戳蓝字“CSDN云计算”关注我们哦！

技术头条：干货、简洁、多维全面。更多云计算精华知识尽在眼前，get要点、solve难题，统统不在话下！

作者：常仕禄

转自：Docker

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~

什么是Docker

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。

Docker与虚拟机

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。

Hypervisor与虚拟机

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。

Hypervisor具有如下的优点：

• 提高主机硬件的使用率

• 虚拟机移动性较强

• 资源的隔离性，某台虚拟机的宕机不影响其他虚拟机的使用

• 易保护，易恢复

Hypervisor种类：

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：

• bare-metal hypervisors 特点

  • 需要硬件支持

  • 虚拟机monitor作为主操作系统

  • 运行效率高

典型系统

• VMware5.5+

• Xen3.0+

• KVM

• hosted hypervisors 特点

  • 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

Docker

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。

为什么用Docker

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。

Docker简单使用方法

Docker架构

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。

安装Docker

Mac && Windows：直接下载安装文件进行安装

Linux：

1. yum install -y epel-release ##安装仓库

2. yum install docker-io ##安装Docker

3. chkconfig docker on ## 加入开机自动启动

4. service docker start ## 启动Docker

Docker Hello World

这个案例非常简单，只有一个命令：

1. docker run hello-world

如果看到下图中的结果则说明成功。

Docker复杂使用

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：

1. from flask import Flask

2. from redis import Redis, RedisError

3. import os

4. import socket

5. # Connect to Redis

6. redis = Redis(host="redis", db=0, socket_connect_timeout=2, socket_timeout=2)## 连接redis

7. app = Flask(__name__)

8. @app.route("/")

9. def hello():

10. try:

11. visits = redis.incr("counter") ##获取计数器当前值并将其+1

12. except RedisError:

13. visits = "<i>cannot connect to Redis, counter disabled</i>"

14. html = "<h3>Hello {name}!</h3>" \

15. "<b>Hostname:</b> {hostname}<br/>" \

16. "<b>Visits:</b> {visits}"

17. return html.format(name=os.getenv("NAME", "world"), hostname=socket.gethostname(), visits=visits) ##网页渲染

18. if __name__ == "__main__":

19. 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。

1. Redis

2. Flask

最后写出Docker的部署文件Dockerfile：

1. # 将官方 Python 运行时用作父镜像

2. FROM python:2.7-slim

3. # 将工作目录设置为 /app

4. WORKDIR /app

5. # 将当前目录内容复制到位于 /app 中的容器中

6. ADD . /app

7. # 安装 requirements.txt 中指定的任何所需软件包

8. RUN pip install -r requirements.txt

9. # 使端口 80 可供此容器外的环境使用

10. EXPOSE 80

11. # 定义环境变量

12. ENV NAME World

13. # 在容器启动时运行 app.py

14. CMD ["python", "app.py"]

最后的目录结构如下：

完成之后开始构建，首先build镜像：

1. docker build -t bryantchangflasktest .

其中 -t 的作用是指定镜像的名字。

完成构建后，结果如下：

使用docker images查看已经构建的镜像：

完成构建后，接下来开始运行：

1. docker run -p 4001:80 bryantchangflasktest ##将4001端口映射到80端口

运行结果：

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：

1. docker build -t bryantchangxy/bryantchangflasktest .

2. docker push bryantchangxy/bryantchangflasktest:latest

涉及的一些常见命令：

1. docker build -t friendlyname .# 使用此目录的 Dockerfile 创建镜像

2. docker run -p 4001:80 friendlyname # 运行端口 4001 到 80 的“友好名称”映射

3. docker run -d -p 4001:80 friendlyname # 内容相同，但在分离模式下

4. docker ps # 查看所有正在运行的容器的列表

5. docker stop <hash> # 平稳地停止指定的容器

6. docker ps -a # 查看所有容器的列表，甚至包含未运行的容器

7. docker kill <hash> # 强制关闭指定的容器

8. docker rm <hash> # 从此机器中删除指定的容器

9. docker rm $(docker ps -a -q) # 从此机器中删除所有容器

10. docker images -a # 显示此机器上的所有镜像

11. docker rmi <imagename> # 从此机器中删除指定的镜像

12. docker rmi $(docker images -q) # 从此机器中删除所有镜像

13. docker login # 使用您的 Docker 凭证登录此 CLI 会话

14. docker tag <image> username/repository:tag # 标记 <image> 以上传到镜像库

15. docker push username/repository:tag # 将已标记的镜像上传到镜像库

16. docker run username/repository:tag

17. docker stack ls # 列出此 Docker 主机上所有正在运行的应用

18. docker stack deploy -c <composefile> <appname> # 运行指定的 Compose 文件

19. docker stack services <appname> # 列出与应用关联的服务

20. docker stack ps <appname> # 列出与应用关联的正在运行的容器

21. docker stack rm <appname> # 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：

1. web:

2. build: .

3. command: python app.py

4. ports:

5. - "4001:80"

6. volumes:

7. - .:/app

8. links:

9. - redis

10. redis:

11. image: microbox/redis

最后部署镜像，命令如下：

1. 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。

福利

扫描添加小编微信，备注“姓名+公司职位”，加入【云计算学习交流群】，和志同道合的朋友们共同打卡学习！

推荐阅读：

• 分布式架构系列: 负载均衡技术详解 | 技术头条

• 00后的AI开发者进阶之道：从入门到鏖战MIT编程大赛 | 人物志

• 吃了公司零食被指“偷吃”，外包怎么了？

• ICPC 2019国际大学生程序设计竞赛，中国高校未能夺冠

• EOS现状: 72%应用涉赌被列为高危, 说好的诗和远方, 你竟沦落成了这样？

• 凉山火灾启示录：面对大火，AI 能做些什么？

真香，朕在看了！