TopsLee




技术

如何使用RedisTemplate访问Redis数据结构 MySQL重要知识点 OAuth2认证授授权流程 分布式锁 服务调用 MQ的介绍 SpringCloud 使用链 Eureka 的点对点通信 介绍Eureka RabbitMQ与其它MQ的对比 Springboot 启动过程分析 Springboot 入门 Linux内存管理 自定义CNI IPAM 扩展Kubernetes 副本一致性 spring redis 源码分析 kafka实践 spring kafka 源码分析 Linux进程调度 让kafka支持优先级队列 Codis源码分析 Redis源码分析 C语言学习 《趣谈Linux操作系统》笔记 Kubernetes安全机制 jvm crash分析 Prometheus 学习 Kubernetes监控 Kubernetes 控制器模型 容器日志采集 容器狂占cpu怎么办？ 容器狂打日志怎么办？ Kubernetes资源调度-scheduler 时序性数据库介绍及对比 influxdb入门 maven的基本概念 《Apache Kafka源码分析》——server Kubernetes objects之编排对象 源码分析体会 自动化mock AIOps说的啥 从DevOps中挖掘docker的价值 《数据结构与算法之美》——算法新解 Kubernetes源码分析——controller mananger Kubernetes源码分析——apiserver Kubernetes源码分析——kubelet Kubernetes整体结构 ansible学习 Kubernetes源码分析——从kubectl开始 jib源码分析之Step实现 kubernetes实践 线程排队 jib源码分析之细节 从一个签名框架看待机制和策略 跨主机容器通信 jib源码分析及应用 docker环境下的持续构建 docker环境下的持续发布 一个容器多个进程 kubernetes yaml配置 marathon-client 源码分析 《持续交付36讲》笔记 程序猿应该知道的 mybatis学习 无锁数据结构和算法 《Container-Networking-Docker-Kubernetes》笔记 活用linux 命令 为什么很多业务程序猿觉得数据结构和算法没用？ 串一串一致性协议 当我在说PaaS时，我在说什么 《数据结构与算法之美》——数据结构笔记 swagger PouchContainer技术分享体会 harbor学习 用groovy 来动态化你的代码 《深入剖析kubernetes》笔记 精简代码的利器——lombok 学习 java 语言的动态性 rxjava3——背压 rxjava2——线程切换 spring cloud 初识 JVM4——《深入拆解java 虚拟机》笔记 《how tomcat works》笔记 commons-pipeline 源码分析 hystrix 学习 rxjava1——概念 Redis 学习 TIDB 学习 分布式计算系统的那些套路 Storm 学习 AQS3——论文学习 Unsafe Spark Stream 学习 linux 文件系统 mysql 批量操作优化 《自己动手写docker》笔记 java8 实践 中本聪比特币白皮书 细读 区块链泛谈 比特币 大杂烩 总纲——如何学习分布式系统 forkjoin 泛谈 hbase 泛谈 看不见摸不着的cdn是啥 《jdk8 in action》笔记 程序猿视角看网络 calico 问题排查 bgp初识 mesos 的一些tips mesos 集成 calico calico AQS2——粗略的代码分析 我们能用反射做什么 web 跨域问题 《clean code》笔记 compensable-transaction 源码分析 硬件对软件设计的影响 elasticsearch 初步认识 mockito简介及源码分析 线上用docker要解决的问题 《Apache Kafka源码分析》——Producer与Consumer 停止容器 dns隐藏的一个坑 《mysql技术内幕》笔记2 《mysql技术内幕》笔记1 log4j学习 为什么netty比较难懂？ 