Kubernetes チュートリアル パート 1: アプリケーション、マイクロサービス、コンテナー

私たちのリクエストに応じて、Habr はハブを作成しました Kubernetes この中に最初の出版物を掲載できることを嬉しく思います。 購読する！

Kubernetes は簡単です。 この技術は誰でもほんの数時間でマスターできるのに、なぜ銀行はこの分野で働くために私に多額のお金を払うのでしょうか?

Kubernetes をそんなにすぐに習得できるか疑問がある場合は、自分でやってみることをお勧めします。 つまり、この内容をマスターすると、Kubernetes クラスターでマイクロサービスに基づいたアプリケーションを実行できるようになります。 これは私が保証できます。なぜなら、私がクライアントに Kubernetes の使い方を教えるのにここで使用しているのと同じ方法論だからです。 このガイドは他のガイドと何が違うのでしょうか? 実は、いろいろあるんです。 そのため、これらの資料のほとんどは、Kubernetes の概念や kubectl コマンドの機能など、簡単な説明から始まります。 これらの記事の著者は、読者がアプリケーション開発、マイクロサービス、および Docker コンテナーに精通していることを前提としています。 別の道に行きます。 まず、コンピューター上でマイクロサービスに基づくアプリケーションを実行する方法について説明します。 次に、各マイクロサービスのコンテナー イメージの構築を見ていきます。 その後、Kubernetes について理解し、Kubernetes によって管理されるクラスター内のマイクロサービスに基づくアプリケーションのデプロイメントを分析します。

Kubernetes への段階的なアプローチを伴うこのアプローチは、平均的な人が Kubernetes ですべてがどのように単純に配置されているかを理解するために必要な、何が起こっているかについての深い理解を提供します。 Kubernetes は、それを習得したい人がどこでどのように使用されるかを知っていれば、確かに単純なテクノロジーです。

さて、早速、作業に取り掛かり、これから扱うアプリケーションについて話しましょう。

実験的アプリ

私たちのアプリケーションは XNUMX つの機能のみを実行します。 入力として XNUMX つの文を受け取り、その後、テキスト分析ツールを使用してこの文の感情分析を実行し、特定のオブジェクトに対する文の作成者の感情的な態度の評価を取得します。

このアプリケーションのメイン ウィンドウは次のようになります。

感情分析 Web アプリケーション

技術的な観点から見ると、アプリケーションは XNUMX つのマイクロサービスで構成されており、それぞれが特定の一連のタスクを解決します。

• SA-Frontend は、React 静的ファイルを提供する Nginx Web サーバーです。
• SA-WebApp は、フロントエンドからのリクエストを処理する Java で書かれた Web アプリケーションです。
• SA-Logic は、テキスト感情分析を実行する Python アプリケーションです。

マイクロサービスは単独で存在するわけではないことに注意することが重要です。 彼らは「職務の分離」の考えを実装していますが、同時に相互に対話する必要があります。

アプリケーション内のデータの流れ

上の図では、アプリケーション内のデータ フローを示す、システムの番号付きステージが示されています。 それらを分類してみましょう:

1. ブラウザがサーバーにファイルをリクエストします index.html (これにより、React アプリ パッケージがロードされます)。
2. ユーザーがアプリケーションと対話すると、Spring に基づく Web アプリケーションが呼び出されます。
3. Web アプリケーションは、テキストを解析するリクエストを Python アプリケーションに転送します。
4. Python アプリケーションはテキストの感情を分析し、結果をリクエストへの応答として返します。
5. Spring アプリケーションは応答を React アプリケーションに送信します (次に、解析されたテキストの結果がユーザーに表示されます)。

これらすべてのアプリケーションのコードは次のとおりです。 ここで。 このリポジトリを使用して多くの興味深い実験が今後行われる予定であるため、今すぐ自分自身にコピーすることをお勧めします。

ローカルマシン上でのマイクロサービスに基づくアプリケーションの実行

アプリケーションが動作するには、XNUMX つのマイクロサービスをすべて開始する必要があります。 その中で最も優れたフロントエンド アプリケーションから始めましょう。

