Кубернетес водич, део 1: Апликације, микроуслуге и контејнери

На наш захтев, Хабр је направио чвориште Кубернетес и са задовољством стављамо у њега прву публикацију. Претплатити се!

Кубернетес је лак. Зашто ми банке плаћају много новца да радим у овој области, а свако може да савлада ову технологију за само неколико сати?

Ако сумњате да се Кубернетес може научити тако брзо, предлажем да испробате сами. Наиме, савладавши овај материјал, моћи ћете да покренете апликацију засновану на микросервисима у Кубернетес кластеру. То могу да гарантујем, пошто је управо иста методологија која се овде користи и којом учим наше клијенте да раде са Кубернетес-ом. По чему се овај водич разликује од других? У ствари, има много ствари. Дакле, већина ових материјала почиње објашњењем једноставних ствари - концепта Кубернетеса и карактеристика кубецтл команде. Аутори ових материјала претпостављају да су њихови читаоци упознати са развојем апликација, микросервисима и Доцкер контејнерима. Ићи ћемо другим путем. Прво ћемо причати о томе како покренути апликацију засновану на микросервисима на рачунару. Затим ћемо погледати изградњу слика контејнера за сваки микросервис. А након тога ћемо се упознати са Кубернетес-ом и погледати имплементацију апликације засноване на микросервисима у кластеру којим управља Кубернетес.

Овај приступ, са постепеним приступом Кубернетесу, даће дубину разумевања онога што се дешава што је неопходно просечном човеку да би разумео како једноставно све функционише у Кубернетесу. Кубернетес је свакако једноставна технологија, под условом да они који желе да је науче знају где и како се користи.

Сада, без даљег одлагања, хајде да почнемо и разговарамо о апликацији са којом ћемо радити.

Експериментална примена

Наша апликација ће обављати само једну функцију. Као улаз узима једну реченицу, након чега, користећи алате за анализу текста, врши анализу сентимента ове реченице, добијајући процену емотивног односа аутора реченице према одређеном објекту.

Овако изгледа главни прозор ове апликације.

Веб апликација за анализу сентимента текстова

Са техничке тачке гледишта, апликација се састоји од три микросервиса, од којих свака решава одређени скуп задатака:

• СА-Фронтенд је Нгинк веб сервер који опслужује статичке Реацт датотеке.
• СА-ВебАпп је веб апликација написана на Јави која обрађује захтеве са фронтенда.
• СА-Логиц је Питхон апликација која врши анализу сентимента на тексту.

Важно је напоменути да микросервис не постоји изоловано. Они спроводе идеју „раздвајања одговорности“, али у исто време морају да комуницирају једни са другима.

Токови података у апликацији

На дијаграму изнад, можете видети нумерисане фазе система, илуструјући токове података у апликацији. Погледајмо их:

1. Претраживач захтева датотеку од сервера index.html (који, заузврат, преузима Реацт пакет апликације).
2. Корисник ступа у интеракцију са апликацијом, што узрокује позив веб апликацији заснованој на Спрингу.
3. Веб апликација прослеђује захтев за анализу текста у Питхон апликацију.
4. Питхон апликација врши анализу сентимента текста и враћа резултат као одговор на захтев.
5. Спринг апликација шаље одговор Реацт апликацији (која, заузврат, кориснику приказује резултат анализе текста).

Код за све ове апликације се може пронаћи овде. Препоручујем вам да одмах копирате ово спремиште за себе, пошто је пред нама много занимљивих експеримената са њим.

Покретање апликације засноване на микросервисима на вашој локалној машини

Да би апликација радила, потребно је да покренемо сва три микросервиса. Почнимо са најслађом од свих - предњом апликацијом.

