Harbor

数据处理过程的数据类型 当利用pandas进行数据处理的时候，经常会遇到数据类型的问题，当拿到数据的时候，首先需要确定拿到的是正确类型的数据，一般通过数据类型的转化，这篇文章就介绍pandas里面的数据类型（data types也就是常用的dtyps），以及pandas与numpy之间的数据对应关系。 主要介绍object，int64，float64，datetime64，bool等几种类型，category与timedelta两种类型会单独的在其他文章中进行介绍。当然本文中也会涉及简单的介绍。 数据类型的问题一般都是出了问题之后才会发现的，所以有了一些经验之后就会拿到数据之后，就直接看数据类型，是否与自己想要处理的数据格式一致，这样可以从一开始避免一些尴尬的问题出现。那么我们以一个简单的例子，利用jupyter notebook进行一个数据类型的介绍。 ####按照惯例导入两个常用的数据处理的包，numpy与pandas import numpy as np import pandas as pd # 从csv文件读取数据，数据表格中只有5行，里面包含了float，string，int三种数据python类型，也就是分别对应的pandas的float64，object，int64 # csv文件中共有六列，第一列是表头，其余是数据。 df = pd.read_csv("sales

一：win10安装Docker Desktop community【版本：2.2.0.5(43884)】 二：运行Docker Desktop 三：在右下角Docker Desktop图标上右键选择： Switch to Linux containers 四：打开powershell，输入：docker login xxx.xxx.xx:81 输入Harbor上设置的用户和密码，登录成功提示信息如下： Authenticating with existing credentials... Stored credentials invalid or expired Username (admin): admin Password: Login Succeeded 五：推送项目至服务器的Harbor 在项目的根目录输入： mvn clean package dockerfile:build dockerfile:push 推送前需要配置一下： 1、项目POM文件： 2、Maven配置文件settings.xml 找到安装路径：D:\Program Files\JetBrains\IntelliJ IDEA 2018.3.5\plugins\maven\lib\maven3\conf 打开settings.xml 1和2中的密码都是服务器上Harbor的登录密码 来源： oschina

Kubernetes 完整二进制部署(精品) 目录 1、基础环境 2、部署DNS 3、准备自签证书 4、部署Docker环境 5、私有仓库Harbor部署 6、部署Master节点 6.1、部署Etcd集群 6.2、部署kube-apiserver集群 6.2.1、创建cliient证书 6.2.2、签发kube-apiserver证书 6.2.3、kube-apiserver配置 6.3、L4反向代理 6.3.1、部署Nginx 6.3.2、部署keepalived 6.4、部署controller-manager 6.5、部署kube-scheduler 7、部署Node节点服务 7.1、部署Kubelet 7.1.1、签发kubelet证书 7.1.2、kubelet配置 7.1.3、准备pause基础镜像 7.1.4、创建kubelet启动脚本 7.2、部署kube-proxy 7.2.1、签发kube-proxy证书 7.2.2、Kube-proxy配置 7.2.3、创建kube-proxy启动脚本 8、验证集群 1、基础环境 1.安装epel-release $ yum install epel-release -y 2.保证系统内核版本为3.10.x以上 $ uname -a Linux k8s-node01 3.10.0-693.el7.x86_64 3

【推荐阅读】微服务还能火多久？>>> 目录 1、基础环境 2、部署DNS 3、准备自签证书 4、部署Docker环境 5、私有仓库Harbor部署 6、部署Master节点 6.1、部署Etcd集群 6.2、部署kube-apiserver集群 6.2.1、创建cliient证书 6.2.2、签发kube-apiserver证书 6.2.3、kube-apiserver配置 6.3、L4反向代理 6.3.1、部署Nginx 6.3.2、部署keepalived 6.4、部署controller-manager 6.5、部署kube-scheduler 7、部署Node节点服务 7.1、部署Kubelet 7.1.1、签发kubelet证书 7.1.2、kubelet配置 7.1.3、准备pause基础镜像 7.1.4、创建kubelet启动脚本 7.2、部署kube-proxy 7.2.1、签发kube-proxy证书 7.2.2、Kube-proxy配置 7.2.3、创建kube-proxy启动脚本 8、验证集群 1、基础环境 1.安装epel-release $ yum install epel-release -y 2.保证系统内核版本为3.10.x以上 $ uname -a Linux k8s-node01 3.10.0-693.el7.x86_64 3

【推荐阅读】微服务还能火多久？>>> 一、下载Harbor # wget https://storage.googleapis.com/harbor-releases/release-1.9.0/harbor-offline-installer-v1.9.4.tgz （# 以 /data/ 目录为例 # mkdir /data/ # cd /data/ 注：如果无法下载，在本地下载再上传，可以使用rz命令 # yum install -y lrzsz # rz 注：在弹出的窗口中选择下载的harbor 压缩包，上传成功后解压： # tar zxvf harbor.tgz 进入解压后的目录harbor） # cd /harbor 修改harbor.yml配置文件 hostname:saber.bladex.vip port:81 （使用vim修改，i 编辑 :wq保存） # ./install.sh 安装完成后使用saber.bladex.vip:81即可访问，默认的用户和密码为：admin和 Harbor12345 来源： oschina 链接： https://my.oschina.net/u/4365667/blog/3237953

