કુબરનેટ્સ ટ્યુટોરીયલ ભાગ 1: એપ્લિકેશન્સ, માઇક્રોસર્વિસિસ અને કન્ટેનર

અમારી વિનંતી પર, હબરે એક હબ બનાવ્યું ક્યુબર્નેટિસ અને અમે તેમાં પ્રથમ પ્રકાશન મૂકીને ખુશ છીએ. સબ્સ્ક્રાઇબ કરો!

કુબરનેટ્સ સરળ છે. શા માટે બેંકો મને આ ક્ષેત્રમાં કામ કરવા માટે ઘણા પૈસા ચૂકવે છે, જ્યારે કોઈ પણ વ્યક્તિ માત્ર થોડા કલાકોમાં આ તકનીકમાં નિપુણતા મેળવી શકે છે?

જો તમને શંકા છે કે કુબરનેટ્સ આટલી ઝડપથી શીખી શકાય છે, તો હું સૂચન કરું છું કે તમે તેને જાતે કરવાનો પ્રયાસ કરો. એટલે કે, આ સામગ્રીમાં નિપુણતા પ્રાપ્ત કર્યા પછી, તમે કુબરનેટ્સ ક્લસ્ટરમાં માઇક્રોસર્વિસિસ પર આધારિત એપ્લિકેશન ચલાવવા માટે સક્ષમ હશો. હું આની બાંયધરી આપી શકું છું, કારણ કે તે એ જ પદ્ધતિમાં છે જેનો હું અહીં ઉપયોગ કરું છું કે હું અમારા ગ્રાહકોને કુબરનેટ્સ સાથે કેવી રીતે કામ કરવું તે શીખવું છું. આ માર્ગદર્શિકા અન્ય લોકોથી શું અલગ બનાવે છે? ખરેખર, ઘણી બધી વસ્તુઓ. તેથી, આમાંની મોટાભાગની સામગ્રીઓ સરળ વસ્તુઓના સમજૂતીથી શરૂ થાય છે - કુબરનેટ્સની વિભાવનાઓ અને ક્યુબેક્ટલ આદેશની વિશેષતાઓ. આ લેખોના લેખકો ધારે છે કે તેમના વાચક એપ્લિકેશન ડેવલપમેન્ટ, માઇક્રોસર્વિસિસ અને ડોકર કન્ટેનરથી પરિચિત છે. આપણે બીજી રીતે જઈશું. પ્રથમ, ચાલો કમ્પ્યુટર પર માઇક્રોસર્વિસિસ પર આધારિત એપ્લિકેશન કેવી રીતે ચલાવવી તે વિશે વાત કરીએ. પછી આપણે દરેક માઈક્રોસર્વિસ માટે કન્ટેનર ઈમેજીસનું નિર્માણ કરીશું. અને તે પછી, અમે કુબરનેટ્સ સાથે પરિચિત થઈશું અને કુબરનેટ્સ દ્વારા સંચાલિત ક્લસ્ટરમાં માઇક્રોસર્વિસિસ પર આધારિત એપ્લિકેશનની જમાવટનું વિશ્લેષણ કરીશું.

આ અભિગમ, કુબરનેટીસ પ્રત્યે ક્રમશઃ અભિગમ સાથે, શું થઈ રહ્યું છે તેની સમજણની ઊંડાઈ આપશે જેની સરેરાશ વ્યક્તિએ કુબરનેટીસમાં બધું કેવી રીતે ગોઠવેલ છે તે સમજવા માટે જરૂરી છે. Kubernetes ચોક્કસપણે એક સરળ તકનીક છે, જો કે જે તેને માસ્ટર કરવા માંગે છે તે જાણે છે કે તેનો ક્યાં અને કેવી રીતે ઉપયોગ થાય છે.

હવે, વધુ અડચણ વિના, ચાલો કામ પર જઈએ અને અમે જે એપ્લિકેશન સાથે કામ કરીશું તેના વિશે વાત કરીએ.

પ્રાયોગિક એપ્લિકેશન

અમારી એપ્લિકેશન માત્ર એક જ કાર્ય કરશે. તે ઇનપુટ તરીકે, એક વાક્ય લે છે, તે પછી, ટેક્સ્ટ વિશ્લેષણ સાધનોનો ઉપયોગ કરીને, તે આ વાક્યનું ભાવનાત્મક વિશ્લેષણ કરે છે, વાક્યના લેખકના ચોક્કસ ઑબ્જેક્ટ પ્રત્યેના ભાવનાત્મક વલણનું મૂલ્યાંકન મેળવે છે.

આ એપ્લિકેશનની મુખ્ય વિંડો આના જેવી દેખાય છે.

સેન્ટિમેન્ટ એનાલિસિસ વેબ એપ્લિકેશન

તકનીકી દૃષ્ટિકોણથી, એપ્લિકેશનમાં ત્રણ માઇક્રોસર્વિસિસનો સમાવેશ થાય છે, જેમાંથી પ્રત્યેક કાર્યોના ચોક્કસ સેટને હલ કરે છે:

• SA-ફ્રન્ટેન્ડ એ Nginx વેબ સર્વર છે જે પ્રતિક્રિયા સ્થિર ફાઇલોને સેવા આપે છે.
• SA-WebApp એ Java માં લખેલી વેબ એપ્લિકેશન છે જે ફ્રન્ટ એન્ડની વિનંતીઓનું સંચાલન કરે છે.
• SA-Logic એ પાયથોન એપ્લિકેશન છે જે ટેક્સ્ટ સેન્ટિમેન્ટ વિશ્લેષણ કરે છે.

એ નોંધવું અગત્યનું છે કે માઇક્રોસર્વિસિસ એકલતામાં અસ્તિત્વમાં નથી. તેઓ "ફરજોના વિભાજન" ના વિચારને અમલમાં મૂકે છે, પરંતુ તેઓ, તે જ સમયે, એકબીજા સાથે ક્રિયાપ્રતિક્રિયા કરવાની જરૂર છે.

