这样便于并发和复用。
2.网络层:建立集群独立网络层,经过指定的端口与外部网络通讯,保持网络层的隔离。
3.负载均衡:负载这边,使用docker自带的集群负载均衡策略。
4.服务守护:使用docker自带的服务守护与分发策略。
5.全局配置分发:采用docker 的secret作为加密策略。
下面我们用例子讲讲具体操作。
三、工具及前期准备
由于我们的目标是建立分布式的集群环境,所以要使用多机部署,并考虑水平扩展性。
我们此处使用20台阿里云的ecs来进行部署,centos 7.2镜像作为基础os环境来讲解。
1.docker 安装
docker官网下载docker的centos7版本的docker安装文件,本文使用版本为docker-ce-17.03,docker的详细介绍见官网文档,此处不做赘述,https://docs.docker.com/engine/docker-overview/
文件存放位置:/tmp
文件名称:
- docker-ce-selinux-17.03.1.ce-1.el7.centos.noarch.rpm
- docker-ce-17.03.1.ce-1.el7.centos.x86_64.rpm
2.Docker-machine 安装
此处选用docker-machine进行docker集群的命令调试
官网下载docker-mashine,本文使用v0.10.0,版本,
Docker-machine 详细介绍见官网文档,此处不做赘述,https://docs.docker.com/machine/overview/
文件存放位置:/tmp
文件名称:docker-machine-Linux-x86_64
3.ssh 秘钥
选取集群主机,生成ssh秘钥对,方便对各个机器进行操作,如对ssh不了解,请查看百度百科
4.fabric 镜像制作
由于机器数量较多并考虑水平扩展性,需选用一款集群命令、文件的分发工具,本文选用python的fabric进行多机控制、文件分发,如对fabric不了解,请查看官方文档http://www.fabfile.org
四、集群os配置及步骤
1.主机安装docker,及docker-machine
- cd /tmp
- $ yum install ./docker-ce-selinux-17.03.1.ce-1.el7.centos.noarch.rpm
- $ yum install ./docker-ce-17.03.1.ce-1.el7.centos.x86_64.rpm
- $ chmod +x /tmp/docker-machine-Linux-x86_64
- $ cp /tmp/docker-machine-Linux-x86_64 /usr/local/bin/docker-machine
- 2.校验docker,docker-machine安装情况
- $ docker version
- $ docker-machine version
2.制作docker的fabric镜像
这一步制作fabric镜像,来在容器中启动fabric,目的是命令和文件的分发,具体命令与文件规则见官方文档。(张弸中 达观数据)
<1>制作Dockerfile,文件内容如下:
- FROM centos:7.2.1511
- LABEL maintainer "zhangpengzhong@datagrand.com"
- ENV ENVIRONMENT production
- RUN cd / && ln -sf /usr/share/zoneinfo/Asia/Shanghai /etc/localtime
- RUN yum update -y \
- && yum install -y wget gcc gcc-c++ python-devel bzip2 \
- && yum install -y epel-release \
- && yum install -y python-pip \
- && yum clean all \
- && pip install --upgrade pip -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com \
- && pip install setuptools==33.1.1 -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com \
- && pip install fabric -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
<2>制作镜像:
- docker build -t fabric:v1 .
<3>启动fabric容器:
启动并将所需分发的文件即上文提到的/tmp 目录中的文件加入到容器中
- docker run -itd -v /tmp:/tmp fabric:v1
查看容器:
- docker ps
复制查询到的CONTAINER ID(上图第一列):
- 2f1dc61db184
进入容器:
- docker exec -it 2f1dc61db184 /bin/bash
3.容器内使用fabric分发sshkey
- vi fabric.py
fabric.py 如下:
- #!/usr/bin/env python
- # -- encoding: utf-8 --
- from fabric.api import run, env
- env.hosts=[’10.0.0.2’,’10.0.0.3’,’xxx.xxx.xxx.xxx’]
- env.user='root'
- env.password = '111'
- def sshkey():
- sk = 'ssh-rsa AAAAB3NzaC1yc2EAAAADAQABAAABAQCfgSSubEyt39eouUNvGDpFlo/OwdIgIHsB0h9xDdX9cB6mqcmnC8f2EYheBgC0GPeZfAeRGAWmrQPGh7BzYmk93TBPM8L9SM8ewcFAlG9vKnA7myfjmg6HBfokkZ0vfDAQlApUbANtOZenjIhdrCNnk9MHI2DG8LuC9TPGwzOgMMETY28LRGTjEWwUGnf2kFPHNC4OUUltyEsRLC9IQV2+p8phPwLot8rbVPcOj9j07OVV5bwpkXjrMCut/xnVmz/p1J5hrfPaVyQy633R9Xr47hjT7UYs7RyC8gk/j9fHbbLIvxdXfAsHBcQZ4+2I6kZhOs/JQ54VBbiP4F root@jcloud-daguan-mysql1'
- run(‘cd')
- run('mkdir .ssh')
- run(' echo "' + sk + '" > .ssh/authorized_keys')
- run('chmod 600 .ssh/authorized_keys')
- run('chmod 700 -R .ssh’)
- def putfile(path1='',path2=''):
- put(path1,path2,mode=0755)