回溯法 apollo client源码分析及看待面向对象设计 java系并发模型的发展 从一个marathon的问题开始的 docker 环境（主要运行java项目）常见问题 Scala的一些梗 OpenTSDB 入门 spring事务小结 事务一致性 javascript应用在哪里 netty中的future和promise 《netty in action》读书笔记 netty对http2协议的解析 ssl证书是什么东西 一些tricky的code http那些事 苹果APNs推送框架pushy apple 推送那些事儿 编写java框架的几大利器 JVM3——java内存模型 java concurrent 工具类 java exception java io涉及到的一些linux知识 network channel network byte buffer 测试环境docker化实践 通用transport层框架pigeon netty（七）netty在框架中的使用套路 Nginx简单使用 《Linux内核设计的艺术》小结 从Go并发编程模型想到的 mesos深入 Macvlan Linux网络源代码学习2 《docker源码分析》小结 对web系统的一些理解 docker中涉及到的一些linux知识 hystrix学习 Linux网络源代码学习 Docker网络五,docker网络的回顾 zookeeper三重奏 数据库的一些知识 Spark 泛谈 commons-chain netty（六）netty回顾 Thrift基本原理与实践（三） Thrift基本原理与实践（二） Thrift基本原理与实践（一） Future 回调 Docker0.1.0源码分析 基于spring boot和Docker搭建微服务 通过Docker Plugin来扩展Docker Engine java gc Docker网络四,基于Centos搭建Docker跨主机网络 google guava的一些理解 Jedis源码分析 Redis概述 Docker回顾 深度学习是个什么鬼 Docker网络三,基于OVS实现Docker跨主机网络 Linux网络命令操作 JTA与TCC 换个角度看待设计模式 Scala初识 netty（四）netty对http协议的实现（废弃） netty（三）netty框架泛谈 向Hadoop学习NIO的使用 以新的角度看数据结构 AQS1——并发相关的硬件与内核支持 使用Ubuntu要做的一些环境准备 Docker网络二,libnetwork systemd 简介 那些有用的sql语句 异构数据库表在线同步 spring aop 实现原理简述——背景知识 quartz 源码分析 基于docker搭建测试环境(二) spring aop 实现原理简述 我们编程的那些潜意识 自己动手写spring（八） 支持AOP 自己动手写spring（七） 类结构设计调整 分析log日志 一次代码调试的过程 自己动手写spring（六） 支持FactoryBean 自己动手写spring（九） 总结 自己动手写spring（五） bean的生命周期管理 自己动手写spring（四） 整合xml与注解方式 自己动手写spring（三） 支持注解方式 自己动手写spring（二） 创建一个bean工厂 自己动手写spring（一） 使用digester varnish 简单使用 docker volume 关于docker image的那点事儿 基于docker搭建测试环境 分布式配置系统 JVM2——JVM和传统OS对比 git spring rmi和thrift maven/ant/gradle使用 再看tcp mesos简介 缓存系统——具体组件 缓存系统 java nio的多线程扩展 多线程设计模式/《Concurrency Models》笔记 回头看Spring IOC IntelliJ IDEA使用 Java泛型 vagrant 使用 Go 常用的一些库 Netty（一）初步了解 java mina Golang开发环境搭建（Windows下） java nio入门 ibatis自动生成类和文件 Python初学 Goroutine 调度模型猜想 一些编程相关的名词 虚拟网络 《程序员的自我修养》小结 VPN(Virtual Private Network) Hadoop安装与调试 Kubernetes持久化存储 Kubernetes 其它特性 访问Kubernetes上的服务 Kubernetes副本管理 Kubernetes pod 组件 使用etcd + confd + nginx做动态负载均衡 nginx安装与简单使用 在CoreOS集群上搭建Kubernetes 如何通过fleet unit files 来构建灵活的服务 CoreOS 安装 定制自己的boot2docker.iso CoreOS 使用 Go初学 JVM1——jvm小结 硬币和扑克牌问题 LRU实现 virtualbox 使用 os->c->java 多线程 容器类概述 zabbix 使用 zabbix 安装 Linux中的一些点 关于集群监控 ThreadLocal小结 我对Hadoop的认识 haproxy安装 docker快速入门

