Docker Compose

【推荐】2019 Java 开发者跳槽指南.pdf(吐血整理) >>> 思路图： Python 版本 Python 3.6-3.7.4 已有功能 - 自动打码 自动登录 准点预售和捡漏 智能候补 邮件通知 server酱通知 依赖库 beautifulsoup4==4.5.3 bs4==0.0.1 PyYAML==5.1.1 six==1.10.0 requests==2.18.4 Pillow wrapcache==1.0.8 ntplib==0.3.3 sklearn opencv-python keras==2.2.4 tensorflow matplotlib>=3.0.2 numpy>=1.14.6 scipy>=1.1.0 selenium==3.11.0 fake-useragent==0.1.11 项目使用说明 服务器启动: 修改配置文件 - 可以配置邮箱,配置邮箱的格式在配置里面可以看到ex 可以配置server酱提醒（推荐）配置教程 配置配置文件的时候，需注意空格和遵循python语法格式 运行根目录sudo python run.py，即可开始 如果你的服务器安装了docker与docker-compose, 那么就可以通过docker-compose进行启动,docker.sh脚本对此进行了封装，可以通过如下命令进行启动 1、sudo ./docker.sh

【推荐】2019 Java 开发者跳槽指南.pdf(吐血整理) >>> docker-compose.yml定义了服务的运行参数 version: "3" services: web: # replace username/repo:tag with your name and image details image: hub.c.163.com/dog948453219/friendlyhello deploy: replicas: 8 resources: limits: cpus: "0.1" memory: 50M restart_policy: condition: on-failure ports: - "4000:80" networks: - webnet networks: webnet: ~ ~ 文件中做的事情有 从hub中拉取镜像 运行5个web实例，限制每个使用10%cpu,50mb RAM 如果有失败的实例立即重启 映射访问端口4000到web80端口 访问时负载均衡 1.运行web实例 docker swarm init docker stack deploy -c docker-compose.yml getstartedlab docker service ls docker service ps getstartedlab_web docker

【推荐】2019 Java 开发者跳槽指南.pdf(吐血整理) >>> 原文： http://www.itmuch.com/docker/21-docker-compose-quick-start/ ，转载请注明出处。 本节我们来探讨Compose使用的基本步骤，并编写一个简单示例快速入门。 基本步骤 使用Compose大致有三个步骤： 使用Dockerfile（或其他方式）定义应用程序环境，以便在任何地方重现该环境。 在docker-compose.yml文件中定义组成应用程序的服务，以便各个服务在一个隔离的环境中一起运行。 运行docker-compose up命令，启动并运行整个应用程序。 入门示例 下面笔者以之前课上用到的Eureka为例讲解Compose的基本步骤。 在 microservice-discovery-eureka-0.0.1-SNAPSHOT.jar 所在路径（默认是项目的target目录）创建Dockerfile文件，并在其中添加如下内容。 FROM java:8 VOLUME /tmp ADD microservice-discovery-eureka-0.0.1-SNAPSHOT.jar app.jar RUN bash -c 'touch /app.jar' EXPOSE 9000 ENTRYPOINT ["java","-Djava

【推荐】2019 Java 开发者跳槽指南.pdf(吐血整理) >>> 25.17 用docker compose部署服务 25.18 docker compose示例 25.17 用docker compose部署服务 比如我们用dockerfile做了一些镜像，这些景象有nginx的，有mysql的，有redis的，现在要把这三个镜像，让他们同时启动批量的管理。我要跑一个服务，就可能要docker run 第一个，docker run第二个等等，但是这样很繁琐。当然可以写一个脚本，而这个docker compose就类似与shell脚本，他可以批量的管理几个容器 就像jumpserver，那新版的jumpserver用到了一个高版本的python，他的环境不是很好部署，所以他就借助于docker，自动的把这个环境部署好。也及时说，把jumpserver放到有docker的服务器上，他就可以运行了，只不过我们跑的是一个docker容器，他用到的就是compose docker compose可以方便我们快捷高效地管理容器的启动、停止、重启等操作，它类似于linux下的shell脚本，基于yaml语法，在该文件里我们可以描述应用的架构，比如用什么镜像、数据卷、网络模式、监听端口等信息。我们可以在一个compose文件中定义一个多容器的应用（比如jumpserver）

【推荐】2019 Java 开发者跳槽指南.pdf(吐血整理) >>> 什么是docker-compose? docker-compose 常用命令 一、docker-compose命令格式 docker-compose [-f <arg>...] [options] [COMMAND] [ARGS...] 选项如下： -f，–file FILE　　　　 指定Compose模板文件，默认为docker-compose.yml，可以多次指定。 -p，–project-name　　NAME指定项目名称，默认将使用所在目录名称作为项目名。 -x-network-driver　　 使用Docker的可拔插网络后端特性（需要Docker 1.9+版本） -x-network-driver 　　 DRIVER指定网络后端的驱动，默认为bridge（需要Docker 1.9+版本） -verbose 　　　　　　 出更多调试信息 -v，–version 　　　　 打印版本并退出 二、docker-compose up docker-compose up [options] [--scale SERVICE=NUM...] [SERVICE...] 选项包括： -d 在后台运行服务容器 –no-color 不使用颜色来区分不同的服务的控制输出 –no-deps 不启动服务所链接的容器 –force

