🥇द कुबर्नेट्स गाइड, भाग १: एप्लिकेसन, माइक्रोसर्भिसेस, र कन्टेनर

हाम्रो अनुरोधमा, Habr ले एउटा हब सिर्जना गर्यो कुबर्नेट्स र हामी यसमा पहिलो प्रकाशन राख्न पाउँदा खुसी छौं। सदस्यता लिनुहोस्!

Kubernetes सजिलो छ। किन बैंकहरूले मलाई यस क्षेत्रमा काम गर्न धेरै पैसा तिर्छन्, जबकि कसैले केही घण्टामा यो प्रविधि मास्टर गर्न सक्छ?

यदि तपाईलाई शंका छ कि Kubernetes यति चाँडै सिक्न सकिन्छ, म सुझाव दिन्छु कि तपाई आफैले प्रयास गर्नुहोस्। अर्थात्, यो सामग्रीमा महारत हासिल गरिसकेपछि, तपाइँ कुबेरनेट क्लस्टरमा माइक्रोसर्भिसेसहरूमा आधारित अनुप्रयोग चलाउन सक्षम हुनुहुनेछ। म यसको ग्यारेन्टी गर्न सक्छु, किनकि यो यहाँ प्रयोग गरिएको उही विधि हो जुन मैले हाम्रा ग्राहकहरूलाई Kubernetes सँग काम गर्न सिकाउँछु। यो गाइडलाई अरूभन्दा के फरक छ? वास्तवमा, त्यहाँ धेरै चीजहरू छन्। त्यसोभए, यी अधिकांश सामग्रीहरू साधारण चीजहरूको व्याख्याको साथ सुरू हुन्छन् - कुबेरनेटका अवधारणाहरू र कुबेक्टल आदेशका सुविधाहरू। यी सामग्रीका लेखकहरूले मान्छन् कि तिनीहरूका पाठकहरू अनुप्रयोग विकास, माइक्रोसेवाहरू, र डकर कन्टेनरहरूसँग परिचित छन्। हामी अर्को बाटो जानेछौं। पहिले, हामी कम्प्युटरमा माइक्रोसर्भिसेसहरूमा आधारित अनुप्रयोग कसरी चलाउने भन्ने बारे कुरा गर्नेछौं। त्यसपछि हामी प्रत्येक microservice को लागि कन्टेनर छविहरू निर्माण हेर्नेछौं। र त्यस पछि, हामी Kubernetes सँग परिचित हुनेछौं र Kubernetes द्वारा व्यवस्थित क्लस्टरमा microservices मा आधारित अनुप्रयोग तैनात गर्ने बारे हेर्नेछौं।

यो दृष्टिकोण, कुबर्नेट्समा क्रमिक दृष्टिकोणको साथ, कुबर्नेट्समा सबै कुरा कसरी काम गर्दछ भनेर बुझ्नको लागि औसत व्यक्तिको लागि आवश्यक के भइरहेको छ भनेर बुझ्नको गहिराइ दिनेछ। Kubernetes पक्कै पनि एक सरल प्रविधि हो, यदि यो सिक्न चाहनेहरूलाई यो कहाँ र कसरी प्रयोग गरिन्छ भनेर थाहा हुन्छ।

अब, थप विज्ञापन बिना, सुरु गरौं र हामीले काम गर्ने अनुप्रयोगको बारेमा कुरा गरौं।

प्रयोगात्मक आवेदन

हाम्रो अनुप्रयोगले मात्र एक प्रकार्य प्रदर्शन गर्नेछ। यसले इनपुटको रूपमा एउटा वाक्य लिन्छ, त्यसपछि, पाठ विश्लेषण उपकरणहरू प्रयोग गरेर, यसले वाक्यको लेखकको भावनात्मक मनोवृत्तिको एक निश्चित वस्तुको मूल्याङ्कन प्राप्त गर्दै, यो वाक्यको भावना विश्लेषण गर्दछ।

यो यस अनुप्रयोगको मुख्य विन्डो जस्तो देखिन्छ।

पाठहरूको भावना विश्लेषणको लागि वेब अनुप्रयोग

प्राविधिक दृष्टिकोणबाट, एप्लिकेसनले तीनवटा माइक्रोसर्भिसेसहरू समावेश गर्दछ, जसमध्ये प्रत्येकले समस्याहरूको एक निश्चित सेट समाधान गर्दछ:

SA-Frontend एक Nginx वेब सर्भर हो जसले स्थिर प्रतिक्रिया फाइलहरू सेवा गर्दछ।
SA-WebApp जाभामा लेखिएको वेब अनुप्रयोग हो जसले फ्रन्टएन्डबाट अनुरोधहरू प्रशोधन गर्दछ।
SA-Logic एक पाइथन अनुप्रयोग हो जसले पाठमा भावना विश्लेषण गर्दछ।

यो नोट गर्न महत्त्वपूर्ण छ कि माइक्रो सेवाहरू अलगावमा अवस्थित छैनन्। तिनीहरूले "जिम्मेवारीहरूको विभाजन" को विचार लागू गर्छन्, तर एकै समयमा तिनीहरूले एकअर्कासँग अन्तरक्रिया गर्न आवश्यक छ।

अनुप्रयोगमा डाटा प्रवाह

माथिको रेखाचित्रमा, तपाइँ प्रणालीको संख्यात्मक चरणहरू देख्न सक्नुहुन्छ, अनुप्रयोगमा डेटा प्रवाहको चित्रण गर्दै। तिनीहरूलाई हेरौं:

