Kubernetes 자습서 1부: 애플리케이션, 마이크로서비스 및 컨테이너

우리의 요청에 따라 Habr은 허브를 만들었습니다. Kubernetes 그리고 우리는 그것에 첫 번째 출판물을 게재하게 된 것을 기쁘게 생각합니다. 구독하다!

쿠버네티스는 쉽습니다. 누구나 단 몇 시간 만에 이 기술을 마스터할 수 있는데 은행에서 이 분야에서 일하기 위해 많은 돈을 지불하는 이유는 무엇입니까?

쿠버네티스를 그렇게 빨리 배울 수 있는지 의심이 든다면 직접 해보는 것이 좋습니다. 즉, 이 자료를 마스터하면 Kubernetes 클러스터에서 마이크로 서비스를 기반으로 애플리케이션을 실행할 수 있습니다. 제가 여기서 고객에게 Kubernetes로 작업하는 방법을 가르치는 데 사용하는 것과 동일한 방법론을 사용하기 때문에 이것을 보장할 수 있습니다. 이 가이드가 다른 가이드와 다른 점은 무엇입니까? 사실, 많은 것들이 있습니다. 따라서 이러한 자료의 대부분은 Kubernetes의 개념과 kubectl 명령의 기능과 같은 단순한 내용에 대한 설명으로 시작됩니다. 이 기사의 작성자는 독자가 애플리케이션 개발, 마이크로서비스 및 Docker 컨테이너에 익숙하다고 가정합니다. 우리는 다른 방향으로 갈 것입니다. 먼저 컴퓨터에서 마이크로서비스를 기반으로 애플리케이션을 실행하는 방법에 대해 이야기해 보겠습니다. 그런 다음 각 마이크로 서비스에 대한 컨테이너 이미지 빌드를 살펴보겠습니다. 그런 다음 Kubernetes에 대해 알아보고 Kubernetes가 관리하는 클러스터에서 마이크로 서비스 기반 애플리케이션 배포를 분석합니다.

쿠버네티스에 대한 점진적인 접근 방식을 사용하는 이 접근 방식은 모든 것이 쿠버네티스에 어떻게 간단하게 배열되어 있는지 이해하기 위해 일반인이 필요로 하는 상황에 대한 깊이 있는 이해를 제공합니다. 쿠버네티스를 마스터하려는 사람이라면 누구나 사용 위치와 방법을 안다면 쿠버네티스는 분명 단순한 기술입니다.

이제 더 이상 고민하지 않고 작업을 시작하고 작업할 응용 프로그램에 대해 이야기하겠습니다.

실험적 앱

우리의 응용 프로그램은 하나의 기능만 수행합니다. 한 문장을 입력으로 받은 후 텍스트 분석 도구를 사용하여 이 문장에 대한 감정 분석을 수행하여 특정 대상에 대한 문장 작성자의 감정적 태도를 평가합니다.

이것은 이 응용 프로그램의 기본 창 모양입니다.

감정 분석 웹 애플리케이션

기술적인 관점에서 애플리케이션은 XNUMX개의 마이크로서비스로 구성되며 각 마이크로서비스는 특정 작업 세트를 해결합니다.

• SA-Frontend는 React 정적 파일을 제공하는 Nginx 웹 서버입니다.
• SA-WebApp은 프런트엔드의 요청을 처리하는 Java로 작성된 웹 애플리케이션입니다.
• SA-Logic은 텍스트 감정 분석을 수행하는 Python 애플리케이션입니다.

마이크로서비스는 고립되어 존재하지 않는다는 점에 유의해야 합니다. 그들은 "직무 분리"라는 아이디어를 구현하지만 동시에 서로 상호 작용해야합니다.

애플리케이션의 데이터 흐름

위의 다이어그램에서 애플리케이션의 데이터 흐름을 설명하는 시스템의 단계 번호를 볼 수 있습니다. 그것들을 분해합시다:

1. 브라우저가 서버에서 파일을 요청합니다. index.html (이는 차례로 React 앱 패키지를 로드합니다).
2. 사용자는 애플리케이션과 상호 작용하며 이로 인해 Spring 기반 웹 애플리케이션이 호출됩니다.
3. 웹 애플리케이션은 텍스트를 구문 분석하라는 요청을 Python 애플리케이션으로 전달합니다.
4. Python 애플리케이션은 텍스트의 감정을 분석하고 요청에 대한 응답으로 결과를 반환합니다.
5. Spring 애플리케이션은 React 애플리케이션에 응답을 보냅니다(결과적으로 사용자에게 구문 분석된 텍스트의 결과 표시).