【推荐】2019 Java 开发者跳槽指南.pdf(吐血整理) >>> Raft是Hyperledger Fabric 1.4.1中新增的排序服务模块，这个教程将介绍如何部署一个基于Raft排序服务的多机Fabric网络。 相关教程推荐： Hyperledger Fabric Java开发详解 Hyperledger Fabric Node.JS开发详解 1、用Raft排序服务启动byfn示例 BYFN是学习Hyperledger Fabric的一个很好的例子：它包含了Fabric网络的所有元素，并且在byfn.sh中完整表现出来。当我们不加任何参数运行这个脚本时，它将启动一个包含2个机构、4个peer和1个orderer（使用solo排序）的Fabric网络。byfn.sh的参数 -o 用来指定排序服务的类型： ./byfn.sh up -o <kafka | etcdraft> 最新的BYFN网络设计中包含了5个orderer的密码学资料。如果使用Solo或Kafka排序服务，将值运行第一个Orderer（参见docker-compose-cli.yaml中的定义）。 当我们指定raft作为排序服务时的一个区别之处在于，使用configtxgen生成创世区块我们需要指定configtx.yaml中的SampleMultiNodeEtcdRaft配置端。其他的操作都保持不变。

【推荐】2019 Java 开发者跳槽指南.pdf(吐血整理) >>> docker-compose 单机版多容器管理 安装 sudo curl -L "https://github.com/docker/compose/releases/download/1.25.0/docker-compose-$(uname -s)-$(uname -m)" -o /usr/local/bin/docker-compose sudo chmod +x /usr/local/bin/docker-compose docker-compose --version 版本 https://github.com/docker/compose/releases 命令 https://docs.docker.com/compose/reference/envvars/ 示例 application.py mport time import redis from flask import Flask app = Flask(__name__) cache = redis.Redis(host='redis', port=6379) def get_hit_count(): retries = 5 while True: try: return cache.incr('hits') except redis

【推荐】2019 Java 开发者跳槽指南.pdf(吐血整理) >>> 原理说明: command 里面的find.sh 监听微服务启动的log,如果log字段包含多出来的成功字符串 JVM running for 说明已经启动成功,可以继续启动依赖的服务,保证启动不报错,TODO的地方是 超时应发邮件提醒 1.yml文件 xxx-service: image: java container_name: xxx-service restart: always volumes: - /etc/timezone:/etc/timezone - /usr/share/zoneinfo/Asia/Shanghai:/etc/localtime command: ["/usr/src/wait.sh", "18","nohup java -jar -Xms128m -Xmx256m -XX:PermSize=64M -XX:MaxPermSize=128M /usr/src/myapp/xxx-service.jar > /usr/src/myapp/xxx-service.log &"] links: - zzz-service yyy-service: image: java container_name: yyy-service restart: always volumes: -

【推荐】2019 Java 开发者跳槽指南.pdf(吐血整理) >>> 1.3.1 容器监控 利用docker compose组合应用并利用scale可以快速对容器进行扩充，而docker compose启动的服务容器都在同一台宿主机上，对于一个宿主机上运行多个容器应用时，容器的运行情况，如：CPU使用率，内存使用率，网络状态，磁盘空间等一系列随时间变化的时序数据信息，都需要进行了解，因此监控是必须的。 容器监控方案选择 对于容器的监控方案可谓多种多样，除了docker本身自带的 docker stats 命令，还有Scout，Data Dog，Sysdig Cloud，Sensu Monitoring Framework，CAdvisor等都可以对容器进行监控。 通过 docker stats 命令可以很方便的看到当前宿主机上所有容器的CPU，内存，以及网络流量等数据。但 docker stats 命令的缺点是只是统计当前宿主机的所有容器，为获取的数据是实时的，没有地方存储，也没有报警功能。 而Scout，Data Dog，Sysdig Cloud虽然都提供了教完善的服务，但是它们都是托管的服务且都是收费的，Sensu Monitoring Framework集成度较高，也免费，但是部署过于复杂，综合考虑选择CAdvisor做监控工具。 CAdvisor出自Google

【推荐】2019 Java 开发者跳槽指南.pdf(吐血整理) >>> 1. 阿里云 Docker 加速 再次抄录一下，省得每次都忘记，每次都去查找 ** 下文中 https://2xxxxxxx.mirror.aliyuncs.com 是我申请后的专属加速器地址，记得换成自己的地址 1. 安装／升级Docker客户端 推荐安装1.10.0以上版本的Docker客户端，参考文档 docker-ce 2. 配置镜像加速器 针对Docker客户端版本大于 1.10.0 的用户 您可以通过修改daemon配置文件/etc/docker/daemon.json来使用加速器 sudo mkdir -p /etc/docker sudo tee /etc/docker/daemon.json <<-'EOF' { "registry-mirrors": ["https://2xxxxxxx.mirror.aliyuncs.com"] } EOF sudo systemctl daemon-reload sudo systemctl restart docker 截图如下： 2. 国内镜像安装 docker-compose 按照官网操作 sudo curl -L " https://github.com/docker/compose/releases/download/1.24.0/docker