标签

Docker 30

WEB 10

Data 21

Java 53

Linux 14

Tool 9

Algorithm 9

Go 6

CoreOS 4

Kubernetes 20

Other 13

Network 19

Python 1

Netty 16

Spring 19

Mesos 6

Distribute 8

Scala 6

Basic 2

Life 7

Ops 4

MQ 2

eureka 2

Apollo 2

OAuth2 1

MySql 1


docker环境下的持续构建

2018年11月18日

简介

建议先看下 常规自动化构建的 理念和历史发展 maven/ant/gradle使用

几个问题

从上图可以看到，”代码 ==> 镜像“涉及到多个步骤，构建过程的过程中涉及到几个基本问题：

  1. 用不用jenkins? 怎么用jenkins？是否容器化jenkins？
  2. dockerfile 和代码是否在一起？
  3. 提交代码要不要自动构建？
  4. 构建过程要不要放到容器？

  5. 构建和发布的结合部

一个完整的构建过程 有两个考虑维度

  1. 用不用一些组件

  2. 怎么用一些组件

    • 比如maven，是直接调用，还是放在docker中使用；
    • 比如docker build，是直接调用，还是docker in docker。

传统的基于jenkins构建

流程

  1. maven build war
  2. 根据war build image
  3. push image
  4. 调度marathon/k8s

该方案的问题：

  1. build 慢
  2. push 慢
  3. 发布是一个有明显高峰低谷的操作，高峰时jenkins 压力很大
    • 中午吃饭前
    • 下午五六点：干了一天了，基本出活儿了

docker build 慢

build 慢的原因：

  1. layer 多
  2. war 包大
  3. jenkins 单机瓶颈，同时执行十几个docker build -t docker 也会很卡

build 慢的解决办法

  1. 在jenkins机器上，docker run -d, docker cp,docker cimmit 的方式替代dockerfile

  2. 先调度marathon在目标物理机上启动容器，然后将war包拷到目标物理机，进而拷贝到容器中，启动tomcat

    • 优点：完全规避了docker build
    • 缺点：每个版本的war包没有镜像，容器退化为了一个执行机器， 镜像带来的版本管理、回滚等不再支持

  3. 将git 代码 变成镜像的事情，可以交给专门的容器做，理由

    • 破解jenkins 单点问题
    • 集群资源通常是富余的，而build 任务具有明显的临时性特征，可以充分的将富余的资源利用起来。

docker push 慢

从两个方面解决：

  1. dockerfile 技巧，比如减少layer等 Docker 持续集成过程中的性能问题及解决方法
  2. 镜像预热，p2p 镜像分发，美团容器平台架构及容器技术实践

如何将代码变成image

步骤

  1. 代码 ==> 可执行文件，比如war/jar/二进制文件等
  2. 生成dockerfile
  3. docker build 得到镜像
  4. docker push 镜像到仓库

难点在于

  1. 每个步骤都需要配置
  2. 将步骤驱动起来，成为一个完整的步骤

可用方案

这是一个难题，难点不在如何变成jar，难在如何让一群完全没有docker 经验的人，按照指示，将代码变成jar/war，再变成image

  1. jenkins + 变量方案，jenkins 执行maven 代码变成jar/war 之后，用变量指定jar/war 位置，根据变量构建Dockerfile，制作镜像。该方案在实施过程中碰到以下问题

    • 新手习惯于克隆老手的已有项目，大量的配置错配
    • 大量的变量散落在各个jenkins 项目中，无法被统一管理
    • 有些项目生成的jar/war 没有包含依赖jar，而依赖jar目录各式各样
    • 每一个步骤都容器化时，比较复杂。尤其是 build 和push 过程，还需要 docker in docker
  2. 阿里云效方案，用户在代码中附属一个配置文件，由命令根据文件打成jar/war，再制作为image
  3. google jib 方案，使用maven 插件，将过程内置到 maven build 过程中，并根据image registry 格式，直接push到registry 中。 jib 应用参见 jib源码分析及应用

  4. 假设一个是maven项目，项目根目录下放上Dockerfile、marathon.json/xxx-pod.yaml 文件，自己写一个脚本（比如叫deploy.sh) 用户maven package 之后，执行deploy.sh 。该方案有以下问题