이러한 모든 응용 프로그램에 대한 코드를 찾을 수 있습니다. 여기에. 앞으로 흥미로운 실험이 많이 있기 때문에 지금 이 저장소를 자신에게 복사하는 것이 좋습니다.

로컬 머신에서 마이크로서비스 기반 애플리케이션 실행

애플리케이션이 작동하려면 세 가지 마이크로서비스를 모두 시작해야 합니다. 가장 예쁜 프런트 엔드 애플리케이션부터 시작하겠습니다.

▍로컬 개발을 위한 React 설정

React 애플리케이션을 실행하려면 컴퓨터에 Node.js 프레임워크와 NPM을 설치해야 합니다. 이 모든 것을 설치한 후 터미널을 사용하여 프로젝트 폴더로 이동합니다. sa-frontend 다음 명령을 실행하십시오.

npm install

폴더에서 이 명령을 실행하면 node_modules React 애플리케이션의 종속성이 로드되며 그 기록은 파일에 있습니다. package.json. 동일한 폴더에 종속성을 다운로드한 후 다음 명령을 실행합니다.

npm start

그게 다야. 이제 React 앱이 실행 중이며 브라우저 주소로 이동하여 액세스할 수 있습니다. localhost:3000. 그의 코드에서 무언가를 변경할 수 있습니다. 브라우저에서 이러한 변경 사항의 효과를 즉시 확인할 수 있습니다. 이는 소위 "핫" 모듈 교체 덕분에 가능합니다. 덕분에 프런트 엔드 개발은 간단하고 즐거운 경험이 됩니다.

▍프로덕션을 위한 React 앱 준비

React 앱을 실제로 사용하기 위해서는 이를 정적 파일 세트로 변환하고 웹 서버를 사용하여 클라이언트에 제공해야 합니다.

React 앱을 빌드하려면 다시 터미널을 사용하여 폴더로 이동합니다. sa-frontend 다음 명령을 실행하십시오.

npm run build

그러면 프로젝트 폴더에 디렉토리가 생성됩니다. build. 여기에는 React 애플리케이션이 작동하는 데 필요한 모든 정적 파일이 포함됩니다.

▍Nginx로 정적 파일 제공

먼저 Nginx 웹 서버를 설치하고 실행해야 합니다. 여기에 다운로드하여 설치 및 실행 지침을 찾을 수 있습니다. 그런 다음 폴더의 내용을 복사해야 합니다. sa-frontend/build 폴더로 [your_nginx_installation_dir]/html.

이 접근 방식을 사용하면 React 애플리케이션을 조립하는 동안 생성된 파일이 index.html 에서 사용할 수 있습니다 [your_nginx_installation_dir]/html/index.html. 기본적으로 Nginx 서버가 액세스할 때 발급하는 파일입니다. 서버가 포트에서 수신 대기하도록 구성되었습니다. 80, 그러나 파일을 편집하여 원하는 방식으로 사용자 정의할 수 있습니다. [your_nginx_installation_dir]/conf/nginx.conf.

이제 브라우저를 열고 다음으로 이동하십시오. localhost:80. React 앱 페이지가 표시됩니다.

Nginx 서버에서 제공하는 React 앱

이제 필드에 무언가를 입력하면 Type your sentence 그리고 버튼을 누르세요 Send - 아무것도 안 일어날거야. 그러나 콘솔을 보면 오류 메시지를 볼 수 있습니다. 이러한 오류가 발생하는 위치를 정확히 이해하기 위해 애플리케이션 코드를 분석해 보겠습니다.

▍프런트엔드 애플리케이션의 코드 분석

파일의 코드를 보면 App.js, 버튼을 클릭하면 Send 방법을 호출 analyzeSentence(). 이 메서드의 코드는 다음과 같습니다. 동시에 양식의 주석이 있는 각 행에 대해 다음과 같은 사실에 주의하십시오. # Номер, 코드 아래에 설명이 있습니다. 같은 방식으로 다른 코드 조각을 구문 분석합니다.