▍ローカル開発用に React をセットアップする

React アプリケーションを実行するには、Node.js フレームワークと NPM をコンピューターにインストールする必要があります。 これをすべてインストールしたら、ターミナルを使用してプロジェクト フォルダーに移動します。 sa-frontend 次のコマンドを実行します。

npm install

フォルダ内でこのコマンドを実行すると node_modules React アプリケーションの依存関係がロードされ、そのレコードがファイルに保存されます package.json。 同じフォルダーに依存関係をダウンロードした後、次のコマンドを実行します。

npm start

それだけです。 React アプリが実行中になり、ブラウザーのアドレスに移動してアクセスできます。 localhost:3000。 彼のコードの何かを変更することができます。 これらの変更の効果はブラウザーですぐに確認できます。 これは、モジュールのいわゆる「ホット」交換のおかげで可能になります。 このおかげで、フロントエンド開発はシンプルで楽しいものになります。

▍実稼働用に React アプリを準備する

実際に React アプリを使用するには、それを静的ファイルのセットに変換し、Web サーバーを使用してクライアントに提供する必要があります。

React アプリをビルドするには、再度ターミナルを使用して、フォルダーに移動します。 sa-frontend 次のコマンドを実行します。

npm run build

これにより、プロジェクトフォルダー内にディレクトリが作成されます build。 これには、React アプリケーションが動作するために必要なすべての静的ファイルが含まれます。

▍Nginx で静的ファイルを提供する

まず、Nginx Web サーバーをインストールして実行する必要があります。 それは それをダウンロードし、インストールして実行するための手順を見つけることができます。 次に、フォルダーの内容をコピーする必要があります sa-frontend/build フォルダに [your_nginx_installation_dir]/html.

このアプローチでは、React アプリケーションのアセンブリ中に生成されるファイル index.html で入手可能になります [your_nginx_installation_dir]/html/index.html。 これは、Nginx サーバーがアクセス時にデフォルトで発行するファイルです。 サーバーはポートをリッスンするように構成されています 80ただし、ファイルを編集することで、必要に応じてカスタマイズできます。 [your_nginx_installation_dir]/conf/nginx.conf.

ブラウザを開いて、次の場所に移動します。 localhost:80。 React アプリのページが表示されます。

Nginx サーバーによって提供される React アプリ

ここでフィールドに何かを入力すると、 Type your sentence そしてボタンを押してください Send - 何も起こりません。 ただし、コンソールを見ると、エラー メッセージが表示されます。 これらのエラーがどこで発生するかを正確に理解するために、アプリケーション コードを分析してみましょう。

▍フロントエンドアプリケーションのコード解析

ファイルのコードを見ると App.js、ボタンをクリックしたことがわかります。 Send メソッドを呼び出す analyzeSentence()。 このメソッドのコードを以下に示します。 同時に、各行に次の形式のコメントがあることに注意してください。 # Номер, コードの下に説明があります。 同様に、他のコード部分も解析します。

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. POSTリクエストの送信先となるURL。 このアドレスは、そのような要求を待っているアプリケーションであると想定されます。

2.アプリケーションに送信されるリクエスト本文。 リクエスト本文の例を次に示します。

{
    sentence: "I like yogobella!"
}

3.リクエストに対するレスポンスを受信すると、コンポーネントの状態が更新されます。 これにより、コンポーネントが再レンダリングされます。 データ (つまり、入力されたデータと計算されたテキスト スコアを含む JSON オブジェクト) を受け取ると、コンポーネントを出力します。 Polarity条件が満たされる限り。 コンポーネントを説明する方法は次のとおりです。

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

コードは非常にうまく機能しているようです。 それにしても、ここで何が間違っているのでしょうか？ アプリケーションが POST リクエストを送信しようとしているアドレスには、このリクエストを受け入れて処理できるものがまだ何もないと仮定すると、その考えは完全に正しいでしょう。 つまり、アドレスに届くリクエストを処理するためです。 http://localhost:8080/sentiment、Spring に基づいて Web アプリケーションを実行する必要があります。

POST リクエストを受け入れることができる Spring アプリケーションが必要です

▍Spring に基づいた Web アプリケーションのセットアップ

Spring アプリケーションをデプロイするには、JDK8 と Maven、および適切に構成された環境変数が必要です。 これらをすべてインストールしたら、プロジェクトの作業を続けることができます。

▍アプリケーションをjarファイルにパッケージ化する

ターミナルを使用してフォルダーに移動します sa-webapp 次のコマンドを入力します。

mvn install

フォルダー内でこのコマンドを実行すると、 sa-webapp ディレクトリが作成されます target。 ここに Java アプリケーションが配置され、jar ファイルにパッケージ化され、次のファイルで表されます。 sentiment-analysis-web-0.0.1-SNAPSHOT.jar.