▍Подесите Реацт за локални развој

Да бисте покренули Реацт апликацију, потребно је да инсталирате Ноде.јс платформу и НПМ на свој рачунар. Када све ово инсталирате, користите терминал за навигацију до фасцикле вашег пројекта sa-frontend и покрените следећу команду:

npm install

Покретањем ове команде у фасцикли node_modules биће учитане зависности Реацт апликације, чији се записи налазе у датотеци package.json. Када се зависности преузму у исту фасциклу, покрените следећу команду:

npm start

То је све. Сада је Реацт апликација покренута, можете јој приступити тако што ћете отићи на следећу адресу у вашем претраживачу: localhost:3000. Можете променити нешто у његовом коду. Одмах ћете видети ефекат ових промена у претраживачу. Ово је могуће захваљујући такозваној „врућој“ замени модула. Ово чини фронт-енд развој једноставним и пријатним искуством.

▍Припрема Реацт апликације за производњу

У сврху стварног коришћења Реацт апликације, потребно је да је претворимо у скуп статичких датотека и да их послужимо клијентима који користе веб сервер.

Да бисте направили Реацт апликацију, поново користећи терминал, идите до фасцикле sa-frontend и покрените следећу команду:

npm run build

Ово ће креирати директоријум у фасцикли пројекта build. Садржаће све статичке датотеке неопходне за функционисање Реацт апликације.

▍Послуживање статичких датотека помоћу Нгинк-а

Прво морате да инсталирате и покренете Нгинк веб сервер. Овде можете га преузети и пронаћи упутства о томе како да га инсталирате и покренете. Затим морате копирати садржај фасцикле sa-frontend/build у фасциклу [your_nginx_installation_dir]/html.

Са овим приступом, датотека генерисана током процеса изградње Реацт апликације index.html биће доступан на [your_nginx_installation_dir]/html/index.html. Ово је датотека коју Нгинк сервер подразумевано производи када јој приступа. Сервер је конфигурисан да слуша на порту 80, али се може прилагодити онако како вам је потребно уређивањем датотеке [your_nginx_installation_dir]/conf/nginx.conf.

Сада отворите претраживач и идите на localhost:80. Видећете страницу апликације Реацт.

Реацт апликација коју опслужује Нгинк сервер

Ако сада унесете нешто у поље Type your sentence и притисните дугме Send - ништа се неће десити. Али, ако погледате конзолу, тамо можете видети поруке о грешци. Да бисмо разумели где се тачно ове грешке јављају, анализирајмо код апликације.

▍Анализа кода предње апликације

Гледајући код датотеке App.js, то можемо видети притиском на дугме Send позива метод analyzeSentence(). Код за ову методу је дат у наставку. Имајте на уму да за сваки ред који има коментар обрасца # Номер, постоји објашњење дато испод кода. На исти начин ћемо анализирати и остале фрагменте кода.

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. УРЛ адреса на коју се шаље ПОСТ захтев. Претпоставља се да на овој адреси постоји апликација која очекује овакве захтеве.

2.Тело захтева послато апликацији. Ево примера тела захтева:

{
    sentence: "I like yogobella!"
}

3.Када се прими одговор на захтев, стање компоненте се ажурира. Ово узрокује да се компонента поново прикаже. Ако примимо податке (тј. ЈСОН објекат који садржи улазне податке и израчунати резултат текста), избацићемо компоненту Polarity, пошто ће бити испуњени одговарајући услови. Овако описујемо компоненту:

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

Чини се да код ради прилично добро. Шта није у реду са овим? Ако претпоставите да на адреси на коју апликација покушава да пошаље ПОСТ захтев још не постоји ништа што може да прихвати и обради овај захтев, онда ћете бити потпуно у праву. Наиме, за обраду захтева примљених на http://localhost:8080/sentiment, потребно је да покренемо веб апликацију засновану на Спрингу.

Потребна нам је Спринг апликација која може да прихвати ПОСТ захтев

▍Подешавање веб апликације засноване на Спринг

Да бисте применили Спринг апликацију, биће вам потребни ЈДК8 и Мавен и правилно конфигурисане променљиве окружења. Када све ово инсталирате, можете наставити са радом на нашем пројекту.

