基于Docker-compose编排部署sentiment-analyzer情感分析系统（老保姆级讲解-部署）

讲解

DockerFile的指令

FROM			# 基础镜像，一切从这里开始构建
MAINTAINER		# 镜像是谁写的：姓名+邮箱    maintainer
RUN				# 镜像构建的时候需要运行的命令
ADD				# copy内容到容器（压缩包，自动解压）
WORKDIR			# 镜像的工作目录   workdir
VOLUME			# 挂载的目录      volume
EXPOSE			# 暴露端口配置     expose
CMD				# 指定容器启动的时候需要运行的命令，只有最后一个会生效，可被替代
ENTRYPOINT		# 指定容器启动的时候需要运行的命令，可以追加指令      
ONBUILD			# 当构建一个被继承 DckerFile 这个时候就会运行 ONBUILD 的指令 触发指令
COPY			# 类似ADD 将我们文件拷贝到镜像中
ENV				# 构建的时候设置环境变量
USER            # 设置启动容器的用户
ARG             # 设置变量命令       定义创建镜像过程中使用的环境变量
      基本语法：ARG <name> [=<default value>] 
#在执行docker build命令时， 可以通过 --build-arg <参数名>=<值>来覆盖Dockerfile中定义的变量值，Dockerfile 文件中 ${变量名}来取值。

ONBUILD         # 对当前镜像的子镜像生效           #  ONBUILD RUN ls -al
STOPSIGNAL      # 当容器停止时给系统发送什么样的指令
HEALTHCHECK     # 容器健康状况检查命令
LABEL           # 添加元数据标签信息到为生成的镜像
基本语法：LABEL <key>=<value> <key>=<value> <key>=<value> ...
LABEL是键值对。如果LABEL值中包含空格，请使用引号或反斜杠包裹。

一个镜像可以有多个标签。可以指定多行标签，也可以在一行上指定多个标签。

CMD 和 ENTRYPOINT 的区别

CMD				 # 指定容器启动的时候需要运行的命令，只有最后一个会生效，可被替代
ENTRYPOINT		 # 指定容器启动的时候需要运行的命令，可以追加指令   entrypoint

相同点：
只能写一条，如果写了多条，那么只有最后一条生效
容器启动时才运行，运行时机相同

不同点：
ENTRYPOINT不会被运行的command覆盖，而CMD则会被覆盖

#如果我们在Dockerfile种同时写了ENTRYPOINT和CMD，并且CMD指令不是一个完整的可执行命令，那么CMD指定的内容将会作为ENTRYPOINT的参数

#如果我们在Dockerfile种同时写了ENTRYPOINT和CMD，并且CMD是一个完整的指令，那么它们两个会互相覆盖，谁在最后谁生效

COPY和ADD的区别

COPY - - - 把宿主机的文件复制到镜像中

COPY src desc
其中src表示宿主机上的路径（支持通配符，如*和？；通常使用相对路径）；

desc表示目标镜像中的路径（通常使用绝对路径，如果不存在会被自动创建，包括父目录）。

Note：如果src是目录，则其内部文件或子目录会被递归复制，但src目录自身不会被复制。

ADD - - - 与COPY命令类似

ADD src desc
与COPY不同的是，ADD可以访问url路径，会访问网络进行下载，档到本地后打包到镜像。

此外，如果src是压缩包的话，会自动进行解压；但通过url获取的tar文件不会被展开。

RUN&&CMD

不要把RUN和CMD搞混了。

#RUN是构件容器时就运行的命令以及提交运行结果

#CMD是容器启动时执行的命令，在构件时并不运行，构件时紧紧指定了这个命令到底是个什么样子

Python 环境中的实验

实验 在 python 环境中 build 一个 web app

• Dockerfile (有 python 3.6.6 版本的 image/ 无需单独下载安装 python 环境)

vim Dockerfile

FROM python:3.6.6
LABEL maintainer="xu1102<[email protected]>"
RUN pip install flask