▍Java アプリケーションの起動

フォルダに移動 target 次のコマンドを使用してアプリケーションを実行します。

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

このコマンドを実行するとエラーが発生します。 この問題の修正を開始するには、スタック トレース データ内の例外の詳細を解析します。

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}"

私たちにとって、ここで最も重要なことは、意味を明らかにすることが不可能であるという言及です。 sa.logic.api.url。 エラーが発生したコードを分析してみましょう。

▍Javaアプリケーションのコード解析

エラーが発生したコードスニペットは次のとおりです。

@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. SでentimentController フィールドがあります saLogicApiUrl。 その値はプロパティによって設定されます sa.logic.api.url.
2. ひも saLogicApiUrl 値と連結します /analyse/sentiment。 これらは一緒になって、テキスト分析を実行するマイクロサービスを呼び出すためのアドレスを形成します。

▍プロパティ値の設定

Spring では、プロパティ値のデフォルトのソースはファイルです application.propertiesで見つけることができます。 sa-webapp/src/main/resources。 ただし、これを使用することがプロパティ値を設定する唯一の方法ではありません。 次のコマンドを使用してこれを行うこともできます。

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

このプロパティの値は、Python アプリケーションのアドレスを指す必要があります。

これを構成することで、テキスト解析リクエストを行うためにどこに行く必要があるかを Spring Web アプリケーションに伝えます。

私たちの生活を複雑にしないために、Python アプリケーションを次の場所で入手できるようにすることにします。 localhost:5000 そしてそれを忘れないように努めてください。 その結果、Spring アプリケーションを開始するコマンドは次のようになります。

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

私たちのシステムには Python アプリケーションがありません

あとは Python アプリケーションを実行するだけで、システムは期待どおりに動作します。

▍Python アプリケーションのセットアップ

Python アプリケーションを実行するには、Python 3 と Pip がインストールされており、適切な環境変数が正しく設定されている必要があります。

▍依存関係をインストールする

プロジェクトフォルダーに移動します sa-logic/sa そして、次のコマンドを実行します。

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

▍アプリの起動

依存関係がインストールされたら、アプリケーションを実行する準備が整いました。

python sentiment_analysis.py

このコマンドを実行すると、次のようなメッセージが表示されます。

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

これは、アプリケーションが実行中で、次の場所でリクエストを待っていることを意味します。 localhost:5000/

▍コードリサーチ

リクエストにどのように応答するかを理解するために、Python アプリケーション コードを見てみましょう。

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. オブジェクトの初期化 Flask.
2. POSTリクエストを行うためのアドレスを指定します。
3. プロパティの取得 sentence リクエスト本文から。
4. 匿名オブジェクトの初期化 TextBlob そして値を取得する polarity リクエストの本文で受け取った最初の提案 (この場合、これが分析のために送信された唯一の提案です)。
5. 応答を返します。その本文には、オファーのテキストと、それに対して計算されたインジケーターが含まれます。 polarity.
6. Flask アプリケーションを起動します。これは次の場所から入手できます。 0.0.0.0:5000 (フォームの構造を使用してアクセスすることもできます localhost:5000).