ब्राउजरले सर्भरबाट फाइल अनुरोध गर्दछ index.html (जुन, बारीमा, प्रतिक्रिया अनुप्रयोग प्याकेज डाउनलोड गर्दछ)।
प्रयोगकर्ताले अनुप्रयोगसँग अन्तर्क्रिया गर्दछ, यसले वसन्त-आधारित वेब अनुप्रयोगमा कल गर्दछ।
वेब अनुप्रयोगले पाइथन अनुप्रयोगमा पाठ विश्लेषण गर्न अनुरोध फर्वार्ड गर्दछ।
पाइथन अनुप्रयोगले पाठको भावना विश्लेषण गर्छ र अनुरोधको प्रतिक्रियाको रूपमा परिणाम फर्काउँछ।
वसन्त अनुप्रयोगले प्रतिक्रिया अनुप्रयोगमा प्रतिक्रिया पठाउँछ (जसले, प्रयोगकर्तालाई पाठ विश्लेषणको परिणाम देखाउँछ)।

यी सबै अनुप्रयोगहरूको लागि कोड फेला पार्न सकिन्छ यहाँ। म सुझाव दिन्छु कि तपाई अहिले यो भण्डार आफैंको लागि प्रतिलिपि गर्नुहोस्, किनकि हामी अगाडि धेरै रोचक प्रयोगहरू छन्।

तपाईको स्थानीय मेसिनमा माइक्रोसर्भिसेस-आधारित अनुप्रयोग चलाउँदै

एप्लिकेसनले काम गर्नको लागि, हामीले तीनवटै माइक्रोसर्भिसेसहरू सुरु गर्नुपर्छ। ती सबैको सबैभन्दा प्यारोसँग सुरु गरौं - फ्रन्ट-एन्ड अनुप्रयोग।

▍स्थानीय विकासको लागि प्रतिक्रिया सेट अप गर्नुहोस्

प्रतिक्रिया अनुप्रयोग चलाउनको लागि, तपाईंले आफ्नो कम्प्युटरमा Node.js प्लेटफर्म र NPM स्थापना गर्न आवश्यक छ। एकचोटि तपाईंले यो सबै स्थापना गरेपछि, तपाईंको प्रोजेक्ट फोल्डरमा नेभिगेट गर्न टर्मिनल प्रयोग गर्नुहोस् sa-frontend र निम्न आदेश चलाउनुहोस्:

npm install

फोल्डरमा यो आदेश चलाएर node_modules प्रतिक्रिया अनुप्रयोगको निर्भरताहरू लोड हुनेछन्, जसका रेकर्डहरू फाइलमा छन् package.json। एउटै फोल्डरमा निर्भरताहरू डाउनलोड भएपछि, निम्न आदेश चलाउनुहोस्:

npm start

यति नै। अब प्रतिक्रिया अनुप्रयोग चलिरहेको छ, तपाईंले आफ्नो ब्राउजरमा निम्न ठेगानामा गएर यसलाई पहुँच गर्न सक्नुहुन्छ: localhost:3000। तपाईं यसको कोडमा केहि परिवर्तन गर्न सक्नुहुन्छ। तपाईंले तुरुन्तै ब्राउजरमा यी परिवर्तनहरूको प्रभाव देख्नुहुनेछ। यो तथाकथित "तातो" मोड्युलहरूको प्रतिस्थापनको लागि सम्भव छ। यसले फ्रन्ट-एन्ड विकासलाई सरल र रमाइलो अनुभव बनाउँछ।

▍उत्पादनको लागि प्रतिक्रिया अनुप्रयोग तयार गर्दै

वास्तवमा प्रतिक्रिया अनुप्रयोग प्रयोग गर्ने उद्देश्यको लागि, हामीले यसलाई स्थिर फाइलहरूको सेटमा रूपान्तरण गर्न र वेब सर्भर प्रयोग गरेर ग्राहकहरूलाई सेवा दिन आवश्यक छ।

React अनुप्रयोग निर्माण गर्न, फेरि टर्मिनल प्रयोग गरेर, फोल्डरमा नेभिगेट गर्नुहोस् sa-frontend र निम्न आदेश चलाउनुहोस्:

npm run build

यसले परियोजना फोल्डरमा डाइरेक्टरी सिर्जना गर्नेछ build। यसले प्रतिक्रिया अनुप्रयोगले काम गर्नका लागि आवश्यक सबै स्थिर फाइलहरू समावेश गर्दछ।

▍ Nginx प्रयोग गरेर स्थिर फाइलहरू सेवा गर्दै

पहिले तपाईंले Nginx वेब सर्भर स्थापना र चलाउन आवश्यक छ। यो छ तपाइँ यसलाई डाउनलोड गर्न सक्नुहुन्छ र यसलाई कसरी स्थापना गर्ने र चलाउने बारे निर्देशनहरू फेला पार्न सक्नुहुन्छ। त्यसपछि तपाईंले फोल्डरको सामग्री प्रतिलिपि गर्न आवश्यक छ sa-frontend/build फोल्डरमा [your_nginx_installation_dir]/html.