એપ્લિકેશનમાં ડેટા વહે છે

ઉપરોક્ત રેખાકૃતિમાં, તમે એપ્લિકેશનમાં ડેટાના પ્રવાહને દર્શાવતા, સિસ્ટમના ક્રમાંકિત તબક્કાઓ જોઈ શકો છો. ચાલો તેમને તોડીએ:

1. બ્રાઉઝર સર્વર પાસેથી ફાઇલની વિનંતી કરે છે index.html (જે બદલામાં પ્રતિક્રિયા એપ્લિકેશન પેકેજ લોડ કરે છે).
2. વપરાશકર્તા એપ્લિકેશન સાથે ક્રિયાપ્રતિક્રિયા કરે છે, જેના કારણે સ્પ્રિંગ પર આધારિત વેબ એપ્લિકેશન પર કૉલ થાય છે.
3. વેબ એપ્લિકેશન ટેક્સ્ટને પાર્સ કરવાની વિનંતીને પાયથોન એપ્લિકેશનને ફોરવર્ડ કરે છે.
4. પાયથોન એપ્લિકેશન ટેક્સ્ટની ભાવનાનું વિશ્લેષણ કરે છે અને વિનંતીના પ્રતિભાવ તરીકે પરિણામ આપે છે.
5. સ્પ્રિંગ એપ્લિકેશન રિએક્ટ એપ્લિકેશનનો પ્રતિસાદ મોકલે છે (જે બદલામાં, વપરાશકર્તાને વિશ્લેષિત ટેક્સ્ટનું પરિણામ બતાવે છે).

આ તમામ એપ્લિકેશન માટે કોડ મળી શકે છે અહીં. હું ભલામણ કરું છું કે તમે હમણાં જ આ ભંડારની નકલ કરો, કારણ કે અમારી આગળ તેની સાથે ઘણા રસપ્રદ પ્રયોગો છે.

સ્થાનિક મશીન પર માઇક્રોસર્વિસિસ પર આધારિત એપ્લિકેશન ચલાવવી

એપ્લિકેશન કાર્ય કરવા માટે, અમારે ત્રણેય માઇક્રોસર્વિસિસ શરૂ કરવાની જરૂર છે. ચાલો તેમાંથી સૌથી સુંદર સાથે શરૂ કરીએ - ફ્રન્ટ-એન્ડ એપ્લિકેશન.

▍સ્થાનિક વિકાસ માટે પ્રતિક્રિયા સેટ કરવી

પ્રતિક્રિયા એપ્લિકેશન ચલાવવા માટે, તમારે તમારા કમ્પ્યુટર પર Node.js ફ્રેમવર્ક અને NPM ઇન્સ્ટોલ કરવાની જરૂર છે. આ બધું ઇન્સ્ટોલ કર્યા પછી, ટર્મિનલનો ઉપયોગ કરીને પ્રોજેક્ટ ફોલ્ડરમાં જાઓ sa-frontend અને નીચેનો આદેશ ચલાવો:

npm install

ફોલ્ડરમાં આ આદેશનો અમલ કરીને node_modules પ્રતિક્રિયા એપ્લિકેશનની અવલંબન લોડ કરવામાં આવશે, જેનો રેકોર્ડ ફાઇલમાં છે package.json. સમાન ફોલ્ડરમાં નિર્ભરતાને ડાઉનલોડ કર્યા પછી, નીચેનો આદેશ ચલાવો:

npm start

બસ એટલું જ. React એપ હવે ચાલી રહી છે અને બ્રાઉઝર એડ્રેસ પર નેવિગેટ કરીને એક્સેસ કરી શકાય છે localhost:3000. તમે તેના કોડમાં કંઈક બદલી શકો છો. તમે તરત જ બ્રાઉઝરમાં આ ફેરફારોની અસર જોશો. મોડ્યુલોના કહેવાતા "ગરમ" રિપ્લેસમેન્ટને કારણે આ શક્ય છે. આનો આભાર, ફ્રન્ટ એન્ડ ડેવલપમેન્ટ એક સરળ અને આનંદપ્રદ અનુભવ બની જાય છે.

▍પ્રોડક્શન માટે રિએક્ટ એપ તૈયાર કરવી

ખરેખર રીએક્ટ એપ્લિકેશનનો ઉપયોગ કરવાના હેતુઓ માટે, અમારે તેને સ્થિર ફાઇલોના સમૂહમાં રૂપાંતરિત કરવાની જરૂર છે અને વેબ સર્વરનો ઉપયોગ કરીને ક્લાયંટને સેવા આપવી પડશે.

પ્રતિક્રિયા એપ્લિકેશન બનાવવા માટે, ફરીથી ટર્મિનલનો ઉપયોગ કરીને, ફોલ્ડર પર નેવિગેટ કરો sa-frontend અને નીચેનો આદેશ ચલાવો:

npm run build

આ પ્રોજેક્ટ ફોલ્ડરમાં ડિરેક્ટરી બનાવશે build. તેમાં રિએક્ટ એપ્લિકેશનને કામ કરવા માટે જરૂરી તમામ સ્ટેટિક ફાઇલો હશે.

▍ Nginx સાથે સ્ટેટિક ફાઇલોની સેવા કરવી

પ્રથમ તમારે Nginx વેબ સર્વરને ઇન્સ્ટોલ અને ચલાવવાની જરૂર છે. તે તમે તેને ડાઉનલોડ કરી શકો છો અને તેને ઇન્સ્ટોલ કરવા અને ચલાવવા માટેની સૂચનાઓ શોધી શકો છો. પછી તમારે ફોલ્ડરની સામગ્રીની નકલ કરવાની જરૂર છે sa-frontend/build ફોલ્ડર પર [your_nginx_installation_dir]/html.

આ અભિગમ સાથે, રિએક્ટ એપ્લિકેશનની એસેમ્બલી દરમિયાન ફાઈલ જનરેટ થાય છે index.html ખાતે ઉપલબ્ધ થશે [your_nginx_installation_dir]/html/index.html. આ તે ફાઇલ છે જે, ડિફૉલ્ટ રૂપે, Nginx સર્વર તેને ઍક્સેસ કરતી વખતે સમસ્યા કરે છે. સર્વર પોર્ટ પર સાંભળવા માટે ગોઠવેલ છે 80, પરંતુ તમે ફાઇલને સંપાદિત કરીને તમે ઇચ્છો તે રીતે તેને કસ્ટમાઇઝ કરી શકો છો [your_nginx_installation_dir]/conf/nginx.conf.

હવે તમારું બ્રાઉઝર ખોલો અને પર જાઓ localhost:80. તમે પ્રતિક્રિયા એપ્લિકેશન પૃષ્ઠ જોશો.