    • 直接暴露Dockfile 和 marathon.json 对于一些新手来说，难以配置，可能要将配置文件“封装”一下

灵活性和模板化的边界在哪里？可以参见下 CNI 的设计理念。

从目前来看，针对 java 项目来说，jib 是最优的。在项目目录下直接执行 mvn compile com.google.cloud.tools:jib-maven-plugin:0.10.0:build -Djib.to.image=<MY IMAGE> 便可以将代码转换为镜像。

如何驱动这些步骤

jenkins 作为驱动器的问题

  1. 权限管理比较弱
  2. 用户配置、操作无法拦截，也就不能做错误校验（或者很麻烦）。用户配置分散在各个jenkins中，也没有手段可以批量修改。
  3. jenkins 一般作为一个公司的基础系统，集中式，项目很多，会很卡。当然，可以用docker、集群的方式解决。
  4. 和流水线即代码的理念一对比，就显得很臃肿。

流水线即代码以Jenkins为例，暂且不谈1.0版本无法直接支持流水线这一问题，为了支持构建、测试和部署等，我们一般会先手工安装所需插件，在多个文本框中粘贴大量shell/batch脚本，下载依赖包、设置环境变量等等。久而久之（实际上用不了多久），这台Jenkins服务器就变成无法替代（特异化）的“怪兽”了，因为没人清楚到底对它做了哪些更改，也不知道这些更改对系统产生了哪些影响，这时的Jenkins服务器就腐化成了Martin Fowler口中的雪花服务器(snowflake server)。雪花服务器有两点显著的特征：

  1. 特别难以复现
  2. 几乎无法理解

第一点是由于以往所做的更改并没有被记录下来（手工操作产生的配置漂移(configuration drift)），第二点则是由于绝大部分情况下散乱的配置是没有文档描述的，哪部分重要、哪部分不重要已经无从知晓，改动的风险很大。

当前实现流水线即代码的CI/CD工具大体遵循了两种模式：

  1. 版本控制
  2. DSL（领域特定语言），基于groovy 或yaml 的，Jenkins2.0 允许我们在项目的特定目录下放置一个Jenkinsfile的文件，使用Groovy实现了一套描述流水线的DSL。

流水线即代码

可以项目中 弄一个deploy.yaml 文件。yaml 文件的解释/执行器 应能根据 yaml 配置 自动完成 代码 到 镜像的所有工作。

language:java
creator: zhangsan
war: target/xxx.war
mem: 2048

对于yaml 执行器，根据yaml文件，执行对应的编译命令。比如对于java，拼凑 mvn compile com.google.cloud.tools:jib-maven-plugin:0.10.0:build -Djib.to.image=<MY IMAGE> 命令并执行

网上说的各种好处一大堆，笔者个人比较大的体会主要有：

  1. 可见性，比如上例中，开发都和运维都清楚 服务被部署后，内存只有2G
  2. 简单性，配置文件只描述目标，不关心实现，自然也就省掉了跟具体实现相关的配置，也不会有操作顺序不一致带来的问题。
  3. 易推广，因为真的很多开发连jenkins是啥都不知道

流水线即代码流水线即代码(Pipeline as Code)通过编码而非配置持续集成/持续交付(CI/CD)运行工具的方式定义部署流水线。

扩展：如果有一个配置，使得运维和开发约定好 如何处理路径映射，运维将这个配置同步到nginx中，一定很好玩。

其它细节

Crafting perfect Java Docker build flow

  • Choosing a base Docker image for Java Application. glibc 问题
  • Choosing the right Java Application server. Originally, Java server-side deployment assumes you have pre-configured a Java Web Server (Tomcat, WebLogic, JBoss, or other) and you are deploying an application WAR (Web Archive) packaged Java application to this server and run it together with other applications, deployed on the same server.Lots of tools are developed around this concept, allowing you to update running applications without stopping the Java Application server, route traffic to the new application, resolve possible class loading conflicts and more.

个人微信订阅号