यस दृष्टिकोणको साथ, प्रतिक्रिया अनुप्रयोगको निर्माण प्रक्रियाको क्रममा उत्पन्न भएको फाइल index.html मा उपलब्ध हुनेछ [your_nginx_installation_dir]/html/index.html। यो फाइल हो जुन, पूर्वनिर्धारित रूपमा, Nginx सर्भरले यसलाई पहुँच गर्दा उत्पादन गर्दछ। सर्भर पोर्टमा सुन्न कन्फिगर गरिएको छ 80, तर यो फाइल सम्पादन गरेर तपाईंलाई चाहिने तरिका अनुकूलित गर्न सकिन्छ [your_nginx_installation_dir]/conf/nginx.conf.

अब तपाइँको ब्राउजर खोल्नुहोस् र जानुहोस् localhost:80। तपाईंले प्रतिक्रिया आवेदन पृष्ठ देख्नुहुनेछ।

Nginx सर्भर द्वारा सेवा आवेदन प्रतिक्रिया

यदि तपाइँ अब क्षेत्र मा केहि प्रविष्ट गर्नुहोस् Type your sentence र बटन थिच्नुहोस् Send -केही हुने छैन। तर, यदि तपाइँ कन्सोलमा हेर्नुहुन्छ भने, तपाइँ त्यहाँ त्रुटि सन्देशहरू देख्न सक्नुहुन्छ। वास्तवमा यी त्रुटिहरू कहाँ हुन्छन् भनेर बुझ्नको लागि, एप्लिकेसन कोडको विश्लेषण गरौं।

▍फ्रन्ट-एन्ड अनुप्रयोग कोड विश्लेषण

फाइल कोड हेर्दै App.js, हामी त्यो बटन थिचेर देख्न सक्छौं Send विधि बोलाउँछन् analyzeSentence()। यस विधिको लागि कोड तल दिइएको छ। कृपया ध्यान दिनुहोस् कि प्रत्येक लाइनको लागि फारमको टिप्पणी छ # Номер, त्यहाँ कोड तल दिइएको व्याख्या छ। हामी अन्य कोडका टुक्राहरूलाई पनि त्यस्तै रूपमा विश्लेषण गर्नेछौं।

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 अनुरोध गरिएको URL। यो ठेगानामा एउटा अनुप्रयोग छ जुन त्यस्ता अनुरोधहरूको अपेक्षा गर्दछ भन्ने मानिन्छ।

2.अनुरोध निकायले आवेदनमा पठाएको छ। यहाँ एउटा उदाहरण अनुरोध निकाय हो:

{
    sentence: "I like yogobella!"
}

3.जब अनुरोधको प्रतिक्रिया प्राप्त हुन्छ, कम्पोनेन्टको अवस्था अद्यावधिक हुन्छ। यसले कम्पोनेन्टलाई पुन: रेन्डर गर्न निम्त्याउँछ। यदि हामीले डेटा प्राप्त गर्यौं (अर्थात, इनपुट डेटा र गणना गरिएको पाठ स्कोर भएको JSON वस्तु), हामी कम्पोनेन्ट आउटपुट गर्नेछौं। Polarity, उपयुक्त सर्तहरू पूरा हुनेछ। यसरी हामी कम्पोनेन्टको वर्णन गर्छौं:

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

कोडले राम्रोसँग काम गरेको देखिन्छ। जे भए पनि, यसमा के गलत छ? यदि तपाइँ मान्नुहुन्छ कि ठेगानामा जुन ठेगानामा एप्लिकेसनले POST अनुरोध पठाउन कोशिस गरिरहेको छ, त्यहाँ यो अनुरोध स्वीकार गर्न र प्रशोधन गर्न सक्ने केहि छैन, तब तपाइँ बिल्कुल सही हुनुहुनेछ। अर्थात्, मा प्राप्त अनुरोधहरू प्रशोधन गर्न http://localhost:8080/sentiment, हामीले वसन्तमा आधारित वेब अनुप्रयोग चलाउन आवश्यक छ।

हामीलाई POST अनुरोध स्वीकार गर्न सक्ने वसन्त आवेदन चाहिन्छ

▍एक वसन्त आधारित वेब अनुप्रयोग सेटअप

वसन्त अनुप्रयोग डिप्लोय गर्नको लागि, तपाईंलाई JDK8 र Maven र राम्रोसँग कन्फिगर गरिएको वातावरणीय चरहरू आवश्यक पर्दछ। एकचोटि तपाईंले यी सबै स्थापना गरेपछि, तपाईं हाम्रो परियोजनामा काम जारी राख्न सक्नुहुन्छ।

▍एप्लिकेसनलाई जार फाइलमा प्याकेज गर्ने

नेभिगेट गर्नुहोस्, टर्मिनल प्रयोग गरेर, फोल्डरमा sa-webapp र निम्न आदेश प्रविष्ट गर्नुहोस्:

mvn install

फोल्डरमा यो आदेश चलाउन पछि sa-webapp निर्देशिका बनाइनेछ target। यो जहाँ Java अनुप्रयोग अवस्थित हुनेछ, जार फाइलमा प्याकेज गरिएको छ, फाइलद्वारा प्रतिनिधित्व गरिएको छ sentiment-analysis-web-0.0.1-SNAPSHOT.jar.