▍Паковање апликације у јар датотеку

Идите, користећи терминал, до фасцикле sa-webapp и унесите следећу команду:

mvn install

Након покретања ове команде у фасцикли sa-webapp биће креиран директоријум target. Овде ће се налазити Јава апликација, упакована у јар датотеку, коју представља датотека sentiment-analysis-web-0.0.1-SNAPSHOT.jar.

▍Покретање Јава апликације

Идите у фасциклу target и покрените апликацију следећом командом:

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

Доћи ће до грешке приликом извршавања ове команде. Да бисмо почели да га поправљамо, можемо анализирати детаље изузетака у подацима праћења стека:

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}"

За нас је овде најважније помињање немогућности разјашњења значења sa.logic.api.url. Хајде да анализирамо код у коме се грешка јавља.

▍ Анализа кода Јава апликације

Ево исечка кода где је дошло до грешке.

@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. У СentimentController постоји поље saLogicApiUrl. Његова вредност је одређена својством sa.logic.api.url.
2. Линија saLogicApiUrl спаја се са вредношћу /analyse/sentiment. Заједно формирају адресу за позивање микросервиса који врши анализу текста.

▍Подесите вредност својства

У пролеће, стандардни извор вредности својства је датотека application.properties, који се може наћи на sa-webapp/src/main/resources. Али његова употреба није једини начин за постављање вредности својстава. Ово се такође може урадити помоћу следеће команде:

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

Вредност овог својства треба да указује на адресу наше Питхон апликације.

Конфигурисањем, ми говоримо Спринг веб апликацији где треба да иде да би извршила захтеве за анализу текста.

Како не бисмо компликовали живот, одлучићемо да Питхон апликација буде доступна на адреси localhost:5000 и потрудимо се да то не заборавимо. Као резултат тога, команда за покретање Спринг апликације ће изгледати овако:

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

Нашем систему недостаје Питхон апликација

Сада све што треба да урадимо је да покренемо Питхон апликацију и систем ће радити како се очекује.

▍Подешавање Питхон апликације

Да бисте покренули Питхон апликацију, морате имати инсталиране Питхон 3 и Пип, а одговарајуће променљиве окружења морају бити исправно подешене.

▍Инсталирање зависности

Идите у фасциклу свог пројекта sa-logic/sa и покрените следеће команде:

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

▍Покрените апликацију

Након инсталирања зависности, спремни смо за покретање апликације:

python sentiment_analysis.py

Након покретања ове команде, биће нам речено следеће:

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

То значи да је апликација покренута и да чека на захтеве на localhost:5000/

▍ Истраживање кода

Хајде да погледамо код Питхон апликације да бисмо разумели како он одговара на захтеве:

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. Иницијализација објекта Flask.
2. Одређивање адресе за обављање ПОСТ захтева према њој.
3. Преузимање својства sentence од органа захтева.
4. Иницијализација анонимног објекта TextBlob и добијање вредности polarity за прву реченицу примљену у телу захтева (у нашем случају ово је једина реченица послата на анализу).
5. Враћање одговора чије тело садржи текст реченице и израчунати индикатор за њу polarity.
6. Покрените апликацију Фласк, која ће бити доступна на 0.0.0.0:5000 (можете му приступити и помоћу конструкције обрасца localhost:5000).

Микросервисе које чине апликацију сада раде. Они су подешени да међусобно комуницирају. Овако изгледа дијаграм апликације у овој фази рада.

Сви микросервиси који чине апликацију су доведени у радно стање

Сада, пре него што наставите, отворите своју Реацт апликацију у прегледачу и покушајте да рашчланите неку реченицу са њом. Ако је све урађено исправно - након притиска на дугме Send видећете резултате анализе испод текстуалног поља.

У следећем одељку ћемо говорити о томе како да покренемо наше микросервисе у Доцкер контејнерима. Ово је неопходно да би се апликација припремила за рад на Кубернетес кластеру.