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 요청이 이루어진 URL입니다. 이 주소는 이러한 요청을 기다리는 애플리케이션으로 간주됩니다.

2.애플리케이션에 전송된 요청 본문입니다. 다음은 요청 본문의 예입니다.

{
    sentence: "I like yogobella!"
}

3.요청에 대한 응답을 받으면 구성 요소의 상태가 업데이트됩니다. 이로 인해 구성 요소가 다시 렌더링됩니다. 데이터(즉, 입력한 데이터와 계산된 텍스트 점수를 포함하는 JSON 개체)를 수신하면 구성 요소를 출력합니다. Polarity조건이 충족되는 한. 구성 요소를 설명하는 방법은 다음과 같습니다.

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

코드가 꽤 잘 작동하는 것 같습니다. 어쨌든 여기에 무엇이 잘못 되었습니까? 응용 프로그램이 POST 요청을 보내려는 주소에 이 요청을 수락하고 처리할 수 있는 것이 아직 아무것도 없다고 가정한다면 당신의 생각이 옳을 것입니다. 즉, 주소로 오는 요청을 처리하기 위해 http://localhost:8080/sentiment, Spring 기반의 웹 애플리케이션을 실행해야 합니다.

POST 요청을 수락할 수 있는 Spring 애플리케이션이 필요합니다.

▍Spring 기반 웹 어플리케이션 설정

Spring 애플리케이션을 배포하려면 JDK8 및 Maven과 적절하게 구성된 환경 변수가 필요합니다. 이 모든 것을 설치한 후에는 프로젝트 작업을 계속할 수 있습니다.

▍응용 프로그램을 jar 파일로 압축

터미널을 사용하여 폴더로 이동합니다. sa-webapp 다음 명령을 입력하십시오.

mvn install

폴더에서 이 명령을 실행한 후 sa-webapp 디렉토리가 생성됩니다 target. 이것은 파일로 표시되는 jar 파일에 패키징된 Java 애플리케이션이 있는 위치입니다. sentiment-analysis-web-0.0.1-SNAPSHOT.jar.

▍자바 애플리케이션 실행

폴더로 이동 target 다음 명령으로 애플리케이션을 실행합니다.

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

이 명령을 실행하는 동안 오류가 발생합니다. 수정을 시작하기 위해 스택 추적 데이터에서 예외 세부 정보를 구문 분석할 수 있습니다.

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}"

우리에게 여기서 가장 중요한 것은 의미를 명확히 할 수 없다는 언급입니다. sa.logic.api.url. 오류가 발생한 코드를 분석해 봅시다.

▍자바 애플리케이션 코드 분석

다음은 오류가 발생한 코드 스니펫입니다.

@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. S에서entimentController 들판이 있다 saLogicApiUrl. 그 값은 속성에 의해 설정됩니다. sa.logic.api.url.
2. 선 saLogicApiUrl 값과 연결 /analyse/sentiment. 그들은 함께 텍스트 분석을 수행하는 마이크로서비스를 호출하기 위한 주소를 형성합니다.

▍속성 값 설정

Spring에서 속성 값의 기본 소스는 파일입니다. application.properties에서 찾을 수 있습니다. sa-webapp/src/main/resources. 그러나 그것을 사용하는 것이 속성 값을 설정하는 유일한 방법은 아닙니다. 다음 명령으로도 이 작업을 수행할 수 있습니다.

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

이 속성의 값은 Python 애플리케이션의 주소를 가리켜야 합니다.

이를 구성함으로써 텍스트 구문 분석 요청을 실행하기 위해 이동해야 하는 위치를 Spring 웹 애플리케이션에 알려줍니다.

우리의 삶을 복잡하게 만들지 않기 위해 Python 응용 프로그램을 다음에서 사용할 수 있도록 결정할 것입니다. localhost:5000 그리고 그것을 잊지 않으려고 노력하세요. 결과적으로 Spring 애플리케이션을 시작하는 명령은 다음과 같습니다.

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

시스템에 Python 애플리케이션이 없습니다.

