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


jib源码分析之细节

2018年12月11日

简介

阅读本文前,建议事先了解下 jib源码分析及应用

几个问题

通过docker registry v2 api,是可以上传镜像的

  1. jib 的最后,是不是也是调用 docker registry v2 api? 比如对于golang语言 就有针对 registry api 的库 github.com/heroku/docker-registry-client
  2. jib maven plugin 与 jib-core 分工的边界在哪里? 直接的代码调用,使用jib-core 即可
  3. 如何将不同的数据分layer
  4. jib源码分析及应用 的分析只涉及到 jib 有限的几个package,还有大量package 分别是什么作用?
  5. Allocation 看着很复杂,是什么意思?
  6. TimerEventDispatcher 为什么有这个?
  7. guava Futures 的深意要好好理解

EventDispatcher

com.google.cloud.tools.jib.event包下 有几个类

  1. DefaultEventDispatcher
  2. EventDispatcher
  3. EventHandlers
  4. Handler
  5. JibEvent
  6. JibEventType
  7. events 定义了几个特定的JibEvent,比如LogEvent、ProgressEvent、TimerEvent

详情如下

public interface EventDispatcher {
  	void dispatch(JibEvent jibEvent);
}

public interface JibEvent {}

class Handler<E extends JibEvent> {
	private final Class<E> eventClass;
	// java8 java.util.function. Consumer
	private final Consumer<E> eventConsumer;
	Handler(Class<E> eventClass, Consumer<E> eventConsumer) {
		this.eventClass = eventClass;
		this.eventConsumer = eventConsumer;
	}
	void handle(JibEvent jibEvent) {
		Preconditions.checkArgument(eventClass.isInstance(jibEvent));
		// Class.cast 强转的简便用法
		eventConsumer.accept(eventClass.cast(jibEvent));
	}
}
// Handler工具类
public class EventHandlers {...}

public class DefaultEventDispatcher implements EventDispatcher {
	private final ImmutableMultimap<Class<? extends JibEvent>, Handler<? extends JibEvent>> handlers;
		public DefaultEventDispatcher(EventHandlers eventHandlers) {
		handlers = eventHandlers.getHandlers();
	}
	@Override
	public void dispatch(JibEvent jibEvent) {
		handlers.get(JibEvent.class).forEach(handler -> handler.handle(jibEvent));
		handlers.get(jibEvent.getClass()).forEach(handler -> handler.handle(jibEvent));
	}
}

设置EventHandler 的方式

containerizer
    .getEventHandlers()
    .ifPresent(
        eventHandlers ->
            buildConfigurationBuilder.setEventDispatcher(
                new DefaultEventDispatcher(eventHandlers)));
  1. 定义一套event 生产与消费 的接口约定
  2. 框架流程持有EventDispatcher 在恰当的时机发布event。所以对于jib来说,只关心EventDispatcher 和 event。EventDispatcher 之所以带 Dispatcher 是因为其会根据event 类型分发
  3. 传统的观察者模式,Subject 会直接持有 Observer列表,而在jib 中,EventDispatcher ==> Handler ==> Consumer 三角关系。为何呀?一个重要因素是JibEvent 定义了不同的事件类型,如果还是 Subject-Observer 二元关系。则Subject 要么定义不同的方法,用来分发不同的事件;要么一个分发方法中实现if else,Observer 作为事件接收方法类似。
  4. 真正的 event 源 聚合了EventDispatcher 而不是 实现它。
  5. 但万变不离其宗,从new DefaultEventDispatcher(eventHandlers)看, 还是通过 “Observer” 去构造“Subject”

函数式编程对设计模式的影响

Allocation

com.google.cloud.tools.jib.event.progress包下

创建

Allocation 有两个创建入口:newRoot 和 newChild。newChild 分散在各个 Step 中被调用。

newRoot 的创建入口在 StepsRunner 中

private void createRootProgressAllocation(String description) {
	rootProgressAllocation = Allocation.newRoot(description, stepsCount);
	buildConfiguration.getEventDispatcher().dispatch(new ProgressEvent(rootProgressAllocation, 0L));
}

并且createRootProgressAllocation只在 以下三个方法中使用,它们分别是 forBuildToDockerRegistry、forBuildToDockerDaemon、forBuildToTar 的finalStep

  1. StepsRunner.pushImage
  2. StepsRunner.loadDocker
  3. StepsRunner.writeTarFile

在将finalStep 时创建rootProgressAllocation,然后从第一个Step 开始 真正执行 流程。Step真正开始运行时(执行子Step的构造方法)会检查 是否有rootProgressAllocation

基本概念

  1. Decentralized Allocation Tree (DAT)
  2. Allocation,A DAT node is immutable and pointers only go in the direction from child to parent. java 里面表示一个tree、链表、队列 都只 表示一个Node 就行了。
  3. allocation unit,从StepsRunner.createRootProgressAllocation 可以看到,rootProgressAllocation 的allocation unit 为step 的数量。而非finalStep 的allocation 的 allocation unit 都为1(不准确)。
  4. fractionOfRoot

加上非finalStep代码中 频频出现 progressAllocation ,可以做一个大胆假设:allocation 是用来跟踪进度的。

如果看过jib源码分析及应用 中的Step 依赖关系图,并可以知道,感知一个并行的任务的进度是非常困难的。因为对Decentralized Allocation Tree 了解不多,本文不做过多涉及。

通过学习jib 对 java future 有了一些新的体会,参见future

与docker registry 的交互

com.google.cloud.tools.jib
	blob
	image
	json
	registry
		RegistryClient
		BlobPuller
		BlobPusher
		ManifestPuller
		ManifestPusher
		RegistryEndpointCaller
		RegistryEndpointProvider

