简单看了一下docker 关于集群部署、运维自动化方面的一点文章，收集到了三个工具。
Swarm Machine Compose 三个工具。这三个工具是算是docker 在运维这块的尝试吧，下面简单介绍一下，欢迎拍砖。
Swarm 是一个跨系统、跨主机的docker 容器管理工具。也是采用C/S结构。
主要分为两块，swarm节点以及node 节点。swarm 节点是中心节点，具有全球唯一的标识符，通过 swarm create 创建。它负责接受client 的请求。基本兼容docker API.
涵盖了 服务发现（挺多的，具体的策略后面还需要继续补充） 决策、节点过滤等。它负责和具体的docker daemon 通信，并根据daemon 占用的cpu 以及内容决定将client 请求发送
到特定的daemon.
Machine 的机制
个人决定docker-machine 真的是一个很牛逼的东西。它能够帮你在今天云计算的大潮中，快速的在你购买的云托管（IaaS）服务商的机器上快速的部署你的应用。
docker-machine 首先不是一个c/s结构，它在运行docker-machine 的相关命令后，就会退出。所有关于命令产生的中间配置、文件等持久话到宿主机器上。
它屏蔽了各个服务商提供的环境的差异。在接受请求后，利用传入的参数创建对应host 的数据结构并持久化到宿主机器上。
利用driver 针对不同环境创建对应的虚拟机,目前支持的好像只有两种，ubuntu 和boot2docker(一个24m 的小系统。)
然后利用provisioner 在创建的虚拟机上初始化docker 环境。
图中host 纪录了很多关于虚拟机、以及 docker daemon的配置、环境等。
compose 这个相对比较好理解， docker client 一次只能处理一个container, 这对于那些一个项目依赖多个模块来说还是不容易的。
于是compose 通过一个配置文件来管理这个项目内的多个容器之间的关系. docker-py 一个python 工具就是compose 用来和docker-daemon通信的工具。
compose 中一般来说，是一个service 对应一个container . compose 可能更多的是针对单机的容器来管理的。
有两个缺点： 1 docker-py 对 DOCKER API 支持的程度不高。
2 service之间的依赖不好解决（compose 只能通过init 判断是否启动成功，内部的服务没有办法判断）