이제 Python 애플리케이션을 실행하기만 하면 시스템이 예상대로 작동합니다.

▍Python 애플리케이션 설정

Python 애플리케이션을 실행하려면 Python 3 및 Pip가 설치되어 있어야 하며 적절한 환경 변수가 올바르게 설정되어 있어야 합니다.

▍종속성 설치

프로젝트 폴더로 이동 sa-logic/sa 다음 명령을 실행합니다.

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

▍앱 실행

종속성이 설치되었으므로 애플리케이션을 실행할 준비가 되었습니다.

python sentiment_analysis.py

이 명령을 실행하면 다음과 같은 메시지가 표시됩니다.

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

이는 응용 프로그램이 실행 중이고 요청을 기다리고 있음을 의미합니다. localhost:5000/

▍코드 연구

요청에 응답하는 방법을 이해하기 위해 Python 애플리케이션 코드를 살펴보겠습니다.

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. 개체 초기화 Flask.
2. POST 요청을 하기 위한 주소 지정.
3. 속성 검색 sentence 요청 본문에서.
4. 익명 객체 초기화 TextBlob 그리고 가치를 얻는 polarity 요청 본문에서 받은 첫 번째 제안에 대해(이 경우 분석을 위해 제출된 유일한 제안입니다).
5. 제안의 텍스트와 이에 대해 계산된 지표를 포함하는 응답을 반환합니다. polarity.
6. 다음에서 사용할 수 있는 Flask 애플리케이션 실행 0.0.0.0:5000 (형식의 구성을 사용하여 액세스할 수도 있습니다. localhost:5000).

이제 애플리케이션을 구성하는 마이크로서비스가 실행 중입니다. 그들은 서로 상호 작용하도록 설정되어 있습니다. 다음은 이 작업 단계에서 애플리케이션 다이어그램의 모습입니다.

애플리케이션을 구성하는 모든 마이크로서비스가 정상 상태가 됩니다.

이제 계속하기 전에 브라우저에서 React 앱을 열고 일부 문장을 구문 분석해 봅니다. 모든 것이 올바르게 완료되면 버튼을 누른 후 Send 텍스트 상자 아래에 분석 결과가 표시됩니다.

다음 섹션에서는 Docker 컨테이너에서 마이크로서비스를 실행하는 방법에 대해 설명합니다. 이는 Kubernetes 클러스터에서 실행할 애플리케이션을 준비하기 위해 필요합니다.

도커 컨테이너

Kubernetes 컨테이너화된 애플리케이션의 배포, 확장 및 관리를 자동화하는 시스템입니다. "컨테이너 오케스트레이터"라고도 합니다. Kubernetes가 컨테이너와 함께 작동하는 경우 이 시스템을 사용하기 전에 먼저 이러한 컨테이너를 확보해야 합니다. 그러나 먼저 컨테이너가 무엇인지에 대해 이야기해 봅시다. 아마도 그것이 무엇인지에 대한 질문에 대한 가장 좋은 대답은 다음에서 찾을 수 있습니다. 선적 서류 비치 도커로:

컨테이너 이미지는 애플리케이션 코드, 런타임 환경, 시스템 도구 및 라이브러리, 설정을 실행하는 데 필요한 모든 것을 포함하는 애플리케이션을 포함하는 경량의 자체 포함 실행 가능 패키지입니다. 컨테이너화된 프로그램은 Linux 및 Windows 환경 모두에서 사용할 수 있으며 인프라에 관계없이 항상 동일하게 작동합니다.

즉, 프로덕션 서버를 포함한 모든 컴퓨터에서 컨테이너를 실행할 수 있으며 모든 환경에서 컨테이너에 포함된 애플리케이션이 동일한 방식으로 작동합니다.

컨테이너의 기능을 탐색하고 애플리케이션을 실행하는 다른 방법과 비교하기 위해 가상 머신과 컨테이너를 사용하여 React 애플리케이션을 제공하는 예를 살펴보겠습니다.

▍가상 머신을 사용하여 React 애플리케이션의 정적 파일 제공

가상 머신을 사용하여 정적 파일의 유지 관리를 구성하려고 하면 다음과 같은 단점이 있습니다.