Доцкер контејнери

Кубернетес је систем за аутоматизацију постављања, скалирања и управљања контејнерским апликацијама. Такође се назива „контејнерски оркестратор“. Ако Кубернетес ради са контејнерима, онда пре коришћења овог система морамо прво да набавимо ове контејнере. Али прво, хајде да причамо о томе шта су контејнери. Можда најбољи одговор на питање шта је то може се наћи у документација за Доцкер:

Слика контејнера је лаган, самосталан, извршни пакет који садржи апликацију, која укључује све што је потребно за њено покретање: код апликације, окружење за извршавање, системске алате и библиотеке, подешавања. Контејнерски програми се могу користити у Линук и Виндовс окружењима и увек ће радити исто без обзира на инфраструктуру.

То значи да се контејнери могу покренути на било ком рачунару, укључујући производне сервере, а апликације које се налазе у њима ће радити исто у било ком окружењу.

Да бисмо истражили карактеристике контејнера и упоредили их са другим начинима покретања апликација, погледајмо пример послуживања Реацт апликације помоћу виртуелне машине и контејнера.

▍Послуживање статичких датотека Реацт апликације помоћу виртуелне машине

Покушавајући да организујемо услугу статичких датотека користећи виртуелне машине, наићи ћемо на следеће недостатке:

1. Неефикасно коришћење ресурса, пошто је свака виртуелна машина пуноправни оперативни систем.
2. Зависност од платформе. Оно што ради на локалном рачунару можда неће радити на производном серверу.
3. Споро и ресурсно интензивно скалирање решења заснованог на виртуелној машини.

Нгинк веб сервер који опслужује статичке датотеке које раде на виртуелној машини

Ако се контејнери користе за решавање сличног проблема, онда се, у поређењу са виртуелним машинама, могу приметити следеће предности:

1. Ефикасно коришћење ресурса: рад са оперативним системом користећи Доцкер.
2. Независно од платформе. Контејнер који програмер може да покрене на свом рачунару ће радити било где.
3. Лагано постављање кроз употребу слојева слике.

Нгинк веб сервер који опслужује статичке датотеке које раде у контејнеру

Упоредили смо виртуелне машине и контејнере само у неколико тачака, али и ово је довољно да стекнемо утисак о предностима контејнера. Овде Можете пронаћи детаље о Доцкер контејнерима.

▍Израда слике контејнера за Реацт апликацију

Основни градивни блок Доцкер контејнера је датотека Dockerfile. На почетку овог фајла се прави запис основне слике контејнера, затим следи низ инструкција које показују како да се направи контејнер који ће задовољити потребе одређене апликације.

Пре него што почнемо да радимо са датотеком Dockerfile, подсетимо се шта смо урадили да припремимо датотеке Реацт апликације за отпремање на Нгинк сервер:

1. Прављење Реацт пакета апликација (npm run build).
2. Покретање Нгинк сервера.
3. Копирање садржаја директоријума build из фасцикле пројекта sa-frontend у фасциклу сервера nginx/html.

Испод можете видети паралеле између креирања контејнера и горњих корака који се обављају на вашем локалном рачунару.

▍Припрема Доцкерфиле-а за СА-Фронтенд апликацију

Упутства која ће бити садржана у Dockerfile за примену SA-Frontend, чине само два тима. Чињеница је да је развојни тим Нгинк-а припремио основну имаге за Нгинк, који ћемо користити за креирање наше слике. Ово су два корака која треба да опишемо:

1. Основа слике треба да буде Нгинк слика.
2. Фолдер Цонтентс sa-frontend/build треба копирати у фасциклу са сликама nginx/html.

Ако пређете са овог описа на фајл Dockerfile, онда ће изгледати овако:

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

Као што видите, овде је све врло једноставно, а садржај датотеке се чак испоставило да је прилично читљив и разумљив. Ова датотека говори систему да сними слику nginx са свиме што се већ налази у њему и копирајте садржај директоријума build у именик nginx/html.