【推荐阅读】微服务还能火多久？>>> 基于kubernetes的Docker Registry的高可用部署 https: // blog.lecury.cn/2017/04/14/基于kubernetes的Docker-Registry的高可用部署/ 写在前面 在kubernetes集群中运维生成环境的服务已经长达半年多时间，我们遇到了很多问题，也踩到了很多坑，其中因为 Docker Registry 的故障而导致的不可用事件还是挺多的，这些问题常常被用户埋怨。 Docker Registry 作为镜像仓库、数据中心，在整个服务发布流程中是异常关键的一环。由于之前初期我们搭建的 Docker Registry 是通过 docker run 跑在单机的方式，这种情况下不仅有单点问题，还面临着磁盘损坏和镜像丢失的危险性。 后来为了提高平台的稳定性和可靠性，也为了我的毕业论文，特地的花时间来调研 Docker Registry 的部署和设计方案，这个方案不仅采纳了开源社区和其他公司的部署策略，同时也结合了本公司内部的基础上而设计的一套高可用的 Docker Registry 方案。 调研初期 在2017年3月份时候有幸参加了 ebay 公司举办了 亿贝TechDay 活动，在这次公开技术分享中，我不仅见识了由DaoCloud技术合伙人孙宏亮大神所分享的Docker安全思考

【推荐阅读】微服务还能火多久？>>> 2020 年 4 月 9 日，CNCF 技术监督委员会（TOC）投票决定接受 Dragonfly 作为孵化级别的托管项目。 Dragonfly 是一个由阿里巴巴开源的云原生镜像/文件分发系统，主要解决云原生领域以 Kubernetes 为核心的应用镜像分发问题。2018 年 10 月，Dragonfly 正式进入 CNCF，成为 CNCF 沙箱级别项目，开始云原生探索之旅，帮助用户改善 Kubernetes 中镜像 / 文件分发的体验，从而让企业工程师可以专注于应用程序本身而非基础架构管理。 每个CNCF项目都有一个相关的成熟度级别：沙箱、孵化或毕业级。有关每个等级的成熟度要求的更多信息，请访问 CNCF 毕业标准 v.1.3 。 阿里巴巴资深技术专家易立认为： “作为阿里巴巴生态系统中容器平台的骨干技术之一，Dragonfly 每年支撑了数十亿次应用服务的部署交付，被全球许多企业客户使用。阿里巴巴期待不断改进 Dragonfly，使其更加高效和易于使用。” Dragonfly 的目标是解决云原生场景中的分发问题。该项目由以下三个主要部分组成： SuperNode 扮演中央调度器角色，控制 peer 之间的所有分发过程； dfget 是 P2P 客户端，主要负责 peer 之间分块的互传； dfdaemon 则扮演代理角色

【今日推荐】：为什么一到面试就懵逼！>>> docker 的安装应用与补充 标签（空格分隔）： docker的部分 一：Docker概述 二：Docker安装 三：镜像管理 四：容器管理 五：管理应用程序数据 六：容器网络 七：Dockerfile 八：企业级镜像仓库Harbor 一：Docker概述 1.1 Docker是什么 1. 使用最广泛的开源容器引擎 2. 一种操作系统级的虚拟化技术 3. 依赖于Linux内核特性：Namespace（资源隔离）和Cgroups（资源限制） 4. 一个简单的应用程序打包工具 1.2 Docker设计目标 1. 提供简单的应用程序打包工具 2. 开发人员和运维人员职责逻辑分离 3. 多环境保持一致性 1.3 Docker基本组成 1. Docker Client：客户端 2. Ddocker Daemon：守护进程 3. Docker Images：镜像 4. Docker Container：容器 5. Docker Registry：镜像仓库 1.4 容器 VS 虚拟机 1.5 docker的应用场景 1. 应用程序打包和发布 2. 应用程序隔离 3. 持续集成 4. 部署微服务 5. 快速搭建测试环境 6. 提供PaaS产品（平台即服务） 二： Docker的安装 2.1 Docker版本 1. 社区版（Community

现在我们有两个配置项： 点击发布： 构建成功后修改deployment中的镜像版本号： [root@hdss7-200 dubbo-demo-service]# cat dp.yaml kind: Deployment apiVersion: extensions/v1beta1 metadata: name: dubbo-demo-service namespace: app labels: name: dubbo-demo-service spec: replicas: 1 selector: matchLabels: name: dubbo-demo-service template: metadata: labels: app: dubbo-demo-service name: dubbo-demo-service spec: containers: - name: dubbo-demo-service image: harbor.od.com/app/dubbo-demo-service:apollo_191208_1614 ports: - containerPort: 20880 protocol: TCP env: - name: JAR_BALL value: dubbo-server.jar - name: C_OPTS value: -Denv=dev

部署kube-state-metrics， kube-state-metrics用来获取k8s集群所有资源的状态： 准备镜像： [root@hdss7-200 ~]# docker pull quay.io/coreos/kube-state-metrics:v1.5.0 v1.5.0: Pulling from coreos/kube-state-metrics cd784148e348: Pull complete f622528a393e: Pull complete Digest: sha256:b7a3143bd1eb7130759c9259073b9f239d0eeda09f5210f1cd31f1a530599ea1 Status: Downloaded newer image for quay.io/coreos/kube-state-metrics:v1.5.0 quay.io/coreos/kube-state-metrics:v1.5.0 [root@hdss7-200 ~]# docker images|grep kube-state-metrics quay.io/coreos/kube-state-metrics v1.5.0 91599517197a 15 months ago 31.8MB [root@hdss7-200 ~]# docker tag