创建一个 python 的简单的源代码文件 app.py

vim app.py

om flask import Flask
app = Flask(__name__)
@app.route('/')
def hello():
    return "hello docker"
if __name__ == '__main__':
app.run()

再将 app.py 添加到 image 里面

FROM python:3.6.6
LABEL "maintainer=xu1102<[email protected]>"
RUN pip install flask
COPY app.py /app/
WORKDIR /app
EXPOSE 5000
CMD ["python", "app.py"]

使用–no-index --find-links选项进行离线安装

将pip_packages文件夹，和requirements_offline.txt 放到需要部署的环境当中。执行关键一步：

pip install --no-index --find-links=. -r …/project/requirements_offline.txt
其中 --no-index 代表忽视pip 忽视默认的依赖包索引。–find-links= 代表从你指定的目录寻下找离线包

本列中：指定从当前目录下（也就是pip_packages下）寻找离线包，安装…/project/中requirements_offline.txt所需依赖。

pip使用指南——r参数

有的时候，你想用pip安一个库，可是结果它一下子给你安了很多库，你也不知道它们都是用来干啥的，但是它们都是你本来想要的那个库的关联库。

这里利用pip的r参数，配合自定义的requirements file文件，可以更好地管理第三方库，随时安装与卸载。

只要把所涉及到的所有库的名称都列出来

使用时，只需要在命令中追加参数r以及文件所在的目录就好了，一般格式为：

python -m pip install -r <file>

基于Docker-compose编排部署sentiment-analyzer情感分析系统

基础准备

1.Kubernetes集群部署完成

2.将压缩包Sentiment-Analyzer.tar.gz上传到master节点/root目录下并解压

案例实施

1.1构建sa-logic镜像

1）编写Dockerfile

编写yum文件

[root@master ~]# cd sentiment-analyzer/
[root@master sentiment-analyzer]# vi local.repo
[sa]
name=sa
baseurl=file:///opt/sa-repo
gpgcheck=0
enabled=1

编写Dockerfile

[root@master sentiment-analyzer]# vi Dockerfile-logic 
FROM centos:centos7.5.1804      # 基础镜像，一切从这里开始构建
MAINTAINER Guo                  # 镜像是谁写的：姓名+邮箱
WORKDIR /root                   # 镜像的工作目录
RUN rm -rf /etc/yum.repos.d/*
COPY local.repo /etc/yum.repos.d/local.repo
COPY sa-repo /opt/sa-repo
COPY sa-logic/requirements.txt /root/requirements.txt
COPY sa-logic/app.py /root/app.py
ADD sa-logic/python-packages.tar.gz /root          #添加内容
RUN yum -y install python3
RUN pip3 install --find-links=/root/python-packages -r /root/requirements.txt
#离线安装软件包  指定这个目录中安装软件包，而不从 pypi 上安装
#-r 把所涉及到的所有库的名称都列出来  不然它一下子给你安了很多依赖库

EXPOSE 5000                      # 暴露端口配置 
CMD ["python3", "app.py"]        # 指定容器启动的时候需要运行的命令，只有最后一个会生效，可被替代

（2）构建镜像

[root@master sentiment-analyzer]# docker build -t sa-logic:v1.0 -f Dockerfile-logic .
Sending build context to Docker daemon  348.2MB
Step 1/13 : FROM centos:centos7.5.1804
 ---> cf49811e3cdb
Step 2/13 : MAINTAINER Guo
 ---> Using cache
 ---> 02855371e6e9
Step 3/13 : WORKDIR /root
 ---> Using cache
 ---> 452ef41a356d
Step 4/13 : RUN rm -rf /etc/yum.repos.d/*
 ---> Using cache
 ---> 39c82cf6edf1
Step 5/13 : COPY local.repo /etc/yum.repos.d/local.repo
 ---> Using cache
 ---> 10c3cd5c066c
Step 6/13 : COPY sa-repo /opt/sa-repo
 ---> Using cache
 ---> b6b326099da7
Step 7/13 : COPY sa-logic/requirements.txt /root/requirements.txt
 ---> Using cache
 ---> 75e961748d66
Step 8/13 : COPY sa-logic/app.py /root/app.py
 ---> Using cache
 ---> ac5de077a8d0
Step 9/13 : ADD sa-logic/python-packages.tar.gz /root
 ---> Using cache
 ---> c9c1f014253d
Step 10/13 : RUN yum -y install python3
 ---> Using cache
 ---> 5bb21dca931b
Step 11/13 : RUN pip3 install --find-links=/root/python-packages -r /root/requirements.txt
 ---> Using cache
 ---> 396b732716bb
Step 12/13 : EXPOSE 5000
 ---> Using cache
 ---> 8c08e0279108
Step 13/13 : CMD ["python3", "app.py"]
 ---> Using cache
 ---> 4af11144b511
Successfully built 4af11144b511
Successfully tagged sa-logic:v1.0