Овде можете имати питање о томе како знам где тачно треба да копирате датотеке из фасцикле build, односно одакле је пут дошао /usr/share/nginx/html. У ствари, ни овде нема ништа компликовано. Чињеница је да се релевантне информације могу наћи у Опис слика.

▍Израда слике и отпремање у спремиште

Пре него што можемо да радимо са готовом сликом, морамо да је гурнемо у складиште слика. Да бисмо то урадили, користићемо бесплатну платформу за хостовање слика у облаку Доцкер Хуб. У овој фази рада потребно је да урадите следеће:

1. Инсталирај лучки радник.
2. Региструјте се на веб локацији Доцкер Хуб.
3. Пријавите се на свој налог тако што ћете покренути следећу команду у терминалу:

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

Сада морате да користите терминал да бисте отишли ​​у директоријум sa-frontend и тамо покрените следећу команду:

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

Овде и даље у сличним командама $DOCKER_USER_ID треба заменити вашим Доцкер Хуб корисничким именом. На пример, овај део команде може изгледати овако: rinormaloku/sentiment-analysis-frontend.

У овом случају, ова команда се може скратити уклањањем из ње -f Dockerfile, пошто ова датотека већ постоји у фасцикли у којој извршавамо ову команду.

Да бисмо готову слику послали у спремиште, потребна нам је следећа команда:

docker push $DOCKER_USER_ID/sentiment-analysis-frontend

Након што га завршите, проверите листу својих спремишта на Доцкер Хуб-у да бисте разумели да ли је отпремање слике у складиште у облаку било успешно.

▍Покретање контејнера

Сада свако може преузети и покренути слику, познату као $DOCKER_USER_ID/sentiment-analysis-frontend. Да бисте то урадили, потребно је да покренете следећи низ команди:

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

Сада је контејнер покренут, можемо наставити са радом креирањем других слика које су нам потребне. Али пре него што наставимо, хајде да разумемо дизајн 80:80, који се појављује у команди за покретање слике и може изгледати збуњујуће.

• Први број 80 — ово је број порта хоста (односно, локални рачунар).
• Други број 80 је лука контејнера на коју треба проследити захтев.

Размотрите следећу илустрацију.

Порт Форвардинг

Систем преусмерава захтеве са порта <hostPort> по луци <containerPort>. Односно, приступ луци 80 рачунар се преусмерава на порт 80 контејнер.

Пошто је пристаниште 80 отворена на локалном рачунару, тада можете приступити апликацији са овог рачунара на адреси localhost:80. Ако ваш систем не подржава Доцкер, апликација се може покренути на Доцкер виртуелној машини, чија ће адреса изгледати као <docker-machine ip>:80. Да бисте сазнали ИП адресу Доцкер виртуелне машине, можете користити команду docker-machine ip.

У овом тренутку, након успешног покретања фронт-енд контејнера апликације, требало би да будете у могућности да отворите његову страницу у прегледачу.

▍Датотека .доцкеригноре

Прикупљање слике апликације SA-Frontend, могли смо приметити да се овај процес испоставља изузетно спорим. Ово се дешава зато што контекст изградње слике мора бити послат Доцкер демону. Директоријум који представља контекст изградње је наведен као последњи аргумент команде docker build. У нашем случају, постоји тачка на крају ове команде. Ово узрокује да следећа структура буде укључена у контекст изградње:

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

Али од свих фасцикли присутних овде, потребан нам је само фолдер build. Учитавање било чега другог је губљење времена. Можете да убрзате изградњу тако што ћете рећи Доцкер-у које директоријуме да игнорише. Да бисмо то урадили, потребан нам је фајл .dockerignore. Ви, ако сте упознати са фајлом .gitignore, структура ове датотеке ће вероватно изгледати познато. Он наводи директоријуме које систем за прављење слика може да игнорише. У нашем случају, садржај ове датотеке изгледа овако:

node_modules
src
public

фајл .dockerignore мора бити у истој фасцикли као и датотека Dockerfile. Сада ће изградња слике трајати неколико секунди.