Nginx સર્વર દ્વારા સેવા અપાતી પ્રતિક્રિયા એપ્લિકેશન

જો તમે હવે ક્ષેત્રમાં કંઈક દાખલ કરો છો Type your sentence અને બટન દબાવો Send - કંઈ થશે નહીં. પરંતુ, જો તમે કન્સોલ જુઓ છો, તો તમે ત્યાં ભૂલ સંદેશાઓ જોઈ શકો છો. આ ભૂલો ક્યાં થાય છે તે બરાબર સમજવા માટે, ચાલો એપ્લિકેશન કોડનું વિશ્લેષણ કરીએ.

▍ ફ્રન્ટ-એન્ડ એપ્લિકેશનના કોડનું વિશ્લેષણ

ફાઇલનો કોડ જોઈ રહ્યો છું App.js, આપણે તે બટન પર ક્લિક કરતાં જોઈ શકીએ છીએ Send એક પદ્ધતિ કહે છે analyzeSentence(). આ પદ્ધતિ માટેનો કોડ નીચે દર્શાવેલ છે. તે જ સમયે, એ હકીકત પર ધ્યાન આપો કે દરેક લાઇન માટે જેમાં ફોર્મની ટિપ્પણી છે # Номер, કોડની નીચે આપેલ સમજૂતી છે. એ જ રીતે, આપણે અન્ય કોડ ટુકડાઓનું વિશ્લેષણ કરીશું.

analyzeSentence() {
    fetch('http://localhost:8080/sentiment', {  // #1
        method: 'POST',
        headers: {
            'Content-Type': 'application/json'
        },
        body: JSON.stringify({
                       sentence: this.textField.getValue()})// #2
    })
        .then(response => response.json())
        .then(data => this.setState(data));  // #3
}

1. URL કે જેના પર POST વિનંતી કરવામાં આવી છે. આ સરનામું આવી વિનંતીઓની રાહ જોઈ રહેલી એપ્લિકેશન હોવાનું માનવામાં આવે છે.

2.અરજી પર મોકલેલ વિનંતી સંસ્થા. અહીં એક ઉદાહરણ વિનંતી બોડી છે:

{
    sentence: "I like yogobella!"
}

3.જ્યારે વિનંતીનો પ્રતિસાદ પ્રાપ્ત થાય છે, ત્યારે ઘટકની સ્થિતિ અપડેટ થાય છે. આ ઘટકને ફરીથી રેન્ડર કરવા માટેનું કારણ બને છે. જો અમને ડેટા પ્રાપ્ત થાય છે (એટલે ​​કે, દાખલ કરેલ ડેટા અને ગણતરી કરેલ ટેક્સ્ટ સ્કોર ધરાવતો JSON ઑબ્જેક્ટ), તો અમે ઘટકને આઉટપુટ કરીશું. Polarityજ્યાં સુધી શરતો પૂરી થાય છે. અમે ઘટકનું વર્ણન કેવી રીતે કરીએ છીએ તે અહીં છે:

const polarityComponent = this.state.polarity !== undefined ?
    <Polarity sentence={this.state.sentence} 
              polarity={this.state.polarity}/> :
    null;

કોડ ખૂબ સારી રીતે કામ કરે છે. કોઈપણ રીતે, અહીં શું ખોટું છે? જો તમે ધારો કે જે સરનામાં પર એપ્લિકેશન POST વિનંતી મોકલવાનો પ્રયાસ કરી રહી છે, ત્યાં હજી સુધી એવું કંઈ નથી કે જે આ વિનંતીને સ્વીકારી શકે અને પ્રક્રિયા કરી શકે, તો તમે એકદમ સાચા હશો. એટલે કે, સરનામાં પર આવતી વિનંતીઓ પર પ્રક્રિયા કરવા માટે http://localhost:8080/sentiment, અમારે સ્પ્રિંગ પર આધારિત વેબ એપ્લિકેશન ચલાવવાની જરૂર છે.

અમને સ્પ્રિંગ એપ્લિકેશનની જરૂર છે જે POST વિનંતી સ્વીકારી શકે

▍વસંત પર આધારિત વેબ એપ્લિકેશન સેટ કરવી

સ્પ્રિંગ એપ્લિકેશનનો ઉપયોગ કરવા માટે, તમારે JDK8 અને Maven અને યોગ્ય રીતે ગોઠવેલ પર્યાવરણ ચલોની જરૂર પડશે. તમે આ બધું ઇન્સ્ટોલ કરી લો તે પછી, તમે અમારા પ્રોજેક્ટ પર કામ કરવાનું ચાલુ રાખી શકો છો.

▍એપ્લીકેશનને જાર ફાઇલમાં પેક કરવી

ટર્મિનલનો ઉપયોગ કરીને ફોલ્ડરમાં નેવિગેટ કરો sa-webapp અને નીચેનો આદેશ દાખલ કરો:

mvn install

ફોલ્ડરમાં આ આદેશનો અમલ કર્યા પછી sa-webapp ડિરેક્ટરી બનાવવામાં આવશે target. આ તે છે જ્યાં Java એપ્લિકેશન સ્થિત હશે, જાર ફાઇલમાં પેક કરવામાં આવશે, જે ફાઇલ દ્વારા રજૂ થાય છે sentiment-analysis-web-0.0.1-SNAPSHOT.jar.

▍જાવા એપ્લિકેશન લોંચ કરી રહ્યા છીએ

ફોલ્ડર પર જાઓ target અને નીચેના આદેશ સાથે એપ્લિકેશન ચલાવો:

java -jar sentiment-analysis-web-0.0.1-SNAPSHOT.jar

આ આદેશનો અમલ કરતી વખતે ભૂલ આવશે. તેને ઠીક કરવાનું શરૂ કરવા માટે, અમે સ્ટેક ટ્રેસ ડેટામાં અપવાદ વિગતોનું વિશ્લેષણ કરી શકીએ છીએ:

Error creating bean with name 'sentimentController': Injection of autowired dependencies failed; nested exception is java.lang.IllegalArgumentException: Could not resolve placeholder 'sa.logic.api.url' in value "${sa.logic.api.url}"

અમારા માટે, અહીં સૌથી મહત્વની બાબત એ છે કે અર્થ સ્પષ્ટ કરવાની અશક્યતાનો ઉલ્લેખ sa.logic.api.url. ચાલો કોડનું વિશ્લેષણ કરીએ જ્યાં ભૂલ થાય છે.

▍જાવા એપ્લિકેશન કોડ વિશ્લેષણ

અહીં કોડ સ્નિપેટ છે જ્યાં ભૂલ થાય છે.

