前一段花了一段时间研究Log4j2的源码，现在这个项目基本也告一段落，也算是度过了初入职场这一个阶段。之前在18年总结时说过19年自己要学会C++，所以接下来一段时间，会用一些文章和大家分享下自己学习C++过程中的新的，不过在正式写关于C++内容前，想先介绍一下Docker，因为有了这个利器，自己搞个小开发环境会变得十分简单。而且在云化的时代，如果连Docker都没用过甚至没听说过的话确实有点说不过去。所以我愿意单独拉出一篇文简单介绍一下Docker的使用，后面的C++开发环境也会直接使用Docker进行部署。本文主要分为3部分，什么是Docker，为什么用Docker以及Docker的基本使用方法。闲言少叙，直奔主题~
至于给Docker的定义，我觉得还是直接引用吧，Docker是一个用Go语言开发的一个开源容器引擎，Docker 可以让开发者打包他们的应用以及依赖包到一个轻量级、可移植的容器中，然后发布到任何流行的 Linux 机器上，也可以实现虚拟化。容器是完全使用沙箱机制，相互之间不会有任何接口（类似iPhone的App），更重要的是容器性能开销极低。Docker作为虚拟化分支的一项重要的革新，有必要将Docker和其他虚拟化技术进行一下比较。下面是介绍虚拟化过程中最常见的一张图，它描述了计算机从软到硬的一个层次关系。 这个图看似简单，其实它很清晰的描述了计算机资源的一种层次关系。最底层是基础设施层，基本都是硬件方面的构成，如CPU，内存，磁盘，这些支撑了计算机的基本运行，如果没有这些硬件，计算机也就不存在了。在硬件层上运行了格式的操作系统，他能够根据合理的将硬件资源合理的分配给上面的应用，并保证他们有条不紊的运行。在系统上自带一些系统的lib和可执行命令，这些可执行命令就是我们常用的Linux命令（cd，cat，ls….太多了），Lib则包含了一些基本程序库，供我们自己编写的各种程序调用。最上面就是我们开发的各种Application了。说完了基本的分层关系，下面就需要重点介绍两种比较重要的虚拟化技术，虚拟机和Docker，虽然感觉区别被讲烂了不过为了介绍的完整性还是简单提一句，还请大家耐心看完。从本质上看，虚拟机和Docker属于在不同层次上的虚拟，虚拟机则是虚拟到操作系统层次的，如下图所示。 在宿主机的操作系统中，抽象出了一个Hypervisor的概念，因为自己并没有涉猎过这个领域，所以扒一些现成的资料给我自己扫扫盲。首先是Hypervisor的定义，根据wiki上讲，Hypervisor或者Virtual Machine Monitor（VMM）是创造并且运行虚拟机的软件、固件、或者硬件，通俗的讲，hypervisor是一种将操作系统和硬件分离的一种方式,使得宿主机的硬件上能够同时运行多个虚拟机。
如上面两张图所示，Hypervisor分为两类，一类是直接部署在硬件层面上（bare-metal hypervisors），另一类则是部署在宿主机的操作系统上，算是一种软件（hosted hypervisors）。两种方式的特点与典型系统如下：
虚拟机监视器作为应用程序运行在主操作系统环境内
效率较低
典型系统
Virtual Box
early VMware5.5
early Xen3.0
与虚拟机不同，Docker是通过软件层的虚拟化实现了更加轻量级的虚拟化，其架构图如下：
初步看来，Docker所在的层级与虚拟机所在的层次相同，都是在宿主机的操作系统上部署，但是Docker完全是软件，不需要硬件进行支持，它利用的是操作系统自带的资源隔离机制对硬件资源进行隔离，例如Win中的Hyper-v，Linux中的cgroup等，由Docker的后端程序Docker Engine调用这些接口完成资源隔离。Docker在创建容器时并不运行完整的操作系统，使用的资源更少，部署，启动更快。但提供的隔离粒度不足，所以Docker更加适合单个用户使用，而虚拟机则更适合在多个用户混合的多租户类型的场景中执行。
其实这个问题我在介绍虚拟机与Docker的区别时已经提到，Docker由于其使用了更加轻量级的隔离机制，不论是在部署，启动恢复上均比虚拟机要快上数个数量级，因此，如果是个人用户想要快速构建某个特定的环境，比如想要测试某个代码在linux的运行情况，而使用的是mac系统或win系统，或者练习搭建环境等，通过Docker可以快速满足需求。介绍使用方法前，先明确Docker中的几个基本组件以及这些组件的交互关系。 Docker镜像：Docker镜像是用于创建Docker容器的模板
Docker容器（Container）：容器是独立运行的一个或一组应用
Docker客户端（Client）：Docker客户端通过命令行或者其他工具使用Docker API与Docker的守护进程通信。
Docker主机（Host）：一个物理或者虚拟的机器用于执行Docker守护进程和容器
Docker仓库（Registry）：Docker仓库用来保存镜像，可以理解为代码控制中的代码仓库。Docker Hub提供了庞大的镜像集合供使用。
Docker Machine：Docker Machine是一个简化Docker安装的命令行工具，通过一个简单的命令行即可在相应的平台上安装Docker，比如VirtualBox、 Digital Ocean、Microsoft Azure
终于到了实战环节，在这一小节里面，我们通过两个具体案例介绍Docker的简单使用方法，首先是Docker的Hello World，另一个则是按照Docker官方文档部署一个Flask后端服务。Mac && Windows：直接下载安装文件进行安装
yum install -y epel-release ##安装仓库
yum install docker-io ##安装Docker
chkconfig docker on ## 加入开机自动启动
service docker start ## 启动Docker
docker run hello-world
这个应用主要是一个Python的Web服务，该服务用于统计用户访问量，用户访问量存储在Redis中。下面正式开始部署。
首先先写一个Flask的Python程序，主要的统计逻辑和前端展示都由这个文件提供，代码如下：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)## 连接redis
app = Flask(__name__)
@app.route("/")
def hello():
try:
visits = redis.incr("counter") ##获取计数器当前值并将其+1
except RedisError:
visits = "cannot connect to Redis, counter disabled"
html = "Hello {name}!