查看镜像列表：

[root@master sentiment-analyzer]# docker images | grep sa-logic 
REPOSITORY      TAG         IMAGE ID        CREATED          SIZE
sa-logic            v1.0         4af11144b511      About a minute ago   629MB

1.2构建sa-webapp镜像

编写Dockerfile

[root@master sentiment-analyzer]# vi Dockerfile-webapp 
FROM centos:centos7.5.1804
MAINTAINER Guo
WORKDIR /root
RUN rm -rf /etc/yum.repos.d/*
COPY local.repo /etc/yum.repos.d/local.repo
COPY sa-repo /opt/sa-repo
ADD sa-webapp/go-packages.tar.gz /root
RUN yum -y install golang
RUN go build -o webapp .
EXPOSE 8080
CMD ["/root/webapp"]

（2）构建镜像

[root@master sentiment-analyzer]# docker build -t sa-webapp:v1.0 -f Dockerfile-webapp .
Sending build context to Docker daemon  348.2MB
Step 1/11 : FROM centos:centos7.5.1804
 ---> cf49811e3cdb
Step 2/11 : MAINTAINER Guo
 ---> Using cache
 ---> 02855371e6e9
Step 3/11 : WORKDIR /root
 ---> Using cache
 ---> 452ef41a356d
Step 4/11 : RUN rm -rf /etc/yum.repos.d/*
 ---> Using cache
 ---> 39c82cf6edf1
Step 5/11 : COPY local.repo /etc/yum.repos.d/local.repo
 ---> Using cache
 ---> 10c3cd5c066c
Step 6/11 : COPY sa-repo /opt/sa-repo
 ---> Using cache
 ---> b6b326099da7
Step 7/11 : ADD sa-webapp/go-packages.tar.gz /root
 ---> Using cache
 ---> 5a8c4ad14414
Step 8/11 : RUN yum -y install golang
 ---> Using cache
 ---> 1fe36d2e2728
Step 9/11 : RUN go build -o webapp .
 ---> Using cache
 ---> 3fb843836547
Step 10/11 : EXPOSE 8080
 ---> Using cache
 ---> 97dda96366e0
Step 11/11 : CMD ["/root/webapp"]
 ---> Using cache
 ---> f9d451bf0cfb
Successfully built f9d451bf0cfb
Successfully tagged sa-webapp:v1.0

查看镜像列表：

[root@master sentiment-analyzer]# docker images | grep sa-webapp 
REPOSITORY      TAG        IMAGE ID        CREATED          SIZE
sa-webapp          v1.0        f9d451bf0cfb      About a minute ago    1.12GB

1.3构建sa-frontend镜像

（1）编写Dockerfile

[root@master sentiment-analyzer]# vi Dockerfile-frontend 
FROM centos:centos7.5.1804
MAINTAINER Guo
WORKDIR /root
RUN rm -rf /etc/yum.repos.d/*
COPY local.repo /etc/yum.repos.d/local.repo
COPY sa-repo /opt/sa-repo
ADD sa-frontend/sa-frontend.tar.gz /root
## 填写主机IP地址，用于后续web访问后端
ENV VUE_APP_API_HOST=http://192.168.0.45:9002
RUN yum -y install nodejs nginx
RUN npm run build && rm -rf /usr/share/nginx/html/* && \
        cp -rvf dist/* /usr/share/nginx/html
EXPOSE 80
CMD ["nginx", "-g", "daemon off;"]               #