▍ Java अनुप्रयोग चलाउँदै

फोल्डरमा जानुहोस् target र निम्न आदेश संग अनुप्रयोग चलाउनुहोस्:

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

यो आदेश कार्यान्वयन गर्दा त्रुटि देखा पर्नेछ। यसलाई ठीक गर्न सुरु गर्न, हामी स्ट्याक ट्रेस डाटामा अपवाद विवरणहरू विश्लेषण गर्न सक्छौं:

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}"

हाम्रो लागि, यहाँ सबैभन्दा महत्त्वपूर्ण कुरा अर्थ स्पष्ट गर्न असम्भव को उल्लेख छ sa.logic.api.url। कोडको विश्लेषण गरौं जसमा त्रुटि हुन्छ।

▍जाभा अनुप्रयोग कोड विश्लेषण

यहाँ कोड स्निपेट छ जहाँ त्रुटि हुन्छ।

@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();
    }
}

मा एसentimentController त्यहाँ एक क्षेत्र छ saLogicApiUrl। यसको मूल्य सम्पत्ति द्वारा निर्दिष्ट गरिएको छ sa.logic.api.url.
लाइन saLogicApiUrl मूल्य संग जोडिएको छ /analyse/sentiment। सँगै तिनीहरूले पाठ विश्लेषण गर्ने माइक्रो सेवामा कल गर्नको लागि ठेगाना बनाउँछन्।

▍एक सम्पत्ति मूल्य सेट गर्नुहोस्

वसन्तमा, सम्पत्ति मानहरूको मानक स्रोत फाइल हो application.properties, जुन मा फेला पार्न सकिन्छ sa-webapp/src/main/resources। तर यसको प्रयोग सम्पत्ति मानहरू सेट गर्ने एक मात्र तरिका होइन। यो निम्न आदेश प्रयोग गरेर पनि गर्न सकिन्छ:

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

यस सम्पत्तीको मूल्यले हाम्रो पाइथन अनुप्रयोगको ठेगानालाई संकेत गर्नुपर्छ।

यसलाई कन्फिगर गरेर, हामी वसन्त वेब अनुप्रयोगलाई पाठ विश्लेषण अनुरोधहरू प्रदर्शन गर्न जानुपर्ने आवश्यकता बताउँछौं।

हाम्रो जीवनलाई जटिल नबनाउनको लागि, हामी निर्णय गर्नेछौं कि पाइथन अनुप्रयोग उपलब्ध हुनेछ localhost:5000 र यसको बारेमा नबिर्सने प्रयास गरौं। नतिजाको रूपमा, वसन्त अनुप्रयोग सुरू गर्न आदेश यस्तो देखिन्छ:

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

हाम्रो प्रणालीमा पाइथन अनुप्रयोग छुटेको छ

अब हामीले गर्नुपर्ने भनेको पाइथन अनुप्रयोग चलाउनु हो र प्रणालीले अपेक्षित रूपमा काम गर्नेछ।

▍पाइथन अनुप्रयोग सेटअप गर्दै

पाइथन एप्लिकेसन चलाउनको लागि, तपाइँसँग पाइथन 3 र Pip स्थापित हुनुपर्छ, र उपयुक्त वातावरण चरहरू सही रूपमा सेट हुनुपर्छ।

▍निर्भरताहरू स्थापना गर्दै

आफ्नो परियोजना फोल्डरमा जानुहोस् sa-logic/sa र निम्न आदेशहरू चलाउनुहोस्:

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

▍अनुप्रयोग सुरु गर्नुहोस्

निर्भरताहरू स्थापना गरेपछि, हामी अनुप्रयोग चलाउन तयार छौं:

python sentiment_analysis.py

यो आदेश चलाएपछि हामीलाई निम्न भनिनेछ:

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

यसको मतलब अनुप्रयोग चलिरहेको छ र अनुरोधहरूको लागि पर्खिरहेको छ localhost:5000/

▍कोड अनुसन्धान

पाइथन एप्लिकेसन कोडलाई हेरौं यसले कसरी अनुरोधहरूलाई प्रतिक्रिया दिन्छ भनेर बुझ्नको लागि:

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

वस्तु प्रारम्भ गर्दै Flask.
POST अनुरोधहरू प्रदर्शन गर्नको लागि ठेगाना निर्दिष्ट गर्दै।
एक सम्पत्ति पुन: प्राप्त गर्दै sentence अनुरोध निकायबाट।
बेनामी वस्तु प्रारम्भ गर्दै TextBlob र मूल्य प्राप्त गर्दै polarity अनुरोधको मुख्य भागमा प्राप्त भएको पहिलो वाक्यको लागि (हाम्रो अवस्थामा, यो विश्लेषणको लागि पठाइएको मात्र वाक्य हो)।
जवाफ फर्काउँदै जसको शरीरमा वाक्यको पाठ र यसको लागि गणना गरिएको सूचक समावेश छ polarity.
एउटा फ्लास्क अनुप्रयोग सुरु गर्नुहोस्, जुन मा उपलब्ध हुनेछ 0.0.0.0:5000 (तपाईले फारमको निर्माण प्रयोग गरेर पनि पहुँच गर्न सक्नुहुन्छ localhost:5000).