@CrossOrigin(origins = "*")
@RestController
public class SentimentController {
    @Value("${sa.logic.api.url}")    // #1
    private String saLogicApiUrl;
    @PostMapping("/sentiment")
    public SentimentDto sentimentAnalysis(
        @RequestBody SentenceDto sentenceDto) 
    {
        RestTemplate restTemplate = new RestTemplate();
        return restTemplate.postForEntity(
                saLogicApiUrl + "/analyse/sentiment",    // #2
                sentenceDto, SentimentDto.class)
                .getBody();
    }
}

1. માં એસentimentController એક ક્ષેત્ર છે saLogicApiUrl. તેની કિંમત મિલકત દ્વારા સેટ કરવામાં આવે છે sa.logic.api.url.
2. લાઇન saLogicApiUrl મૂલ્ય સાથે જોડાણ કરે છે /analyse/sentiment. તેઓ સાથે મળીને માઇક્રોસર્વિસને કોલ કરવા માટે એક સરનામું બનાવે છે જે ટેક્સ્ટ વિશ્લેષણ કરે છે.

▍સંપત્તિ મૂલ્ય સેટ કરવું

વસંતમાં, પ્રોપર્ટી વેલ્યુનો ડિફૉલ્ટ સ્ત્રોત ફાઇલ છે application.properties, જે અહીં મળી શકે છે sa-webapp/src/main/resources. પરંતુ તેનો ઉપયોગ મિલકત મૂલ્યો સેટ કરવાનો એકમાત્ર રસ્તો નથી. તમે નીચેના આદેશ સાથે પણ આ કરી શકો છો:

java -jar sentiment-analysis-web-0.0.1-SNAPSHOT.jar --sa.logic.api.url=WHAT.IS.THE.SA.LOGIC.API.URL

આ ગુણધર્મનું મૂલ્ય અમારી પાયથોન એપ્લિકેશનના સરનામાને નિર્દેશિત કરવું જોઈએ.

તેને રૂપરેખાંકિત કરીને, અમે સ્પ્રિંગ વેબ એપ્લિકેશનને કહીએ છીએ કે તેને ટેક્સ્ટ પાર્સિંગ વિનંતીઓ કરવા માટે ક્યાં જવાની જરૂર છે.

અમારા જીવનને જટિલ ન બનાવવા માટે, અમે નક્કી કરીશું કે Python એપ્લિકેશન અહીં ઉપલબ્ધ હશે localhost:5000 અને તેના વિશે ભૂલી ન જવાનો પ્રયાસ કરો. પરિણામે, વસંત એપ્લિકેશન શરૂ કરવાનો આદેશ આના જેવો દેખાશે:

java -jar sentiment-analysis-web-0.0.1-SNAPSHOT.jar --sa.logic.api.url=http://localhost:5000

અમારી સિસ્ટમમાં Python એપ્લિકેશન ખૂટે છે

હવે આપણે ફક્ત પાયથોન એપ્લિકેશન ચલાવવાની છે અને સિસ્ટમ અપેક્ષા મુજબ કાર્ય કરશે.

▍પાયથોન એપ્લિકેશન સેટ કરી રહ્યા છીએ

Python એપ્લીકેશન ચલાવવા માટે, તમારી પાસે Python 3 અને Pip ઇન્સ્ટોલ કરેલ હોવું જરૂરી છે, અને તમારી પાસે યોગ્ય પર્યાવરણ વેરીએબલ્સ યોગ્ય રીતે સેટ હોવા જોઈએ.

▍ નિર્ભરતા સ્થાપિત કરો

પ્રોજેક્ટ ફોલ્ડર પર જાઓ sa-logic/sa અને નીચેના આદેશો ચલાવો:

python -m pip install -r requirements.txt
python -m textblob.download_corpora

▍એપ લોન્ચ

નિર્ભરતાઓ ઇન્સ્ટોલ કરેલ છે, અમે એપ્લિકેશન ચલાવવા માટે તૈયાર છીએ:

python sentiment_analysis.py

આ આદેશનો અમલ કર્યા પછી, અમને નીચે મુજબ કહેવામાં આવશે:

* Running on http://0.0.0.0:5000/ (Press CTRL+C to quit)

આનો અર્થ એ છે કે એપ્લિકેશન ચાલી રહી છે અને વિનંતીઓની રાહ જોઈ રહી છે localhost:5000/

▍કોડ સંશોધન

ચાલો Python એપ્લીકેશન કોડ જોઈએ તે સમજવા માટે કે તે વિનંતીઓને કેવી રીતે પ્રતિસાદ આપે છે:

from textblob import TextBlob
from flask import Flask, request, jsonify
app = Flask(__name__)                                   #1
@app.route("/analyse/sentiment", methods=['POST'])      #2
def analyse_sentiment():
    sentence = request.get_json()['sentence']           #3
    polarity = TextBlob(sentence).sentences[0].polarity #4
    return jsonify(                                     #5
        sentence=sentence,
        polarity=polarity
    )
if __name__ == '__main__':
    app.run(host='0.0.0.0', port=5000)                #6

1. ઑબ્જેક્ટ આરંભ Flask.
2. તેને POST વિનંતીઓ કરવા માટેનું સરનામું સ્પષ્ટ કરવું.
3. મિલકત પુનઃપ્રાપ્ત કરી રહ્યા છીએ sentence વિનંતી સંસ્થા તરફથી.
4. અનામી ઑબ્જેક્ટ આરંભ TextBlob અને મૂલ્ય મેળવે છે polarity વિનંતીના મુખ્ય ભાગમાં પ્રાપ્ત પ્રથમ દરખાસ્ત માટે (અમારા કિસ્સામાં, વિશ્લેષણ માટે સબમિટ કરાયેલ આ એકમાત્ર દરખાસ્ત છે).
5. પ્રતિસાદ પરત કરવો, જેનો મુખ્ય ભાગ ઓફરનો ટેક્સ્ટ અને તેના માટે ગણતરી કરેલ સૂચક ધરાવે છે polarity.
6. ફ્લાસ્ક એપ્લિકેશન શરૂ કરી રહ્યા છીએ, જે અહીં ઉપલબ્ધ થશે 0.0.0.0:5000 (તમે ફોર્મના બાંધકામનો ઉપયોગ કરીને પણ તેને ઍક્સેસ કરી શકો છો localhost:5000).

હવે એપ્લિકેશન બનાવે છે તે માઇક્રોસર્વિસિસ ચાલી રહી છે. તેઓ એકબીજા સાથે વાતચીત કરવા માટે સુયોજિત છે. કાર્યના આ તબક્કે એપ્લિકેશન ડાયાગ્રામ કેવો દેખાય છે તે અહીં છે.