Хајде да сада радимо на слици за Јава апликацију.

▍Израда слике контејнера за Јава апликацију

Знате шта, већ сте научили све што вам је потребно да бисте креирали слике контејнера. Зато ће овај одељак бити веома кратак.

Otvorite datoteku Dockerfileкоји се налази у фасцикли пројекта sa-webapp. Ако прочитате текст ове датотеке, видећете само две нове конструкције у њој, почевши од кључних речи ENV и EXPOSE:

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

Кључна реч ENV Омогућава вам да декларишете променљиве окружења унутар Доцкер контејнера. Конкретно, у нашем случају вам омогућава да наведете УРЛ за приступ АПИ-ју апликације која врши анализу текста.

Кључна реч EXPOSE омогућава вам да кажете Доцкер-у да отвори порт. Користићемо овај порт док покрећемо апликацију. Овде можете приметити да у Dockerfile за примену SA-Frontend нема такве команде. Ово је само за потребе документације, другим речима, ова конструкција је намењена ономе ко ће читати Dockerfile.

Изградња слике и њено гурање у спремиште изгледа потпуно исто као у претходном примеру. Ако још нисте сигурни у своје способности, одговарајуће команде се могу наћи у датотеци README.md у фолдеру sa-webapp.

▍Израда слике контејнера за Питхон апликацију

Ако погледате садржај датотеке Dockerfile у фолдеру sa-logic, онда тамо нећете наћи ништа ново за себе. Команде за прављење слике и слање у спремиште такође би требало да вам буду познате, али, као и код других наших апликација, могу се наћи у датотеци README.md у фолдеру sa-logic.

▍Тестирање контејнерских апликација

Можете ли вјеровати нечему што нисте тестирали? Не могу ни ја. Хајде да тестирамо наше контејнере.

1. Хајде да покренемо контејнер апликације sa-logic и конфигуришите га да слуша на порту 5050:

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

2. Хајде да покренемо контејнер апликације sa-webapp и конфигуришите га да слуша на порту 8080. Поред тога, потребно је да конфигуришемо порт на којем ће Питхон апликација слушати захтеве из Јава апликације тако што ћемо поново доделити променљиву окружења 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

Да бисте сазнали како да сазнате ИП адресу Доцкер контејнера или виртуелне машине, погледајте датотеку РЕАДМЕ.

Хајде да покренемо контејнер апликације sa-frontend:

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

Сада је све спремно за одлазак на адресу у претраживачу localhost:80 и испробајте апликацију.

Имајте на уму да ако сте променили порт за sa-webapp, или ако користите Доцкер виртуелну машину, мораћете да уредите датотеку App.js из фасцикле sa-frontendпроменом ИП адресе или броја порта у методи analyzeSentence(), замењујући актуелне информације уместо застарелих података. Након тога, морате поново саставити слику и користити је.

Овако сада изгледа наш дијаграм апликације.

Микросервисе раде у контејнерима

Резиме: зашто нам је потребан Кубернетес кластер?

Управо смо прегледали фајлове Dockerfile, говорили о томе како направити слике и гурнути их у Доцкер спремиште. Поред тога, научили смо како да убрзамо састављање слике помоћу датотеке .dockerignore. Као резултат тога, наше микросервисе сада раде у Доцкер контејнерима. Овде ћете можда имати сасвим оправдано питање зашто нам је потребан Кубернетес. Други део овог материјала биће посвећен одговору на ово питање. У међувремену, размотрите следеће питање:
Претпоставимо да је наша веб апликација за анализу текста постала популарна широм света. Сваког минута му стижу милиони захтева. То значи да микросервис sa-webapp и sa-logic биће под огромним оптерећењем. Како скалирати контејнере који покрећу микросервисе?

Извор: ввв.хабр.цом