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：

<1>docker-ce-selinux-17.03.1.ce-1.el7.centos.noarch.rpm

<2>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

（3）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：

FROMcentos:7.2.1511

LABEL maintainer"zhangpengzhong@datagrand.com"

ENV ENVIRONMENTproduction

RUN cd / && ln -sf/usr/share/zoneinfo/Asia/Shanghai /etc/localtime

RUN yum update -y \

&& yum install -y wget gccgcc-c++ python-develbzip2 \

&& yum install -y epel-release\

&& yum install -y python-pip \

&& yum clean all \

&& pip install --upgrade pip -ihttp://pypi.douban.com/simple/ --trusted-host pypi.douban.com \

&& pip installsetuptools==33.1.1 -i http://pypi.douban.com/simple/ --trusted-hostpypi.douban.com \

&& pip install fabric -ihttp://pypi.douban.com/simple/ --trusted-hostpypi.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:/tmpfabric: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

（4）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-rsaAAAAB3NzaC1yc2EAAAADAQABAAABAQCfgSSubEyt39eouUNvGDpFlo/OwdIgIHsB0h9xDdX9cB6mqcmnC8f2EYheBgC0GPeZfAeRGAWmrQPGh7BzYmk93TBPM8L9SM8ewcFAlG9vKnA7myfjmg6HBfokkZ0vfDAQlApUbANtOZenjIhdrCNnk9MHI2DG8LuC9TPGwzOgMMETY28LRGTjEWwUGnf2kFPHNC4OUUltyEsRLC9IQV2+p8phPwLot8rbVPcOj9j07OVV5bwpkXjrMCut/xnVmz/p1J5hrfPaVyQy633R9Xr47hjT7UYs7RyC8gk/j9fHbbLIvxdXfAsHBcQZ4+2I6kZhOs/JQ54VBbiP4Froot@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 -ydocker-ce-selinux-17.03.1.ce-1.el7.centos.noarch.rpm')

run('yum install -ydocker-ce-17.03.1.ce-1.el7.centos.x86_64.rpm')

启动fabric：

fab -f fabric.py sshkey

（5）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

（6）为集群每台机器安装docker

fab -f fabric.py docker_install

（7）退出容器

exit

（8）在外部校验sshkey是否设置成功

ssh root@10.0.0.2

（9）使用docker-machine配置集群：

docker-machine create -d generic--generic-ip-address=10.0.0.2 --generic-ssh-user=rootworker1

docker-machine create -d generic--generic-ip-address=10.0.0.3 --generic-ssh-user=rootworker2

依此类推：

docker-machine create -d generic--generic-ip-address=10.0.0.xxx --generic-ssh-user=rootworkerxxx

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, runthe following command:

docker swarm join \

--tokenSWMTKN-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 —tokenSWMTKN-1-49nj1cmql0jkz5s954yi3oex3nedyz0fb0xx1ie39trti4wxv-8vxv8rssmk743ojnwacrr2e7c10.0.0.1:2377

‘)

执行 fab -f fable.py cluster_join

（3）建立集群内部网络

docker network create -d overlaytest_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 --namemysql_test --replicas 1 \

--network test_privite \

--mounttype=bind,src=/data/mysql,dst=/var/lib/mysql \

--constraint 'node.hostname == workerx'\

-e MYSQL_ROOT_PASSWORD=xxxmysql: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 --nameredis_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dockerhub

docker service create --nameelasticsearch_master --replicas 1 \

--network test_privite \

--publishmode=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 --nameelasticsearch_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。

想了解学习更多技术干货，扫描下方二维码关注“达观数据”公众号