એપ્લિકેશન બનાવે છે તે તમામ માઇક્રોસેવાઓને તંદુરસ્ત સ્થિતિમાં લાવવામાં આવે છે

હવે, આપણે ચાલુ રાખીએ તે પહેલાં, બ્રાઉઝરમાં પ્રતિક્રિયા એપ્લિકેશન ખોલો અને તેની સાથે કેટલાક વાક્યનું વિશ્લેષણ કરવાનો પ્રયાસ કરો. જો બધું યોગ્ય રીતે કરવામાં આવે છે - બટન દબાવ્યા પછી Send તમે ટેક્સ્ટ બોક્સની નીચે વિશ્લેષણ પરિણામો જોશો.

આગળના વિભાગમાં, અમે ડોકર કન્ટેનરમાં અમારી માઇક્રો સર્વિસીસ કેવી રીતે ચલાવવી તે વિશે વાત કરીશું. કુબરનેટ્સ ક્લસ્ટરમાં ચલાવવા માટેની એપ્લિકેશન તૈયાર કરવા માટે આ જરૂરી છે.

ડોકર કન્ટેનર

ક્યુબર્નેટિસ કન્ટેનરાઇઝ્ડ એપ્લીકેશનના જમાવટ, સ્કેલિંગ અને સંચાલનને સ્વચાલિત કરવા માટેની સિસ્ટમ છે. તેને "કન્ટેનર ઓર્કેસ્ટ્રેટર" પણ કહેવામાં આવે છે. જો કુબરનેટ્સ કન્ટેનર સાથે કામ કરે છે, તો પછી આ સિસ્ટમનો ઉપયોગ કરતા પહેલા, આપણે પહેલા આ કન્ટેનર મેળવવાની જરૂર છે. પરંતુ પ્રથમ, ચાલો કન્ટેનર શું છે તે વિશે વાત કરીએ. કદાચ તે શું છે તે પ્રશ્નનો શ્રેષ્ઠ જવાબ મળી શકે છે દસ્તાવેજીકરણ ડોકર માટે:

કન્ટેનર ઇમેજ એ હળવા વજનનું, સ્વ-સમાયેલ, એક્ઝિક્યુટેબલ પેકેજ છે જેમાં એપ્લિકેશન શામેલ છે, જેમાં તેને ચલાવવા માટે જરૂરી બધું શામેલ છે: એપ્લિકેશન કોડ, રનટાઇમ પર્યાવરણ, સિસ્ટમ ટૂલ્સ અને લાઇબ્રેરીઓ, સેટિંગ્સ. કન્ટેનરાઇઝ્ડ પ્રોગ્રામ્સનો ઉપયોગ Linux અને Windows બંને વાતાવરણમાં થઈ શકે છે અને ઈન્ફ્રાસ્ટ્રક્ચરને ધ્યાનમાં લીધા વિના હંમેશા તે જ કાર્ય કરશે.

આનો અર્થ એ છે કે કન્ટેનર પ્રોડક્શન સર્વર્સ સહિત કોઈપણ કમ્પ્યુટર પર ચલાવી શકાય છે અને કોઈપણ વાતાવરણમાં, તેમાં બંધાયેલ એપ્લિકેશનો તે જ રીતે કાર્ય કરશે.

કન્ટેનરની વિશેષતાઓનું અન્વેષણ કરવા અને એપ્લીકેશન ચલાવવાની અન્ય રીતો સાથે તેમની સરખામણી કરવા માટે, ચાલો વર્ચ્યુઅલ મશીન અને કન્ટેનરનો ઉપયોગ કરીને રીએક્ટ એપ્લીકેશન સેવા આપવાનું ઉદાહરણ જોઈએ.

▍ વર્ચ્યુઅલ મશીનનો ઉપયોગ કરીને પ્રતિક્રિયા એપ્લિકેશનની સ્થિર ફાઇલોને સેવા આપવી

વર્ચ્યુઅલ મશીનોનો ઉપયોગ કરીને સ્થિર ફાઇલોની જાળવણીને ગોઠવવાનો પ્રયાસ કરી રહ્યા છીએ, અમે નીચેના ગેરફાયદાનો સામનો કરીશું:

1. સંસાધનોનો બિનકાર્યક્ષમ ઉપયોગ, કારણ કે દરેક વર્ચ્યુઅલ મશીન સંપૂર્ણ ઓપરેટિંગ સિસ્ટમ છે.
2. પ્લેટફોર્મ નિર્ભરતા. કેટલાક સ્થાનિક કમ્પ્યુટર પર જે કામ કરે છે તે પ્રોડક્શન સર્વર પર સારી રીતે કામ કરતું નથી.
3. વર્ચ્યુઅલ મશીન સોલ્યુશનની ધીમી અને સંસાધન સઘન સ્કેલિંગ.

Nginx વેબ સર્વર વર્ચ્યુઅલ મશીનમાં ચાલતી સ્થિર ફાઇલોને સેવા આપે છે

જો સમાન સમસ્યાને ઉકેલવા માટે કન્ટેનરનો ઉપયોગ કરવામાં આવે છે, તો પછી, વર્ચ્યુઅલ મશીનોની તુલનામાં, નીચેની શક્તિઓ નોંધી શકાય છે:

1. સંસાધનોનો કાર્યક્ષમ ઉપયોગ: ડોકરનો ઉપયોગ કરીને ઓપરેટિંગ સિસ્ટમ સાથે કામ કરો.
2. પ્લેટફોર્મ સ્વતંત્રતા. એક કન્ટેનર જે વિકાસકર્તા પોતાના કમ્પ્યુટર પર ચલાવી શકે છે તે ગમે ત્યાં ચાલશે.
3. છબી સ્તરોના ઉપયોગ દ્વારા હલકો જમાવટ.

Nginx વેબ સર્વર કન્ટેનરમાં ચાલતી સ્થિર ફાઇલોને સેવા આપે છે

અમે વર્ચ્યુઅલ મશીનો અને કન્ટેનરની સરખામણી માત્ર થોડા મુદ્દાઓ પર કરી છે, પરંતુ તે પણ કન્ટેનરની શક્તિનો અનુભવ કરવા માટે પૂરતું છે. તે તમે ડોકર કન્ટેનર વિશે વિગતો મેળવી શકો છો.