- def docker_install():
- with cd ('/tmp'):
- run('yum install -y docker-ce-selinux-17.03.1.ce-1.el7.centos.noarch.rpm')
- run('yum install -y docker-ce-17.03.1.ce-1.el7.centos.x86_64.rpm')
启动fabric:
- fab -f fabric.py sshkey
4.分发docker相关安装文件
启动fabric:
- fab -f fabric.py putfile /tmp/docker-ce-selinux-17.03.1.ce-1.el7.centos.noarch.rpm /tmp/docker-ce-selinux-17.03.1.ce-1.el7.centos.noarch.rpm
5.为集群每台机器安装docker
- fab -f fabric.py docker_install
6.退出容器
- exit
7.在外部校验sshkey是否设置成功
- ssh root@10.0.0.2
8.使用docker-machine配置集群:
- docker-machine create -d generic --generic-ip-address=10.0.0.2 --generic-ssh-user=root worker1
- docker-machine create -d generic --generic-ip-address=10.0.0.3 --generic-ssh-user=root worker2
依此类推:
docker-machine create -d generic --generic-ip-address=10.0.0.xxx --generic-ssh-user=root workerxxx
五、建立docker集群
1.建立docker主机
- docker swarm init --advertise-addr 本机ip
- 如下:
- $ docker swarm init --advertise-addr 10.0.0.1
- Swarm initialized: current node (dxn1zf6l61qsb1josjja83ngz) is now a manager.
- To add a worker to this swarm, run the following command:
- docker swarm join \
- --token SWMTKN-1-49nj1cmql0jkz5s954yi3oex3nedyz0fb0xx14ie39trti4wxv-8vxv8rssmk743ojnwacrr2e7c \
- 10.0.0.1:2377
- To add a manager to this swarm, run 'docker swarm join-token manager' and follow the instructions.
2.使用fabric将剩余所有机器加入集群
将上面一步生成的命令行复制,进入刚才的fabric容器修改fabric文件,相当于令主机外其他所有机器都执行一遍上一步生成的命令
- def cluster_join():
- run('docker swarm join —token SWMTKN-1-49nj1cmql0jkz5s954yi3oex3nedyz0fb0xx1ie39trti4wxv-8vxv8rssmk743ojnwacrr2e7c 10.0.0.1:2377
- ‘)
执行 fab -f fable.py cluster_join
3.建立集群内部网络
- docker network create -d overlay test_privite
可以用命令查询是否建立成功
- docker network ls
六、启动docker业务容器
这里用mysql,redis,elasticsearch来举例
1.mysql
此处我们选用版本mysql5.6,镜像来自docker hub
- docker service create --name mysql_test --replicas 1 \
- --network test_privite \
- --mount type=bind,src=/data/mysql,dst=/var/lib/mysql \
- --constraint 'node.hostname == workerx' \
- -e MYSQL_ROOT_PASSWORD=xxx mysql:5.6 --character-set-server=utf8 --collation-server=utf8_general_ci
2.redis
此处我们选用版本redis 3.2,镜像来自docker hub
- docker service create --name redis_online \
- --network test_privite \
- --mount type=bind,src=/data/redis,dst=/data \
- --constraint 'node.hostname == workerx' \
- redis:3.2.8 redis-server /usr/local/etc/redis/redis.conf
3.elasticsearch_master
此处我们选用版本elasticsearch5.3.0,镜像来自docker hub
- docker service create --name elasticsearch_master --replicas 1 \
- --network test_privite \
- --publish mode=host,target=9200,published=9200 \
- --constraint 'node.hostname == workerx' \
- -e cluster.name=xxx \
- -e "discovery.zen.ping.unicast.hosts=elasticsearch_master" \
- docker.elastic.co/elasticsearch/elasticsearch:5.3.0
4 elastic search client
- docker service create --name elasticsearch_master --replicas n \
- --network test_privite \
- -e cluster.name=xxx \
- -e "discovery.zen.ping.unicast.hosts=elasticsearch_master" \
- docker.elastic.co/elasticsearch/elasticsearch:5.3.0
七、结束语
docker的应用大大减少了代码部署的工作量,有效的建立了规范化的服务架构,上面简单介绍的达观数据使用docker部署的一个例子,希望对您有所帮助。
【本文为51CTO专栏作者“达观数据”的原创稿件,转载可通过51CTO专栏获取联系】