RegistryClient 大体上可以作为 与Registry 交互的入口,然后将请求具体分发给BlobPuller/ManifestPuller 等,blob、image、json 等包则提供 对请求及响应对象的封装。

RegistryClient/BlobPuller 提供高层语义抽象,实际干活的是RegistryEndpointCaller 和 RegistryEndpointProvider。RegistryEndpointCaller 控制整体流程,RegistryEndpointProvider 及其子类控制流程中 个性化的部分,类似于模板模式,但采用了聚合的方式。这是封装http 请求的经典方式

class RegistryEndpointCaller<T> {
	RegistryEndpointCaller(
		...
		RegistryEndpointProvider<T> registryEndpointProvider,
		Authorization authorization,
		RegistryEndpointRequestProperties registryEndpointRequestProperties,
		boolean allowInsecureRegistries){
		...
	}
	private T call(URL url, Function<URL, Connection> connectionFactory){
		 try (Connection connection = connectionFactory.apply(url)) {
      	Request.Builder requestBuilder = Request.builder().setXX...
      	if (sendCredentials) {
        	requestBuilder.setAuthorization(authorization);
      	}
      	Response response = connection.send(registryEndpointProvider.getHttpMethod(), requestBuilder.build());
      	return registryEndpointProvider.handleResponse(response);
	}
}

RegistryEndpointProvider 接口定义

interface RegistryEndpointProvider<T> {
	String getHttpMethod();
	URL getApiRoute(String apiRouteBase) throws MalformedURLException;
	BlobHttpContent getContent();
	List<String> getAccept();
	T handleResponse(Response response) throws IOException, RegistryException;
	default T handleHttpResponseException(HttpResponseException httpResponseException)
	  throws HttpResponseException, RegistryErrorException {
		throw httpResponseException;
	}
	String getActionDescription();
}

其子类包括,基本囊括了与registry 交互的所有过程

  1. AuthenticationMethodRetriever
  2. BlobChecker
  3. BlobPuller
  4. BlobPusher
  5. ManifestPuller
  6. ManifestPusher

jsonTemplate 继承图

估计是受 json 序列化框架的影响,就像JsonTemplate 的注释:All JSON templates to be used with JsonTemplateMapper must extend this class. 其实就是dokcer distribution http 交互都是 json 字符串,所以弄些对应的对象,在web开发中经常被称为XXDTO,一些通用元素会搞一个BaseDTO 之类的公共类。

Image 数据在客户端的保存

先留一个问题:若是给镜像加Label,会不会影响镜像/layer 的digest?

对象表示

这块内容主要在 com.google.cloud.tools.jib.image中,重点包括以下对象

  1. Image
  2. Layer
  3. Blob

Image是一个数据类,包括字段及对应的Getter方法,setter工作由其内部类Builder 完成。

An image layer 主要包括Blob 及其元数据信息

  1. Content BLOB, The compressed archive (tarball gzip) of the partial filesystem changeset
  2. Content Digest, The SHA-256 hash of the content BLOB.
  3. The SHA-256 hash of the uncompressed archive (tarball) of the partial filesystem changeset.
  4. Content Size, The size (in bytes) of the content BLOB.

本地镜像缓存

com.google.cloud.tools.jib.cache 包下

Cache 名为缓存,实际可以看做是 对象存储与检索,将对象数据最终存到磁盘上。

缓存的目录位置参见 com.google.cloud.tools.jib.filesystem.UserCacheHome,不同OS 位置不同。$CACHE_HOME/google-cloud-tools-java/jib 主要内容如下

  1. layers digest 文件,内容为digest
  2. tmp
  3. metadata-v2.json
  4. 各种xxx.tar.gz

从上图可以看到Blob 状态的演变 Blob ==> WrittenLayer ==> Cachedlayer

  1. Content-Type: application/octet-stream流 ,先写在$CACHE_HOME/google-cloud-tools-java/jib/tmp/.tmp.layer 文件中,在接收文件的同时计算文件的Content Digest(SHA-256) 得到DescriptorDigest,配合文件长度totalBytes 得到BlobDescriptor。
  2. 解压文件,对解压后的文件 计算Content Digest(SHA-256) 得到diffId。然后将$CACHE_HOME/google-cloud-tools-java/jib/tmp/.tmp.layer 改名为$CACHE_HOME/google-cloud-tools-java/jib/tmp/$diffId
  3. $CACHE_HOME/google-cloud-tools-java/jib/tmp/$diffId 改名为$CACHE_HOME/google-cloud-tools-java/jib/layers/$digest/$diffId
  4. 基于$CACHE_HOME/google-cloud-tools-java/jib/layers/$digest/$diffId 文件构建FileBlob,进而构建Cachedlayer

对于UncompressedLayer 文件,写入完毕后还会再加一个操作 write selector

  1. 创建一个$CACHE_HOME/google-cloud-tools-java/jib/selectors/$diffId
  2. 创建一个临时文件,写入内容$digest
  3. 将临时文件mv 为$CACHE_HOME/google-cloud-tools-java/jib/selectors/$diffId

临时文件的意图是 atomic move。selector file的意图是 建立$diffId 到 $digest 的关联关系,这样就不用每次将UncompressedLayer 再压缩一遍后计算$digest。

jib本地镜像缓存与docker 本地镜像缓存的对比

关于docker image的那点事儿 讲了

  1. registry storage(也就是registry daemon/container) 磁盘上存储layer 的方式
  2. registry storage 也 docker local storage的对比
  3. 可以看到,单就layer存储来说,jib 本地与 registry 采用的方式是一致的

container configuration blob

参见 关于docker image的那点事儿 以及 Image Manifest Version 2, Schema 1

个人微信订阅号