1. 각 가상 머신이 완전한 운영 체제이기 때문에 리소스를 비효율적으로 사용합니다.
2. 플랫폼 종속성. 일부 로컬 컴퓨터에서 작동하는 것이 프로덕션 서버에서는 제대로 작동하지 않을 수 있습니다.
3. 가상 머신 솔루션의 느리고 리소스 집약적인 확장.

가상 머신에서 실행되는 정적 파일을 제공하는 Nginx 웹 서버

유사한 문제를 해결하기 위해 컨테이너를 사용하는 경우 가상 머신과 비교할 때 다음과 같은 강점을 확인할 수 있습니다.

1. 리소스의 효율적인 사용: Docker를 사용하여 운영 체제와 작업합니다.
2. 플랫폼 독립성. 개발자가 자신의 컴퓨터에서 실행할 수 있는 컨테이너는 어디에서나 실행됩니다.
3. 이미지 레이어 사용을 통한 경량 배포.

컨테이너에서 실행되는 정적 파일을 제공하는 Nginx 웹 서버

우리는 가상 머신과 컨테이너를 몇 가지 지점에서 비교했을 뿐이지만 그것만으로도 컨테이너의 강점을 느끼기에 충분합니다. 여기에 Docker 컨테이너에 대한 세부 정보를 찾을 수 있습니다.

▍React 앱용 컨테이너 이미지 빌드

Docker 컨테이너의 기본 빌딩 블록은 파일입니다. Dockerfile. 이 파일의 시작 부분에 컨테이너의 기본 이미지가 기록된 다음 애플리케이션의 요구 사항을 충족하는 컨테이너를 만드는 방법을 나타내는 일련의 지침이 포함됩니다.

파일 작업을 시작하기 전에 Dockerfile, Nginx 서버에 업로드하기 위해 React 애플리케이션의 파일을 준비하기 위해 수행한 작업을 기억하십시오.

1. React 앱 패키지 빌드(npm run build).
2. Nginx 서버를 시작합니다.
3. 디렉토리 내용 복사 build 프로젝트 폴더에서 sa-frontend 서버 폴더에 nginx/html.

아래에서 컨테이너 생성과 로컬 컴퓨터에서 수행되는 위 작업 사이의 유사점을 볼 수 있습니다.

▍SA-Frontend 애플리케이션을 위한 Dockerfile 준비

에 포함될 지침 Dockerfile 신청을 위해 SA-Frontend, 단 두 팀으로 구성됩니다. 사실 Nginx 개발팀은 기본적으로 이미지 이미지를 빌드하는 데 사용할 Nginx의 경우. 설명해야 할 두 단계는 다음과 같습니다.

1. Nginx 이미지를 이미지의 기반으로 만들어야 합니다.
2. 폴더 내용 sa-frontend/build 이미지 폴더에 복사해야 합니다. nginx/html.

이 설명에서 파일로 이동하면 Dockerfile, 그러면 다음과 같이 표시됩니다.

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

보시다시피 여기의 모든 것은 매우 간단하지만 파일의 내용은 읽기 쉽고 이해하기 쉽습니다. 이 파일은 시스템에 이미지를 가져오도록 지시합니다. nginx 이미 가지고 있는 모든 것을 포함하고 디렉토리의 내용을 복사합니다. build 디렉토리로 nginx/html.

폴더에서 파일을 정확히 복사할 위치를 아는 방법에 대한 질문이 있을 수 있습니다. build, 즉 경로는 어디에서 왔습니까? /usr/share/nginx/html. 사실 여기에도 복잡한 것은 없습니다. 사실 관련 정보는 다음에서 찾을 수 있습니다. 설명 영상.

▍이미지를 조합하여 저장소에 업로드

완성된 이미지로 작업하려면 이미지 저장소에 이미지를 제출해야 합니다. 이를 위해 무료 클라우드 기반 이미지 호스팅 플랫폼인 Docker Hub를 사용합니다. 이 작업 단계에서 다음을 수행해야 합니다.

1. 설치 도커.
2. Docker Hub 사이트에 등록하십시오.
3. 터미널에서 다음 명령을 실행하여 계정에 로그인합니다.

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

이제 터미널을 사용하여 디렉토리로 이동해야 합니다. sa-frontend 거기에서 다음 명령을 실행하십시오.