" \
"Hostname: {hostname}
" \
"Visits: {visits}"
return html.format(name=os.getenv("NAME", "world"), hostname=socket.gethostname(), visits=visits) ##网页渲染
if __name__ == "__main__":
app.run(host='0.0.0.0', port=80) ## 服务的设置为80端口
然后编写Python需要的依赖文件requirements.txt。Redis
Flask
最后写出Docker的部署文件Dockerfile：# 将官方 Python 运行时用作父镜像
FROM python:2.7-slim
# 将工作目录设置为 /app
WORKDIR /app
# 将当前目录内容复制到位于 /app 中的容器中
ADD . /app
# 安装 requirements.txt 中指定的任何所需软件包
RUN pip install -r requirements.txt
# 使端口 80 可供此容器外的环境使用
EXPOSE 80
# 定义环境变量
ENV NAME World
# 在容器启动时运行 app.py
CMD ["python", "app.py"]
docker build -t bryantchangflasktest .
使用docker images查看已经构建的镜像： docker run -p 4001:80 bryantchangflasktest ##将4001端口映射到80端口
可以看到因为没有配置Redis所以这里面的异常是我们预期内的，为了做后面的配置方便，我们将镜像上传到公共镜像，命令如下：docker build -t bryantchangxy/bryantchangflasktest .
docker push bryantchangxy/
bryantchangflasktest:latest
docker build -t friendlyname .# 使用此目录的 Dockerfile 创建镜像
docker run -p 4001:80 friendlyname # 运行端口 4001 到 80 的“友好名称”映射
docker run -d -p 4001:80 friendlyname # 内容相同，但在分离模式下
docker ps # 查看所有正在运行的容器的列表
docker stop # 平稳地停止指定的容器
docker ps -a
# 查看所有容器的列表，甚至包含未运行的容器
docker kill # 强制关闭指定的容器
docker rm # 从此机器中删除指定的容器
docker rm $(docker ps -a -q) # 从此机器中删除所有容器
docker images -a # 显示此机器上的所有镜像
docker rmi # 从此机器中删除指定的镜像
docker rmi $(docker images -q) # 从此机器中删除所有镜像
docker login # 使用您的 Docker 凭证登录此 CLI 会话
docker tag username/repository
:tag # 标记 以上传到镜像库
docker push username/repository:tag # 将已标记的镜像上传到镜像库
docker run username/repository:tag
docker stack ls # 列出此 Docker 主机上所有正在运行的应用
docker stack deploy -c # 运行指定的 Compose 文件
docker stack services # 列出与应用关联的服务
docker stack ps # 列出与应用关联的正在运行的容器
docker stack rm # 清除应用
注意，下面我不再继续沿用那篇文档里面的内容，我直接将Flask和Redis集成，并使用Docker Compose部署，部署文件为docker-compose.yml，内容如下：
web:
build: .
command: python app.py
ports:
- "4001:80"
volumes:
- .:/app
links:
- redis
redis:
image
: microbox/redis
docker-compose up -d
完成后，输入localhost:4001，终于看到了最终的结果：对于Docker Compose的使用，参见博客：https://blog.csdn.net/u011781521/article/details/80464826。原文链接：https://bryantchang.github.io/2019/02/17/docker-utilization/
Kubernetes入门与进阶实战培训将于2019年4月19日在北京开课，3天时间带你系统学习Kubernetes，学习效果不好可以继续学习。本次培训包括：Docker基础、容器技术、Docker镜像、数据共享与持久化、Docker三驾马车、Docker实践、Kubernetes基础、Pod基础与进阶、常用对象操作、服务发现、Helm、Kubernetes核心组件原理分析、Kubernetes服务质量保证、调度详解与应用场景、网络、基于Kubernetes的CI/CD、基于Kubernetes的配置管理等，点击下面图片查看具体详情。