▍ પ્રતિક્રિયા એપ્લિકેશન માટે કન્ટેનર છબી બનાવવી

ડોકર કન્ટેનરનો મૂળભૂત બિલ્ડીંગ બ્લોક એ ફાઇલ છે Dockerfile. આ ફાઇલની શરૂઆતમાં, કન્ટેનરની બેઝ ઇમેજ રેકોર્ડ કરવામાં આવે છે, પછી સૂચનાઓનો ક્રમ શામેલ કરવામાં આવે છે જે દર્શાવે છે કે કન્ટેનર કેવી રીતે બનાવવું જે એપ્લિકેશનની જરૂરિયાતોને પૂર્ણ કરશે.

અમે ફાઇલ સાથે કામ કરવાનું શરૂ કરીએ તે પહેલાં DockerfileNginx સર્વર પર અપલોડ કરવા માટે પ્રતિક્રિયા એપ્લિકેશનની ફાઇલો તૈયાર કરવા માટે અમે શું કર્યું તે યાદ રાખો:

1. પ્રતિક્રિયા એપ્લિકેશન પેકેજ બનાવવું (npm run build).
2. Nginx સર્વર શરૂ કરી રહ્યા છીએ.
3. ડિરેક્ટરીની સામગ્રીની નકલ કરવી build પ્રોજેક્ટ ફોલ્ડરમાંથી sa-frontend સર્વર ફોલ્ડરમાં nginx/html.

નીચે તમે કન્ટેનર બનાવવા અને સ્થાનિક કમ્પ્યુટર પર કરવામાં આવતી ઉપરોક્ત ક્રિયાઓ વચ્ચેની સમાનતા જોઈ શકો છો.

▍SA-ફ્રન્ટેન્ડ એપ્લિકેશન માટે ડોકરફાઇલ તૈયાર કરી રહ્યા છીએ

માં સમાવવાની સૂચનાઓ Dockerfile એપ્લિકેશન માટે SA-Frontend, માત્ર બે ટીમો ધરાવે છે. હકીકત એ છે કે Nginx વિકાસ ટીમે મૂળભૂત તૈયાર કર્યું છે એક છબી Nginx માટે, જેનો ઉપયોગ અમે અમારી છબી બનાવવા માટે કરીશું. અમારે વર્ણન કરવા માટે અહીં બે પગલાંઓ છે:

1. તમારે Nginx ઇમેજને ઇમેજનો આધાર બનાવવાની જરૂર છે.
2. ફોલ્ડર સામગ્રી sa-frontend/build ઇમેજ ફોલ્ડરમાં કૉપિ કરવાની જરૂર છે nginx/html.

જો આપણે આ વર્ણનમાંથી ફાઇલ પર જઈએ Dockerfile, પછી તે આના જેવો દેખાશે:

FROM nginx
COPY build /usr/share/nginx/html

જેમ તમે જોઈ શકો છો, અહીં બધું ખૂબ જ સરળ છે, જ્યારે ફાઇલની સામગ્રીઓ પણ એકદમ વાંચી શકાય તેવું અને સમજી શકાય તેવું બહાર આવ્યું છે. આ ફાઇલ સિસ્ટમને ઇમેજ લેવા માટે કહે છે nginx તેની પાસે પહેલેથી જ છે તે બધું સાથે, અને ડિરેક્ટરીના સમાવિષ્ટોની નકલ કરો build ડિરેક્ટરીમાં nginx/html.

અહીં તમને એક પ્રશ્ન હોઈ શકે છે કે હું કેવી રીતે જાણું છું કે ફોલ્ડરમાંથી ફાઇલોની બરાબર નકલ ક્યાં કરવી build, એટલે કે રસ્તો ક્યાંથી આવ્યો /usr/share/nginx/html. હકીકતમાં, અહીં પણ કંઈ જટિલ નથી. હકીકત એ છે કે સંબંધિત માહિતી તેમાં મળી શકે છે વર્ણન છબી

▍ઇમેજને એસેમ્બલ કરવી અને તેને રિપોઝીટરીમાં અપલોડ કરવી

અમે પૂર્ણ કરેલી છબી સાથે કામ કરી શકીએ તે પહેલાં, અમારે તેને ઇમેજ રિપોઝીટરીમાં સબમિટ કરવાની જરૂર છે. આ કરવા માટે, અમે મફત ક્લાઉડ-આધારિત ઇમેજ હોસ્ટિંગ પ્લેટફોર્મ ડોકર હબનો ઉપયોગ કરીશું. કાર્યના આ તબક્કે, તમારે નીચેના કરવાની જરૂર છે:

1. સ્થાપિત કરો Docker.
2. ડોકર હબ સાઇટ પર નોંધણી કરો.
3. ટર્મિનલમાં નીચેનો આદેશ ચલાવીને તમારા એકાઉન્ટમાં લોગ ઇન કરો:

   docker login -u="$DOCKER_USERNAME" -p="$DOCKER_PASSWORD"

હવે તમારે ટર્મિનલનો ઉપયોગ કરીને ડિરેક્ટરી પર જવાની જરૂર છે sa-frontend અને ત્યાં નીચેનો આદેશ ચલાવો:

docker build -f Dockerfile -t $DOCKER_USER_ID/sentiment-analysis-frontend .

સમાન આદેશોમાં અહીં અને નીચે $DOCKER_USER_ID ડોકર હબ પર તમારા વપરાશકર્તાનામ સાથે બદલવું જોઈએ. ઉદાહરણ તરીકે, આદેશનો આ ભાગ આના જેવો દેખાઈ શકે છે: rinormaloku/sentiment-analysis-frontend.

આ કિસ્સામાં, આ આદેશને તેમાંથી દૂર કરીને ટૂંકાવી શકાય છે -f Dockerfile, કારણ કે જે ફોલ્ડરમાં આપણે આ આદેશનો અમલ કરીએ છીએ તેમાં આ ફાઈલ પહેલેથી જ છે.

રીપોઝીટરીમાં સમાપ્ત થયેલ છબી મોકલવા માટે, અમને નીચેના આદેશની જરૂર છે:

docker push $DOCKER_USER_ID/sentiment-analysis-frontend

તેને પૂર્ણ કર્યા પછી, છબીને સફળતાપૂર્વક ક્લાઉડ સ્ટોરેજ પર ધકેલવામાં આવી છે કે કેમ તે જોવા માટે ડોકર હબ પર તમારી રીપોઝીટરીઝની સૂચિ તપાસો.