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

유사한 명령에서 여기와 아래 $DOCKER_USER_ID Docker Hub에서 사용자 이름으로 바꿔야 합니다. 예를 들어 명령의 이 부분은 다음과 같습니다. rinormaloku/sentiment-analysis-frontend.

이 경우 이 명령을 제거하여 단축할 수 있습니다. -f Dockerfile, 이 명령을 실행하는 폴더에 이미 이 파일이 있기 때문입니다.

완성된 이미지를 리포지토리로 보내려면 다음 명령이 필요합니다.

docker push $DOCKER_USER_ID/sentiment-analysis-frontend

완료한 후 Docker Hub의 리포지토리 목록을 확인하여 이미지가 클라우드 저장소에 성공적으로 푸시되었는지 확인합니다.

▍컨테이너 시작하기

이제 누구나 다운로드하여 실행할 수 있습니다. $DOCKER_USER_ID/sentiment-analysis-frontend. 이렇게 하려면 다음 명령 시퀀스를 실행해야 합니다.

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

이제 컨테이너가 실행 중이며 필요한 다른 이미지를 생성하여 계속 작업할 수 있습니다. 하지만 계속하기 전에 디자인을 이해합시다. 80:80, 이미지를 실행하는 명령에 있으며 혼란스러워 보일 수 있습니다.

• 첫 번째 숫자 80 호스트(즉, 로컬 컴퓨터)의 포트 번호입니다.
• 두 번째 숫자 80 요청을 리디렉션해야 하는 컨테이너의 포트입니다.

다음 그림을 고려하십시오.

포트 포워딩

시스템은 포트에서 요청을 전달합니다. <hostPort> 포트당 <containerPort>. 즉, 포트에 액세스 80 컴퓨터가 포트로 리디렉션됨 80 컨테이너.

항구 이후 80 로컬 컴퓨터에서 응용 프로그램을 열면 다음 위치에서 이 컴퓨터에서 응용 프로그램에 액세스할 수 있습니다. localhost:80. 시스템이 Docker를 지원하지 않는 경우 Docker 가상 머신에서 애플리케이션을 실행할 수 있습니다. 주소는 다음과 같습니다. <docker-machine ip>:80. Docker 가상 머신의 IP 주소를 찾으려면 다음 명령을 사용할 수 있습니다. docker-machine ip.

이 시점에서 프런트 엔드 앱 컨테이너가 성공적으로 시작되면 브라우저에서 해당 페이지를 열 수 있어야 합니다.

▍.dockerignore 파일

애플리케이션 이미지 빌드 SA-Frontend, 이 프로세스가 매우 느리다는 것을 알 수 있습니다. 이는 이미지 빌드 컨텍스트를 Docker 데몬으로 보내야 하기 때문입니다. 빌드 컨텍스트를 나타내는 디렉토리는 명령의 마지막 인수로 제공됩니다. docker build. 우리의 경우 이 명령 끝에 점이 있습니다. 이로 인해 다음 구조가 어셈블리 컨텍스트에 포함됩니다.

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

그러나 여기에 있는 모든 폴더 중에서 폴더만 필요합니다. build. 다른 것을 다운로드하는 것은 시간 낭비입니다. 무시할 디렉터리를 Docker에 지정하여 빌드 속도를 높일 수 있습니다. 이를 위해서는 파일이 필요합니다. .dockerignore. 당신은 파일에 익숙하다면 .gitignore, 이 파일의 구조는 아마도 친숙해 보일 것입니다. 이미지 빌드 시스템이 무시할 수 있는 디렉터리를 나열합니다. 우리의 경우 이 파일의 내용은 다음과 같습니다.

node_modules
src
public

파일 .dockerignore 파일과 같은 폴더에 있어야 합니다. Dockerfile. 이제 이미지를 조립하는 데 몇 초가 걸립니다.

이제 자바 애플리케이션의 이미지를 다루겠습니다.

▍자바 애플리케이션용 컨테이너 이미지 빌드

무엇을 알고 있으며 컨테이너 이미지를 만드는 데 필요한 모든 것을 이미 배웠습니다. 이것이 이 섹션이 매우 짧은 이유입니다.