これで、アプリケーションを構成するマイクロサービスが実行されます。 これらは相互に対話するように設定されています。 作業のこの段階でのアプリケーション図は次のようになります。

アプリケーションを構成するすべてのマイクロサービスが正常な状態になります

さて、続行する前に、ブラウザで React アプリを開き、それを使用して文を解析してみます。 すべてが正しく行われた場合 - ボタンを押した後 Send テキストボックスの下に分析結果が表示されます。

次のセクションでは、Docker コンテナーでマイクロサービスを実行する方法について説明します。 これは、Kubernetes クラスターでアプリケーションを実行する準備をするために必要です。

Dockerコンテナ

Kubernetes は、コンテナ化されたアプリケーションの展開、スケーリング、および管理を自動化するシステムです。 「コンテナオーケストレーター」とも呼ばれます。 Kubernetes がコンテナーで動作する場合、このシステムを使用する前に、まずこれらのコンテナーを取得する必要があります。 まず、コンテナとは何かについて話しましょう。 おそらく、それが何であるかという質問に対する最良の答えは、 ドキュメンテーション ドッカーへ:

コンテナー イメージは、アプリケーションを含む軽量の自己完結型の実行可能パッケージです。アプリケーションには、アプリケーション コード、ランタイム環境、システム ツールとライブラリ、設定など、アプリケーションの実行に必要なものがすべて含まれています。 コンテナ化されたプログラムは Linux 環境と Windows 環境の両方で使用でき、インフラストラクチャに関係なく常に同じように動作します。

これは、コンテナーが本番サーバーを含む任意のコンピューター上で実行でき、どの環境でも、コンテナーに含まれるアプリケーションが同じように動作することを意味します。

コンテナーの機能を調べ、アプリケーションを実行する他の方法と比較するために、仮想マシンとコンテナーを使用して React アプリケーションを提供する例を見てみましょう。

▍仮想マシンを使用した React アプリケーションの静的ファイルの提供

仮想マシンを使用して静的ファイルのメンテナンスを組織しようとすると、次のような欠点が発生します。

1. 各仮想マシンは完全なオペレーティング システムであるため、リソースが非効率的に使用されます。
2. プラットフォームの依存性。 一部のローカル コンピュータで動作するものは、運用サーバーでは動作しない可能性があります。
3. 仮想マシン ソリューションのスケーリングが遅く、リソースを大量に消費する。

仮想マシンで実行される静的ファイルを提供する Nginx Web サーバー

同様の問題を解決するためにコンテナーを使用すると、仮想マシンと比較して、次の利点に注目できます。

1. リソースの効率的な使用: Docker を使用してオペレーティング システムを操作します。
2. プラットフォームの独立性。 開発者が自分のコンピューター上で実行できるコンテナーは、どこでも実行できます。
3. イメージ レイヤーを使用した軽量の展開。

コンテナ内で実行される静的ファイルを提供する Nginx Web サーバー

ここでは仮想マシンとコンテナーをいくつかの点で比較しただけですが、コンテナーの強みを理解するにはこれでも十分です。 それは Docker コンテナーの詳細を確認できます。

▍React アプリのコンテナ イメージの構築

Docker コンテナの基本的な構成要素はファイルです。 Dockerfile。 このファイルの先頭にはコンテナの基本イメージが記録され、次にアプリケーションのニーズを満たすコンテナの作成方法を示す一連の指示が含まれます。

ファイルの操作を始める前に Dockerfile、React アプリケーションのファイルを Nginx サーバーにアップロードするために準備するために行ったことを思い出してください。

1. React アプリ パッケージの構築 (npm run build).
2. Nginxサーバーを起動します。
3. ディレクトリの内容をコピーする build プロジェクトフォルダーから sa-frontend サーバーフォルダーに nginx/html.

以下に、コンテナーの作成とローカル コンピューター上で実行される上記のアクションとの類似点を示します。

▍SA フロントエンド アプリケーション用の Dockerfile の準備

含まれる指示 Dockerfile 申請用 SA-Frontend、たった XNUMX つのコマンドで構成されます。 実際のところ、Nginx 開発チームは基本的なツールを準備しています。 イメージ Nginx の場合は、イメージの構築に使用します。 ここでは、説明する必要がある XNUMX つの手順を説明します。

1. Nginx イメージをイメージのベースにする必要があります。
2. フォルダーの内容 sa-frontend/build 画像フォルダーにコピーする必要があります nginx/html.

この説明からファイルに進むと、 Dockerfile、すると、次のようになります。

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

ご覧のとおり、ここにあるものはすべて非常に単純ですが、ファイルの内容は非常に読みやすく、理解しやすいものであることがわかります。 このファイルはシステムに画像を取得するように指示します。 nginx 既存のものをすべて使用し、ディレクトリの内容をコピーします build ディレクトリに nginx/html.