एप्लिकेसन बनाउने माइक्रोसर्भिसहरू अहिले चलिरहेका छन्। तिनीहरू एकअर्कासँग अन्तरक्रिया गर्न ट्युन छन्। यो काम को यो चरण मा आवेदन रेखाचित्र जस्तो देखिन्छ।

एप्लिकेसन बनाउने सबै माइक्रोसेवाहरू कार्य क्रममा ल्याइन्छ

अब, तपाइँ जारी राख्नु अघि, ब्राउजरमा तपाइँको प्रतिक्रिया अनुप्रयोग खोल्नुहोस् र यसको साथ केहि वाक्य पार्स गर्ने प्रयास गर्नुहोस्। यदि सबै कुरा सही छ भने - बटन थिचे पछि Send तपाईंले पाठ फिल्डको तल विश्लेषण परिणामहरू देख्नुहुनेछ।

अर्को खण्डमा, हामी डकर कन्टेनरहरूमा हाम्रो माइक्रोसर्विसेसहरू कसरी चलाउने भन्ने बारे कुरा गर्नेछौं। Kubernetes क्लस्टरमा चलाउनको लागि अनुप्रयोग तयार गर्न यो आवश्यक छ।

डकर कन्टेनरहरू

कुबर्नेट्स कन्टेनराइज्ड एप्लिकेसनहरूको डिप्लोइमेन्ट, स्केलिंग र व्यवस्थापनको लागि स्वचालित प्रणाली हो। यसलाई "कन्टेनर अर्केस्ट्रेटर" पनि भनिन्छ। यदि Kubernetes कन्टेनरहरूसँग काम गर्दछ, तब यो प्रणाली प्रयोग गर्नु अघि हामीले पहिले यी कन्टेनरहरू प्राप्त गर्नुपर्छ। तर पहिले, कन्टेनर के हो भन्ने बारे कुरा गरौं। सायद यो के हो भन्ने प्रश्नको सबैभन्दा राम्रो जवाफ पाउन सकिन्छ कागजात डकरलाई:

कन्टेनर छवि एक हल्का वजन, आत्म-निहित, कार्यान्वयनयोग्य प्याकेज हो जुन एउटा अनुप्रयोग समावेश गर्दछ, जसमा यसलाई चलाउन आवश्यक सबै समावेश हुन्छ: अनुप्रयोग कोड, कार्यान्वयन वातावरण, प्रणाली उपकरण र पुस्तकालयहरू, सेटिङहरू। कन्टेनराइज्ड प्रोग्रामहरू लिनक्स र विन्डोज वातावरणहरूमा प्रयोग गर्न सकिन्छ, र तिनीहरू सधैं पूर्वाधारको पर्वाह नगरी समान काम गर्नेछन्।

यसको मतलब कन्टेनरहरू उत्पादन सर्भरहरू सहित कुनै पनि कम्प्युटरमा चलाउन सकिन्छ, र तिनीहरूमा रहेका अनुप्रयोगहरूले कुनै पनि वातावरणमा समान काम गर्नेछन्।

कन्टेनरका सुविधाहरू अन्वेषण गर्न र अनुप्रयोगहरू चलाउने अन्य तरिकाहरूसँग तुलना गर्न, भर्चुअल मेसिन र कन्टेनर प्रयोग गरेर प्रतिक्रिया अनुप्रयोग सेवा गर्ने उदाहरण हेरौं।

▍ भर्चुअल मेसिन प्रयोग गरेर प्रतिक्रिया अनुप्रयोगको स्थिर फाइलहरू सेवा गर्दै

भर्चुअल मेसिनहरू प्रयोग गरेर स्थिर फाइलहरूको सेवा व्यवस्थित गर्न प्रयास गर्दै, हामी निम्न बेफाइदाहरू सामना गर्नेछौं:

स्रोतहरूको अकुशल प्रयोग, किनकि प्रत्येक भर्चुअल मेसिन एक पूर्ण अपरेटिङ सिस्टम हो।
प्लेटफर्म निर्भरता। स्थानीय कम्प्युटरमा काम गर्ने कुरा उत्पादन सर्भरमा काम नगर्न सक्छ।
भर्चुअल मेसिन-आधारित समाधानको ढिलो र संसाधन-गहन स्केलिंग।

Nginx वेब सर्भर भर्चुअल मेसिनमा चलिरहेको स्थिर फाइलहरू सेवा गर्दै

यदि कन्टेनरहरू समान समस्या समाधान गर्न प्रयोग गरिन्छ भने, भर्चुअल मेसिनहरूको तुलनामा, निम्न शक्तिहरू नोट गर्न सकिन्छ:

स्रोतहरूको कुशल प्रयोग: डकर प्रयोग गरेर अपरेटिङ सिस्टमसँग काम गर्दै।
प्लेटफर्म स्वतन्त्र। एक कन्टेनर जुन एक विकासकर्ताले आफ्नो कम्प्युटरमा चलाउन सक्छ जहाँ पनि काम गर्नेछ।
छवि तहहरूको प्रयोग मार्फत हल्का तैनाथ।

कन्टेनरमा चलिरहेको स्थिर फाइलहरू सेवा गर्ने Nginx वेब सर्भर

हामीले भर्चुअल मेशिनहरू र कन्टेनरहरू केही बिन्दुहरूमा मात्र तुलना गरेका छौं, तर यो पनि कन्टेनरहरूको शक्तिको लागि महसुस गर्न पर्याप्त छ। यो छ तपाईंले डकर कन्टेनरहरूको बारेमा विवरणहरू फेला पार्न सक्नुहुन्छ।

▍ प्रतिक्रिया अनुप्रयोगको लागि कन्टेनर छवि निर्माण गर्दै

डकर कन्टेनरको आधारभूत निर्माण ब्लक फाइल हो Dockerfile। यस फाइलको सुरुमा, कन्टेनरको आधार छविको रेकर्ड बनाइएको छ, त्यसपछि त्यहाँ एक निश्चित अनुप्रयोगको आवश्यकताहरू पूरा गर्ने कन्टेनर कसरी सिर्जना गर्ने भनेर संकेत गर्ने निर्देशनहरूको अनुक्रम छ।

हामीले फाइलसँग काम सुरु गर्नु अघि DockerfileNginx सर्भरमा अपलोड गर्नको लागि प्रतिक्रिया अनुप्रयोग फाइलहरू तयार गर्न हामीले के गर्यौं सम्झौं:

एक प्रतिक्रिया आवेदन प्याकेज निर्माण (npm run build).
Nginx सर्भर सुरु गर्दै।
निर्देशिका सामग्रीहरू प्रतिलिपि गर्दै build परियोजना फोल्डरबाट sa-frontend सर्भर फोल्डरमा nginx/html.