#最后加;是固定的，nginx官方特意在docker里设置的这个属性，格式也是他们来定的

#docker 容器默认会把容器内部第一个进程，也就是pid=1的程序作为docker容器是否正在运行的依据，如果docker 容器pid挂了，那么docker容器便会直接退出。

#nginx默认是以后台模式启动的，Docker未执行自定义的CMD之前，nginx的pid是1，执行到CMD之后，nginx就在后台运行，bash或sh脚本的pid变成了1。所以一旦执行完自定义CMD，nginx容器也就退出了。为了保持nginx的容器不退出，应该关闭nginx后台运行

#nginx -g directives : 设置 全局配置指令

CMD service nginx start
该命令会被包装为：
CMD [ "sh", "-c", "service nginx start"]

#启动nginx时，主进程其实是sh，而容器是因为sh这个主进程产生的，当该条命令执行完毕之后，sh作为主进程会退出，容器自然也会退出，因此导致nginx启动不了。所以需要使用
CMD ["nginx", "-g", "daemon off;"] 启动

（2）构建镜像

[root@master sentiment-analyzer]# docker build -t sa-frontend:v1.0 -f Dockerfile-frontend .
Sending build context to Docker daemon  348.2MB
Step 1/12 : FROM centos:centos7.5.1804
 ---> cf49811e3cdb
Step 2/12 : MAINTAINER Guo
 ---> Using cache
 ---> 02855371e6e9
Step 3/12 : WORKDIR /root
 ---> Using cache
 ---> 452ef41a356d
Step 4/12 : RUN rm -rf /etc/yum.repos.d/*
 ---> Using cache
 ---> 39c82cf6edf1
Step 5/12 : COPY local.repo /etc/yum.repos.d/local.repo
 ---> Using cache
 ---> 10c3cd5c066c
Step 6/12 : COPY sa-repo /opt/sa-repo
 ---> Using cache
 ---> b6b326099da7
Step 7/12 : ADD sa-frontend/sa-frontend.tar.gz /root
 ---> Using cache
 ---> 0856dadfabbf
Step 8/12 : ENV VUE_APP_API_HOST=http://192.168.0.45:9002
 ---> Using cache
 ---> d6f60d456724
Step 9/12 : RUN yum -y install nodejs nginx
 ---> Using cache
 ---> 63101aac3320
Step 10/12 : RUN npm run build && rm -rf /usr/share/nginx/html/* &&     cp -rvf dist/* /usr/share/nginx/html
 ---> Using cache
 ---> 9ffcbc426e87
Step 11/12 : EXPOSE 80
 ---> Using cache
 ---> 26b819ea11d0
Step 12/12 : CMD ["nginx", "-g", "daemon off;"]
 ---> Using cache
 ---> 447e3d98b3ab
Successfully built 447e3d98b3ab
Successfully tagged sa-frontend:v1.0

查看镜像列表：

[root@master sentiment-analyzer]#docker images | grep sa-frontend 
REPOSITORY        TAG       IMAGE ID         CREATED        SIZE
sa-frontend           v1.0       447e3d98b3ab       2 minutes ago      740MB

1.4编排部署sentiment-analyzer

（1）编写YAML文件

编写docker-compose.yaml文件：

[root@master sentiment-analyzer]# vi docker-compose.yaml 
version: "3"
services:
  sa-logic:                           # 第二级标签是 web ，服务名称
    container_name: sa-logic          #容器的命名
    image: sa-logic:v1.0              # 如果镜像在本地不存在，Compose 将会尝试拉取这个镜像
    ports:
      - 9001:5000
  sa-webapp:
    container_name: sa-webapp
    image: sa-webapp:v1.0
    depends_on:                      #解决了容器的依赖
      - sa-logic
    ports:
      - 9002:8080
    environment:
      - API_HOST=http://sa-logic:5000         #对接登录接口的   应学习接口编程
  sa-frontend:
    container_name: sa-frontend
    image: sa-frontend:v1.0
    depends_on:
      - sa-webapp
    ports:
      - 9003:80