ここで、フォルダーからファイルをどこにコピーするかを正確に知る方法について質問があるかもしれません。 build、つまり、パスはどこから来たのか /usr/share/nginx/html。 実際、ここでも複雑なことは何もありません。 実際のところ、関連情報は次の場所にあります。 説明 画像。

▍イメージを組み立ててリポジトリにアップロードする

完成したイメージを操作する前に、それをイメージ リポジトリに送信する必要があります。 これを行うには、無料のクラウドベースのイメージ ホスティング プラットフォームである Docker Hub を使用します。 作業のこの段階では、次のことを行う必要があります。

1. インストール デッカー.
2. Docker Hub サイトに登録します。
3. ターミナルで次のコマンドを実行して、アカウントにログインします。

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

次に、ターミナルを使用してディレクトリに移動する必要があります sa-frontend そこで次のコマンドを実行します。

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

同様のコマンドのここと以下 $DOCKER_USER_ID は、Docker Hub 上のユーザー名に置き換える必要があります。 たとえば、コマンドのこの部分は次のようになります。 rinormaloku/sentiment-analysis-frontend.

この場合、このコマンドはコマンドから削除することで短縮できます。 -f Dockerfile, このコマンドを実行するフォルダーにはすでにこのファイルがあるためです。

完成したイメージをリポジトリに送信するには、次のコマンドが必要です。

docker push $DOCKER_USER_ID/sentiment-analysis-frontend

完了したら、Docker Hub のリポジトリのリストをチェックして、イメージがクラウド ストレージに正常にプッシュされたかどうかを確認します。

▍コンテナの起動

これで、誰でも次のイメージをダウンロードして実行できるようになります。 $DOCKER_USER_ID/sentiment-analysis-frontend。 これを行うには、次の一連のコマンドを実行する必要があります。

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

これでコンテナが実行され、必要な他のイメージを作成して作業を続けることができます。 先に進む前に、デザインを理解しましょう 80:80これはイメージを実行するコマンドに含まれており、わかりにくいかもしれません。

• 最初の番号 80 ホスト (つまり、ローカル コンピューター) のポート番号です。
• XNUMX 番目の番号 80 リクエストのリダイレクト先となるコンテナのポートです。

次の図を考えてみましょう。

ポートフォワーディング

システムはポートからのリクエストを転送します。 <hostPort> ポートごと <containerPort>。 つまり、ポートにアクセスする 80 コンピュータがポートにリダイレクトされる 80 容器。

港以来 80 ローカル コンピュータで開くと、このコンピュータから次の場所にあるアプリケーションにアクセスできます。 localhost:80。 システムが Docker をサポートしていない場合は、Docker 仮想マシン上でアプリケーションを実行できます。そのアドレスは次のようになります。 <docker-machine ip>:80。 Docker 仮想マシンの IP アドレスを確認するには、次のコマンドを使用できます。 docker-machine ip.

この時点で、フロントエンド アプリ コンテナーが正常に起動すると、ブラウザーでそのページを開くことができるようになります。

▍.dockerignore ファイル

アプリケーションイメージの構築 SA-Frontend、このプロセスが非常に遅いことがわかります。 これは、イメージ ビルド コンテキストを Docker デーモンに送信する必要があるためです。 ビルド コンテキストを表すディレクトリは、コマンドの最後の引数として指定されます。 docker build。 この例では、このコマンドの最後にドットがあります。 これにより、次の構造がアセンブリ コンテキストに含まれるようになります。