तल तपाइँ कन्टेनर सिर्जना गर्न र तपाइँको स्थानीय कम्प्युटरमा प्रदर्शन गरिएका माथिका चरणहरू बीच समानान्तरहरू देख्न सक्नुहुन्छ।

▍ SA-Frontend अनुप्रयोगको लागि Dockerfile तयारी गर्दै

निर्देशनहरू समावेश हुनेछन् Dockerfile अनुप्रयोगको लागि SA-Frontend, केवल दुई टोली मिलेर बनेको छ। तथ्य यो हो कि Nginx विकास टोलीले आधारभूत तयारी गरेको छ एउटा छवि Nginx को लागी, जुन हामी हाम्रो छवि सिर्जना गर्न प्रयोग गर्नेछौं। यी दुई चरणहरू हामीले वर्णन गर्न आवश्यक छ:

छविको आधार Nginx छवि हुनुपर्छ।
फोल्डर सामग्री sa-frontend/build छवि फोल्डरमा प्रतिलिपि गर्न आवश्यक छ nginx/html.

यदि तपाइँ यस विवरणबाट फाइलमा जानुहुन्छ भने Dockerfile, त्यसपछि यो यस्तो देखिनेछ:

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

तपाईले देख्न सक्नुहुने रूपमा, यहाँ सबै कुरा धेरै सरल छ, र फाईलको सामग्रीहरू पनि पढ्न योग्य र बुझ्न योग्य हुन्छन्। यो फाइलले प्रणालीलाई छवि लिन बताउँछ nginx यसमा पहिले नै रहेको सबै कुराको साथ, र डाइरेक्टरीको सामग्री प्रतिलिपि गर्नुहोस् build निर्देशिकामा nginx/html.

यहाँ तपाईसँग एउटा प्रश्न हुन सक्छ मलाई कसरी थाहा छ तपाईले फोल्डरबाट फाइलहरू प्रतिलिपि गर्न आवश्यक छ build, त्यो हो, जहाँबाट बाटो आयो /usr/share/nginx/html। वास्तवमा, यहाँ केहि पनि जटिल छैन। तथ्य यो हो कि सान्दर्भिक जानकारी पाउन सकिन्छ विवरण छवि।

▍ छवि निर्माण गरी भण्डारमा अपलोड गर्दै

हामीले समाप्त छविसँग काम गर्न सक्नु अघि, हामीले यसलाई छवि भण्डारमा पुश गर्न आवश्यक छ। यो गर्नको लागि, हामी नि: शुल्क क्लाउड छवि होस्टिंग प्लेटफर्म डकर हब प्रयोग गर्नेछौं। कामको यस चरणमा तपाईंले निम्न गर्न आवश्यक छ:

स्थापना गर्नुहोस् डकर.
डकर हब वेबसाइटमा दर्ता गर्नुहोस्।
टर्मिनलमा निम्न आदेश चलाएर आफ्नो खातामा लग इन गर्नुहोस्:
```
docker login -u="$DOCKER_USERNAME" -p="$DOCKER_PASSWORD"
```

अब तपाईले डाइरेक्टरीमा जान टर्मिनल प्रयोग गर्न आवश्यक छ sa-frontend र त्यहाँ निम्न आदेश चलाउनुहोस्:

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

यहाँ र अगाडि समान आदेशहरूमा $DOCKER_USER_ID तपाइँको डकर हब प्रयोगकर्ता नाम संग प्रतिस्थापन गर्नुपर्छ। उदाहरण को लागी, आदेश को यो भाग यस्तो देखिन सक्छ: rinormaloku/sentiment-analysis-frontend.

यस अवस्थामा, यो आदेश यसलाई हटाएर छोटो गर्न सकिन्छ -f Dockerfile, किनकि यो फाइल फोल्डरमा पहिले नै अवस्थित छ जसमा हामीले यो आदेश कार्यान्वयन गर्दैछौं।

समाप्त छवि भण्डारमा पठाउनको लागि, हामीलाई निम्न आदेश चाहिन्छ:

docker push $DOCKER_USER_ID/sentiment-analysis-frontend

यसलाई पूरा गरेपछि, क्लाउड भण्डारणमा छविको अपलोड सफल भयो कि भनेर बुझ्नको लागि डकर हबमा तपाईंको भण्डारहरूको सूची जाँच गर्नुहोस्।

▍ कन्टेनर चलाउँदै

अब जो कोहीले डाउनलोड गर्न र छवि चलाउन सक्छ, को रूपमा चिनिन्छ $DOCKER_USER_ID/sentiment-analysis-frontend। यो गर्नको लागि, तपाईंले आदेशहरूको निम्न अनुक्रम चलाउन आवश्यक छ:

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

अब कन्टेनर चलिरहेको छ, हामी हामीलाई आवश्यक अन्य छविहरू सिर्जना गरेर काम जारी राख्न सक्छौं। तर हामीले जारी राख्नु अघि, डिजाइन बुझौं 80:80, जुन छवि प्रक्षेपण आदेशमा देखा पर्दछ र भ्रमित लाग्न सक्छ।

पहिलो नम्बर 80 — यो होस्ट पोर्ट नम्बर हो (यो, स्थानीय कम्प्युटर)।
दोस्रो नम्बर 80 कन्टेनरको पोर्ट हो जसमा अनुरोध फर्वार्ड गर्नुपर्छ।

निम्न दृष्टान्तलाई विचार गर्नुहोस्।

पोर्ट फर्वार्डिङ

प्रणालीले पोर्टबाट अनुरोधहरू पुन: निर्देशित गर्दछ <hostPort> पोर्टमा <containerPort>। त्यो हो, पोर्ट पहुँच 80 कम्प्युटर पोर्टमा रिडिरेक्ट गरिएको छ 80 कन्टेनर।

बन्दरगाहदेखि 80 स्थानीय कम्प्युटरमा खोलिएको छ, त्यसपछि तपाइँ यस कम्प्युटरबाट अनुप्रयोग पहुँच गर्न सक्नुहुन्छ localhost:80। यदि तपाईंको प्रणालीले डकरलाई समर्थन गर्दैन भने, अनुप्रयोग डकर भर्चुअल मेसिनमा चलाउन सकिन्छ, जसको ठेगाना यस्तो देखिन्छ <docker-machine ip>:80। डकर भर्चुअल मेसिनको आईपी ठेगाना पत्ता लगाउन, तपाइँ आदेश प्रयोग गर्न सक्नुहुन्छ docker-machine ip.

यस बिन्दुमा, फ्रन्ट-एन्ड अनुप्रयोग कन्टेनर सफलतापूर्वक सुरु गरेपछि, तपाईंले ब्राउजरमा यसको पृष्ठ खोल्न सक्षम हुनुपर्दछ।

▍ .dockerignore फाइल

एउटा आवेदन छवि सङ्कलन SA-Frontend, हामीले यो प्रक्रिया अत्यन्तै ढिलो भएको देख्न सक्छौं। यो हुन्छ किनभने छवि निर्माण सन्दर्भ डकर डेमनमा पठाइनुपर्छ। निर्माण सन्दर्भ प्रतिनिधित्व गर्ने डाइरेक्टरी आदेशको अन्तिम तर्कको रूपमा निर्दिष्ट गरिएको छ docker build। हाम्रो मामला मा, यो आदेश को अन्त मा एक बिन्दु छ। यसले निम्न संरचनालाई निर्माण सन्दर्भमा समावेश गराउँछ:

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

तर यहाँ उपस्थित सबै फोल्डरहरू, हामीलाई केवल फोल्डर चाहिन्छ build। अरु केहि लोड गर्नु भनेको समयको बर्बादी हो। तपाईंले डकरलाई कुन डाइरेक्टरीहरू बेवास्ता गर्ने भनेर बताई निर्माणको गति बढाउन सक्नुहुन्छ। यो गर्न को लागी हामीलाई फाइल चाहिन्छ .dockerignore। यदि तपाइँ फाइलसँग परिचित हुनुहुन्छ भने .gitignore, यो फाइलको संरचना सायद परिचित देखिन्छ। यसले छवि निर्माण प्रणालीले बेवास्ता गर्न सक्ने डाइरेक्टरीहरू सूचीबद्ध गर्दछ। हाम्रो मामला मा, यो फाइल को सामाग्री यस्तो देखिन्छ:

node_modules
src
public

फाइल .dockerignore फाइलको रूपमा एउटै फोल्डरमा हुनुपर्छ Dockerfile। अब छवि निर्माण गर्न सेकेन्डको कुरा हुनेछ।

अब जाभा अनुप्रयोगको लागि छविमा काम गरौं।

▍ Java अनुप्रयोगको लागि कन्टेनर छवि निर्माण गर्दै

तपाईंलाई थाहा छ, तपाईंले कन्टेनर छविहरू सिर्जना गर्न जान्न आवश्यक पर्ने सबै कुराहरू पहिले नै सिकेका छन्। त्यसैले यो खण्ड धेरै छोटो हुनेछ।

फाइल खोल्नुहोस् Dockerfileजुन परियोजना फोल्डरमा छ sa-webapp। यदि तपाईंले यो फाइलको पाठ पढ्नुभयो भने, तपाईंले यसमा दुईवटा नयाँ निर्माणहरू मात्र देख्नुहुनेछ, कुञ्जी शब्दहरूबाट सुरु हुँदै ENV и EXPOSE:

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

कीवर्ड ENV तपाईंलाई डकर कन्टेनर भित्र वातावरण चर घोषणा गर्न अनुमति दिन्छ। विशेष गरी, हाम्रो अवस्थामा, यसले तपाइँलाई पाठ विश्लेषण गर्ने अनुप्रयोगको API पहुँच गर्न URL निर्दिष्ट गर्न अनुमति दिन्छ।

कीवर्ड EXPOSE तपाईंलाई डकरलाई पोर्ट खोल्न भन्न अनुमति दिन्छ। हामी अनुप्रयोग चलाउँदा यो पोर्ट प्रयोग गर्न जाँदैछौं। यहाँ तपाईंले त्यो नोटिस गर्न सक्नुहुन्छ Dockerfile अनुप्रयोगको लागि SA-Frontend त्यस्तो कुनै आदेश छैन। यो केवल कागजात उद्देश्यका लागि हो, अर्को शब्दमा, यो निर्माण पढ्ने व्यक्तिको लागि हो Dockerfile.