## build

服务除了可以基于指定的镜像，还可以基于一份 Dockerfile，在使用 up 启动之时执行构建任务，这个构建标签就是 build，它可以指定 Dockerfile 所在文件夹的路径。Compose 将会利用它自动构建这个镜像，然后使用这个镜像启动服务容器。

build: /path/to/build/dir

也可以是相对路径，只要上下文确定就可以读取到 Dockerfile

build: ./dir

设定上下文根目录，然后以该目录为准指定 Dockerfile

build:
  context: ../
  dockerfile: path/of/Dockerfile
  
  如果你同时指定了 image 和 build 两个标签，那么 Compose 会构建镜像并且把镜像命名为 image 后面的那个名字
build: ./dir
image: webapp:tag

#depends_on
在使用 Compose 时，最大的好处就是少打启动命令，但是一般项目容器启动的顺序是有要求的，如果直接从上到下启动容器，必然会因为容器依赖问题而启动失败。
例如在没启动数据库容器的时候启动了应用容器，这时候应用容器会因为找不到数据库而退出，为了避免这种情况我们需要加入一个标签，就是 depends_on，这个标签解决了容器的依赖、启动先后的问题。
例如下面容器会先启动 redis 和 db 两个服务，最后才启动 web 服务


version: '2'
services:
  web:
    build: .
    depends_on:
      - db
      - redis
  redis:
    image: redis
  db:
    image: postgres


注意的是，默认情况下使用 docker-compose up web 这样的方式启动 web 服务时，也会启动 redis 和 db 两个服务，因为在配置文件中定义了依赖关系

#env_file  与  environment

#env_file
在 docker-compose.yml 中可以定义一个专门存放变量的文件
如果有变量名称与 environment 指令冲突，则以后者为准

#environment
与上面的 env_file 标签完全不同，反而和 arg 有几分类似，这个标签的作用是设置镜像变量，它可以保存变量到镜像里面，也就是说启动的容器也会包含这些变量设置，这是与 arg 最大的不同。
一般 arg 标签的变量仅用在构建过程中。而 environment 和 Dockerfile 中的 ENV 指令一样会把变量一直保存在镜像、容器中，类似 docker run -e 的效果。

#expose 与 ports

#expose
与Dockerfile中的EXPOSE指令一样，指定暴露的端口，但只是作为一种参考，实际上docker-compose.yml的端口映射还是要用ports这样的标签

#ports
映射端口
使用HOST:CONTAINER格式或者只是指定容器的端口，宿主机会随机映射端口

docker-compose.yml 与  k8s

#docker-compose.yml
是单机管理，编排容器，可以同时管理多个 container ，将多个相关的容器一次性启动，比如运行一个jar需要依赖jdk、mysql、mq、redis等，这些容器只需要 docker-composer up 就可以全部启动，不需要一个个单独启动。

#k8s
多节点管理Docker，集群部署高可用应用

启动服务：

[root@master sentiment-analyzer]# docker-compose up -d
Creating network "sentiment-analyzer_default" with the default driver
Creating sa-logic ... done
Creating sa-webapp ... done
Creating sa-frontend ... done
[root@master sentiment-analyzer]# docker-compose ps
   Name             Command          State           Ports         
-------------------------------------------------------------------
sa-frontend   nginx -g daemon off;   Up      0.0.0.0:9003->80/tcp  
sa-logic      python3 app.py         Up      0.0.0.0:9001->5000/tcp
sa-webapp     /root/webapp           Up      0.0.0.0:9002->8080/tcp

（2）访问服务

在浏览器访问服务：http://192.168.0.45:9003/

随意输入一句话进行情感分析：