▍ કન્ટેનર શરૂ કરી રહ્યા છીએ

હવે કોઈપણ તરીકે ઓળખાતી ઈમેજ ડાઉનલોડ અને ચલાવી શકે છે $DOCKER_USER_ID/sentiment-analysis-frontend. આ કરવા માટે, તમારે નીચેના આદેશોનો ક્રમ ચલાવવાની જરૂર છે:

docker pull $DOCKER_USER_ID/sentiment-analysis-frontend
docker run -d -p 80:80 $DOCKER_USER_ID/sentiment-analysis-frontend

હવે કન્ટેનર ચાલી રહ્યું છે, અને અમે અમને જોઈતી અન્ય છબીઓ બનાવીને કામ કરવાનું ચાલુ રાખી શકીએ છીએ. પરંતુ આગળ વધતા પહેલા, ચાલો ડિઝાઇનને સમજીએ 80:80, જે ઇમેજ ચલાવવાના આદેશમાં જોવા મળે છે અને તે ગૂંચવણમાં મૂકે તેવું લાગે છે.

• પ્રથમ નંબર 80 હોસ્ટનો પોર્ટ નંબર છે (એટલે ​​​​કે, સ્થાનિક કમ્પ્યુટર).
• બીજો નંબર 80 કન્ટેનરનું પોર્ટ છે કે જેના પર વિનંતી રીડાયરેક્ટ થવી જોઈએ.

નીચેના ઉદાહરણનો વિચાર કરો.

પોર્ટ ફોરવર્ડિંગ

સિસ્ટમ પોર્ટ પરથી વિનંતીઓ ફોરવર્ડ કરે છે <hostPort> બંદર સુધી <containerPort>. એટલે કે બંદર સુધી પહોંચવું 80 કમ્પ્યુટરને પોર્ટ પર રીડાયરેક્ટ કરવામાં આવે છે 80 કન્ટેનર

પોર્ટ થી 80 સ્થાનિક કમ્પ્યુટર પર ખોલવામાં આવે છે, તમે આ કમ્પ્યુટરથી એપ્લિકેશનને અહીંથી ઍક્સેસ કરી શકો છો localhost:80. જો તમારી સિસ્ટમ ડોકરને સપોર્ટ કરતી નથી, તો તમે ડોકર વર્ચ્યુઅલ મશીન પર એપ્લિકેશન ચલાવી શકો છો, જેનું સરનામું આના જેવું દેખાશે <docker-machine ip>:80. ડોકર વર્ચ્યુઅલ મશીનનું IP સરનામું શોધવા માટે, તમે આદેશનો ઉપયોગ કરી શકો છો docker-machine ip.

આ બિંદુએ, એકવાર ફ્રન્ટ-એન્ડ એપ્લિકેશન કન્ટેનર સફળતાપૂર્વક લોંચ થઈ જાય, પછી તમે તેનું પૃષ્ઠ બ્રાઉઝરમાં ખોલવા માટે સમર્થ હોવા જોઈએ.

▍.dockerignore ફાઇલ

એપ્લિકેશન છબી બનાવી રહ્યા છીએ SA-Frontend, અમે નોંધ કરી શકીએ છીએ કે આ પ્રક્રિયા અત્યંત ધીમી છે. આ એટલા માટે છે કારણ કે ઇમેજ બિલ્ડ સંદર્ભ ડોકર ડિમનને મોકલવો આવશ્યક છે. નિર્દેશિકા જે બિલ્ડ સંદર્ભને રજૂ કરે છે તે આદેશની છેલ્લી દલીલ તરીકે આપવામાં આવે છે docker build. અમારા કિસ્સામાં, આ આદેશના અંતે એક બિંદુ છે. આના પરિણામે એસેમ્બલી સંદર્ભમાં નીચેની રચનાનો સમાવેશ થાય છે:

sa-frontend:
|   .dockerignore
|   Dockerfile
|   package.json
|   README.md
+---build
+---node_modules
+---public
---src

પરંતુ અહીં હાજર તમામ ફોલ્ડર્સમાંથી, આપણને ફક્ત એક ફોલ્ડરની જરૂર છે build. બીજું કંઈપણ ડાઉનલોડ કરવું એ સમયનો વ્યય છે. તમે ડોકરને કઈ ડિરેક્ટરીઓ અવગણવી તે કહીને બિલ્ડને ઝડપી બનાવી શકો છો. આ કરવા માટે, અમને એક ફાઇલની જરૂર છે .dockerignore. તમે, જો તમે ફાઇલથી પરિચિત છો .gitignore, આ ફાઇલનું માળખું કદાચ પરિચિત લાગશે. તે ડિરેક્ટરીઓની યાદી આપે છે જેને ઈમેજ બિલ્ડ સિસ્ટમ અવગણી શકે છે. અમારા કિસ્સામાં, આ ફાઇલની સામગ્રી આના જેવી દેખાય છે:

node_modules
src
public

ફાઈલ .dockerignore ફાઇલ જેવા જ ફોલ્ડરમાં હોવી જોઈએ Dockerfile. હવે છબીની એસેમ્બલી થોડી સેકંડ લેશે.

ચાલો હવે જાવા એપ્લિકેશન માટે ઇમેજ સાથે વ્યવહાર કરીએ.

▍જાવા એપ્લિકેશન માટે કન્ટેનર ઇમેજ બનાવવી

તમે જાણો છો કે શું, અને તમે કન્ટેનર છબીઓ બનાવવા માટે જરૂરી બધું પહેલેથી જ શીખી લીધું છે. તેથી જ આ વિભાગ ખૂબ ટૂંકો હશે.

ફાઈલ ખોલો Dockerfile, જે પ્રોજેક્ટ ફોલ્ડરમાં સ્થિત છે sa-webapp. જો તમે આ ફાઇલનું લખાણ વાંચશો, તો તેમાં તમને ફક્ત બે નવા બાંધકામો મળશે જે કીવર્ડ્સથી શરૂ થાય છે ENV и EXPOSE:

ENV SA_LOGIC_API_URL http://localhost:5000
…
EXPOSE 8080

કીવર્ડ ENV તમને ડોકર કન્ટેનરની અંદર પર્યાવરણ ચલો જાહેર કરવાની પરવાનગી આપે છે. ખાસ કરીને, અમારા કિસ્સામાં, તે તમને એપ્લિકેશનના API ને ઍક્સેસ કરવા માટે એક URL સેટ કરવાની મંજૂરી આપે છે જે ટેક્સ્ટ વિશ્લેષણ કરે છે.