छवि निर्माण गरी भण्डारमा पुश गर्नु अघिल्लो उदाहरणमा जस्तै देखिन्छ। यदि तपाईं अझै आफ्नो क्षमताहरूमा धेरै विश्वस्त हुनुहुन्न भने, सम्बन्धित आदेशहरू फाइलमा फेला पार्न सकिन्छ। README.md फोल्डरमा sa-webapp.

▍पाइथन अनुप्रयोगको लागि कन्टेनर छवि निर्माण गर्दै

यदि तपाईंले फाइलको सामग्रीहरू हेर्नुभयो भने Dockerfile फोल्डरमा sa-logic, तब तपाईले त्यहाँ आफ्नो लागि केहि नयाँ फेला पार्नुहुनेछैन। छवि निर्माण गर्न र भण्डारमा पठाउने आदेशहरू पनि तपाईंलाई पहिले नै परिचित हुनुपर्छ, तर, हाम्रो अन्य अनुप्रयोगहरू जस्तै, तिनीहरू फाइलमा फेला पार्न सकिन्छ। README.md फोल्डरमा sa-logic.

▍ कन्टेनरकृत अनुप्रयोगहरू परीक्षण गर्दै

के तपाईंले परीक्षण नगरेको कुरामा भरोसा गर्न सक्नुहुन्छ? म पनि सक्दिन । हाम्रो कन्टेनर परीक्षण गरौं।

अनुप्रयोग कन्टेनर सुरु गरौं sa-logic र यसलाई पोर्टमा सुन्न कन्फिगर गर्नुहोस् 5050:
```
docker run -d -p 5050:5000 $DOCKER_USER_ID/sentiment-analysis-logic
```
अनुप्रयोग कन्टेनर सुरु गरौं sa-webapp र यसलाई पोर्टमा सुन्न कन्फिगर गर्नुहोस् 8080। थप रूपमा, हामीले पोर्ट कन्फिगर गर्न आवश्यक छ जसमा पाइथन अनुप्रयोगले वातावरण चर पुन: असाइन गरेर Java अनुप्रयोगबाट अनुरोधहरूको लागि सुन्नेछ। 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
```

डकर कन्टेनर वा भर्चुअल मेसिनको IP ठेगाना कसरी पत्ता लगाउने भनेर जान्नको लागि, फाइललाई सन्दर्भ गर्नुहोस् पढ्नुहोस्.

अनुप्रयोग कन्टेनर सुरु गरौं sa-frontend:

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

अब सबै ब्राउजरमा ठेगानामा जान तयार छ localhost:80 र अनुप्रयोग प्रयास गर्नुहोस्।

कृपया ध्यान दिनुहोस् कि यदि तपाईंले पोर्ट परिवर्तन गर्नुभयो भने sa-webapp, वा यदि तपाइँ डकर भर्चुअल मेसिन चलाउँदै हुनुहुन्छ भने, तपाइँ फाइल सम्पादन गर्न आवश्यक हुनेछ App.js फोल्डरबाट sa-frontendविधिमा IP ठेगाना वा पोर्ट नम्बर परिवर्तन गरेर analyzeSentence(), पुरानो डाटा को सट्टा वर्तमान जानकारी प्रतिस्थापन। यस पछि, तपाईंले छवि पुन: जम्मा गर्न र यसलाई प्रयोग गर्न आवश्यक छ।

यो हाम्रो अनुप्रयोग रेखाचित्र अहिले जस्तो देखिन्छ।

माइक्रो सेवाहरू कन्टेनरहरूमा चल्छन्

सारांश: हामीलाई कुबर्नेट्स क्लस्टर किन चाहिन्छ?

हामीले भर्खरै फाइलहरू जाँच गरेका छौं Dockerfile, कसरी छविहरू निर्माण गर्ने र तिनीहरूलाई डकर भण्डारमा पुश गर्ने बारे कुरा गरे। थप रूपमा, हामीले फाइल प्रयोग गरेर छवि एसेम्बलीलाई कसरी गति दिने भनेर सिक्यौं .dockerignore। नतिजाको रूपमा, हाम्रा माइक्रोसेवाहरू अब डकर कन्टेनरहरूमा चल्छन्। यहाँ तपाईलाई कुबेरनेट किन चाहिन्छ भन्ने बारे पूर्णतया जायज प्रश्न हुन सक्छ। यो सामाग्री को दोस्रो भाग यो प्रश्न को जवाफ समर्पित हुनेछ। यस बीचमा, निम्न प्रश्नलाई विचार गर्नुहोस्:
मानौं पाठ विश्लेषणको लागि हाम्रो वेब अनुप्रयोग विश्वव्यापी रूपमा लोकप्रिय भएको छ। उहाँलाई हरेक मिनेटमा लाखौं अनुरोधहरू आउँछन्। यसको अर्थ माइक्रो सर्भिस हो sa-webapp и sa-logic ठूलो भार अन्तर्गत हुनेछ। माइक्रोसर्भिस चलिरहेको कन्टेनर कसरी मापन गर्ने?

स्रोत: www.habr.com

Kubernetes ट्यूटोरियल भाग 1: अनुप्रयोगहरू, माइक्रोसेवाहरू, र कन्टेनरहरू