파일 열기 Dockerfile, 프로젝트 폴더에 있습니다. sa-webapp. 이 파일의 텍스트를 읽으면 키워드로 시작하는 두 개의 새로운 구조만 만날 수 있습니다. ENV и EXPOSE:

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

키워드 ENV Docker 컨테이너 내에서 환경 변수를 선언할 수 있습니다. 특히 우리의 경우 텍스트 분석을 수행하는 애플리케이션의 API에 액세스하기 위한 URL을 설정할 수 있습니다.

키워드 EXPOSE Docker에게 포트를 열도록 지시할 수 있습니다. 응용 프로그램을 사용하는 동안 이 포트를 사용할 것입니다. 여기서 당신은 그것을 볼 수 있습니다 Dockerfile 신청을 위해 SA-Frontend 그런 명령이 없습니다. 이것은 문서화 목적만을 위한 것입니다. 즉, 이 구조는 독자를 위한 것입니다. Dockerfile.

이미지를 빌드하고 리포지토리로 푸시하는 것은 이전 예제와 똑같습니다. 아직 자신의 능력에 자신이 없다면 파일에서 해당 명령을 찾을 수 있습니다. README.md 폴더에 sa-webapp.

▍Python 애플리케이션용 컨테이너 이미지 빌드

파일 내용을 보면 Dockerfile 폴더에 sa-logic당신은 거기에서 새로운 것을 찾지 못할 것입니다. 이미지를 빌드하고 리포지토리로 푸시하는 명령은 이미 익숙할 것입니다. 그러나 다른 응용 프로그램의 경우와 마찬가지로 파일에서 찾을 수 있습니다. README.md 폴더에 sa-logic.

▍컨테이너화된 애플리케이션 테스트

테스트하지 않은 것을 신뢰할 수 있습니까? 나도 못해. 컨테이너를 테스트해 보겠습니다.

1. 애플리케이션 컨테이너를 시작하겠습니다. sa-logic 포트에서 수신 대기하도록 구성 5050:

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

2. 애플리케이션 컨테이너를 시작하겠습니다. sa-webapp 포트에서 수신 대기하도록 구성 8080. 또한 환경 변수를 재할당하여 Python 애플리케이션이 Java 애플리케이션의 요청을 수신할 포트를 설정해야 합니다. 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

컨테이너 또는 Docker VM의 IP 주소를 찾는 방법은 파일을 참조하십시오. README.

애플리케이션 컨테이너를 시작하겠습니다. sa-frontend:

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

이제 모든 것이 브라우저에서 주소로 이동할 준비가 되었습니다. localhost:80 앱을 테스트합니다.

포트를 변경하는 경우 sa-webapp또는 Docker VM을 실행 중인 경우 파일을 편집해야 합니다. App.js 폴더에서 sa-frontend메서드에서 IP 주소 또는 포트 번호를 변경하여 analyzeSentence()오래된 데이터 대신 현재 정보를 대체하여. 그런 다음 이미지를 다시 조립하고 사용해야 합니다.

이것이 현재 애플리케이션 다이어그램의 모습입니다.

컨테이너에서 실행되는 마이크로서비스

요약: Kubernetes 클러스터가 필요한 이유는 무엇입니까?

방금 파일을 검토했습니다. Dockerfile, 이미지를 빌드하고 Docker 리포지토리에 푸시하는 방법에 대해 이야기했습니다. 또한 파일을 사용하여 이미지 조립 속도를 높이는 방법을 배웠습니다. .dockerignore. 결과적으로 우리의 마이크로서비스는 현재 Docker 컨테이너에서 실행되고 있습니다. 여기서 쿠버네티스가 필요한 이유에 대한 완전히 정당한 질문이 있을 수 있습니다. 이 질문에 대한 답은 이 자료의 두 번째 부분에서 다룰 것입니다. 그 동안 다음 질문을 고려하십시오.
텍스트 분석 웹 애플리케이션이 전 세계적으로 인기를 얻었다고 가정해 보겠습니다. 매분 수백만 건의 요청이 그에게 옵니다. 이는 마이크로서비스가 sa-webapp и sa-logic 엄청난 스트레스를 받게 됩니다. 마이크로서비스를 실행하는 컨테이너를 확장하는 방법은 무엇입니까?

출처 : habr.com