કીવર્ડ EXPOSE તમને ડોકરને પોર્ટ ખોલવા માટે કહેવાની મંજૂરી આપે છે. અમે આ પોર્ટનો ઉપયોગ કરવા જઈ રહ્યા છીએ કારણ કે અમે એપ્લિકેશન સાથે કામ કરીએ છીએ. અહીં તમે તે જોઈ શકો છો Dockerfile એપ્લિકેશન માટે SA-Frontend એવો કોઈ આદેશ નથી. આ માત્ર દસ્તાવેજીકરણ હેતુ માટે છે, બીજા શબ્દોમાં કહીએ તો, આ રચના વાચક માટે છે Dockerfile.

ઈમેજ બનાવવી અને તેને રીપોઝીટરીમાં ધકેલવી એ પહેલાના ઉદાહરણની જેમ બરાબર દેખાય છે. જો તમે હજુ સુધી તમારી ક્ષમતાઓમાં ખૂબ વિશ્વાસ ધરાવતા નથી, તો અનુરૂપ આદેશો ફાઇલમાં મળી શકે છે. README.md ફોલ્ડરમાં sa-webapp.

▍Python એપ્લિકેશન માટે કન્ટેનર ઇમેજ બનાવવી

જો તમે ફાઇલની સામગ્રીઓ પર એક નજર નાખો Dockerfile ફોલ્ડરમાં sa-logicતમને ત્યાં કંઈપણ નવું મળશે નહીં. ઇમેજ બનાવવા અને તેને રિપોઝીટરીમાં ધકેલવા માટેના આદેશો તમને પહેલાથી જ પરિચિત હોવા જોઈએ, પરંતુ, અમારી અન્ય એપ્લિકેશનોના કિસ્સામાં, તે ફાઇલમાં મળી શકે છે. README.md ફોલ્ડરમાં sa-logic.

▍ કન્ટેનરાઇઝ્ડ એપ્લિકેશન્સનું પરીક્ષણ

શું તમે એવી કોઈ વસ્તુ પર વિશ્વાસ કરી શકો છો જેની તમે પરીક્ષણ કરી નથી? હું પણ નથી કરી શકતો. ચાલો અમારા કન્ટેનરનું પરીક્ષણ કરીએ.

1. ચાલો એપ્લિકેશન કન્ટેનર શરૂ કરીએ sa-logic અને તેને પોર્ટ પર સાંભળવા માટે ગોઠવો 5050:

   docker run -d -p 5050:5000 $DOCKER_USER_ID/sentiment-analysis-logic

2. ચાલો એપ્લિકેશન કન્ટેનર શરૂ કરીએ sa-webapp અને તેને પોર્ટ પર સાંભળવા માટે ગોઠવો 8080. વધુમાં, અમારે તે પોર્ટ સેટ કરવાની જરૂર છે કે જેના પર પાયથોન એપ્લીકેશન એન્વાયર્નમેન્ટ વેરીએબલને ફરીથી સોંપીને Java એપ્લિકેશનની વિનંતીઓ સાંભળશે. SA_LOGIC_API_URL:

   $ docker run -d -p 8080:8080 -e SA_LOGIC_API_URL='http://<container_ip or docker machine ip>:5000' $DOCKER_USER_ID/sentiment-analysis-web-app

કન્ટેનર અથવા ડોકર VM નું IP સરનામું કેવી રીતે શોધવું તે જાણવા માટે, ફાઇલનો સંદર્ભ લો README.

ચાલો એપ્લિકેશન કન્ટેનર શરૂ કરીએ sa-frontend:

docker run -d -p 80:80 $DOCKER_USER_ID/sentiment-analysis-frontend

હવે બ્રાઉઝરમાં સરનામાં પર નેવિગેટ કરવા માટે બધું તૈયાર છે localhost:80 અને એપ્લિકેશનનું પરીક્ષણ કરો.

મહેરબાની કરીને નોંધ કરો કે જો તમે માટે પોર્ટ બદલો છો sa-webapp, અથવા જો તમે Docker VM ચલાવી રહ્યાં છો, તો તમારે ફાઇલને સંપાદિત કરવાની જરૂર પડશે App.js ફોલ્ડરમાંથી sa-frontendપદ્ધતિમાં IP સરનામું અથવા પોર્ટ નંબર બદલીને analyzeSentence()અપ્રચલિત ડેટાને બદલે વર્તમાન માહિતીને બદલીને. તે પછી, તમારે છબીને ફરીથી એસેમ્બલ કરવાની અને તેનો ઉપયોગ કરવાની જરૂર છે.

આ અમારી એપ્લિકેશન ડાયાગ્રામ હવે જેવો દેખાય છે.

માઈક્રો સર્વિસ કન્ટેનરમાં ચાલે છે

સારાંશ: શા માટે આપણને કુબરનેટ્સ ક્લસ્ટરની જરૂર છે?

અમે હમણાં જ ફાઇલોની સમીક્ષા કરી છે Dockerfile, છબીઓ કેવી રીતે બનાવવી અને તેને ડોકર રીપોઝીટરીમાં કેવી રીતે ધકેલવી તે વિશે વાત કરી. વધુમાં, અમે ફાઇલનો ઉપયોગ કરીને છબીઓની એસેમ્બલીને કેવી રીતે ઝડપી કરવી તે શીખ્યા .dockerignore. પરિણામે, અમારી માઇક્રોસેવાઓ હવે ડોકર કન્ટેનરમાં ચાલી રહી છે. અહીં તમને કુબરનેટ્સની શા માટે જરૂર છે તે વિશે સંપૂર્ણપણે વાજબી પ્રશ્ન હોઈ શકે છે. આ પ્રશ્નનો જવાબ આ સામગ્રીના બીજા ભાગને સમર્પિત કરવામાં આવશે. તે દરમિયાન, નીચેના પ્રશ્નનો વિચાર કરો:
ચાલો ધારીએ કે અમારી ટેક્સ્ટ વિશ્લેષણ વેબ એપ્લિકેશન વિશ્વભરમાં લોકપ્રિય બની છે. તેની પાસે દર મિનિટે લાખો વિનંતીઓ આવે છે. આનો અર્થ એ છે કે માઇક્રોસર્વિસિસ sa-webapp и sa-logic ભારે તણાવમાં રહેશે. માઇક્રોસર્વિસ ચલાવતા કન્ટેનરને કેવી રીતે માપવા?

સોર્સ: www.habr.com