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

ただし、ここに存在するすべてのフォルダーのうち、必要なのはフォルダーだけです build。 他のものをダウンロードするのは時間の無駄です。 どのディレクトリを無視するかを Docker に指示することで、ビルドを高速化できます。 これを行うには、ファイルが必要です .dockerignore。 ファイルに精通している場合 .gitignoreこのファイルの構造はおそらく見覚えがあるでしょう。 ここには、イメージ ビルド システムが無視できるディレクトリがリストされています。 この例の場合、このファイルの内容は次のようになります。

node_modules
src
public

ファイル .dockerignore ファイルと同じフォルダーに存在する必要があります Dockerfile。 イメージの組み立てには数秒かかります。

次に、Java アプリケーションのイメージを扱いましょう。

▍Javaアプリケーションのコンテナイメージの構築

ご存知のとおり、コンテナー イメージの作成に必要なすべてのことはすでに学習済みです。 そのため、このセクションは非常に短くなります。

ファイルを開く Dockerfile、プロジェクトフォルダーにあります sa-webapp。 このファイルのテキストを読むと、キーワードで始まる新しい構造が XNUMX つだけ見つかります。 ENV и EXPOSE:

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

キーワード ENV Docker コンテナ内で環境変数を宣言できます。 特に、この例では、テキスト分析を実行するアプリケーションの API にアクセスするための URL を設定できます。

キーワード EXPOSE Docker にポートを開くように指示できます。 アプリケーションを操作するときにこのポートを使用します。 ここでそれを見ることができます Dockerfile 申請用 SA-Frontend そのようなコマンドはありません。 これは文書化のみを目的としています。つまり、この構成は読者向けです。 Dockerfile.

イメージを構築してリポジトリにプッシュする様子は、前の例とまったく同じです。 自分の能力にまだ自信がない場合は、対応するコマンドがファイル内にあります。 README.md フォルダ内 sa-webapp.

▍Python アプリケーションのコンテナ イメージの構築

ファイルの中身を見てみると Dockerfile フォルダ内 sa-logicそこには何も新しいものは見つかりません。 イメージを構築してリポジトリにプッシュするためのコマンドもよく知られているはずですが、他のアプリケーションの場合と同様に、これらのコマンドは次のファイルにあります。 README.md フォルダ内 sa-logic.

▍コンテナ化されたアプリケーションのテスト

テストしていないものを信頼できますか? 私もできません。 コンテナをテストしてみましょう。

1. アプリケーションコンテナを起動しましょう sa-logic ポートでリッスンするように設定します 5050:

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

2. アプリケーションコンテナを起動しましょう sa-webapp ポートでリッスンするように設定します 8080。 さらに、環境変数を再割り当てして、Python アプリケーションが Java アプリケーションからのリクエストをリッスンするポートを設定する必要があります。 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

コンテナーまたは Docker VM の IP アドレスを確認する方法については、次のファイルを参照してください。 README.

アプリケーションコンテナを起動しましょう sa-frontend:

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

これで、ブラウザでアドレスに移動する準備がすべて整いました。 localhost:80 そしてアプリをテストします。

ポートを変更する場合は、 sa-webappまたは、Docker VM を実行している場合は、ファイルを編集する必要があります。 App.js フォルダーから sa-frontendメソッド内のIPアドレスまたはポート番号を変更することによって analyzeSentence()古いデータの代わりに現在の情報を置き換えることによって。 その後、イメージを再構成して使用する必要があります。

現在のアプリケーション図は次のようになります。

コンテナ内で実行されるマイクロサービス

要約: なぜ Kubernetes クラスターが必要なのでしょうか?

ファイルを確認したところです Dockerfileでは、イメージを構築して Docker リポジトリにプッシュする方法について説明しました。 さらに、ファイルを使用して画像の組み立てを高速化する方法を学びました。 .dockerignore。 その結果、マイクロサービスは Docker コンテナーで実行されるようになりました。 ここで、なぜ Kubernetes が必要なのかについて完全に正当な質問があるかもしれません。 この質問に対する答えは、この資料の XNUMX 番目の部分で説明します。 それまでの間、次の質問について考えてみましょう。
私たちのテキスト分析 Web アプリケーションが世界中で人気になったと仮定しましょう。 彼のもとには毎分何百万ものリクエストが届きます。 これは、マイクロサービスが sa-webapp и sa-logic 多大なストレスにさらされることになる。 マイクロサービスを実行するコンテナーをスケーリングするにはどうすればよいですか?

出所： habr.com