Docker 入门 第三部分： 服务
Docker 入门 第三部分： 服务
先决条件
- 安装 Docker 1.13 或更高版本
- 获取 Docker Compose。在Docker for Mac 和 Docker for Windows 上它已经预安装，因此你可以随时使用。在Linux系统上你需要安装一下Docker Compose。在没有Hyper-V的win10之前的系统，使用Docker Toolbox。
- 阅读第一部分的定位介绍
- 学习第二部分：如何创建容器
- 确保你已经将你创建的
friendlyhello镜像发布到一个 registry。我们在这里使用该镜像。 - 确保你的镜像已经作为一个部署的容器运行。运行一下命令，将 username、repo 和tag插入你的信息。然后浏览
http://localhost:4000/。
docker run -p 4000:80 username/repo:tag
介绍
在分布式应用中，应用的不同部分被成为“服务”。例如，一个视频分享网站，它可能包含在数据库中存储应用数据的服务，用户上传视频后在后台做视频转码的服务，前端服务，等等。
实际上，服务只是“生产环境中的容器”。一个服务只运行在一个镜像中，但是它编排了镜像的运行方式——应该使用那些端口，应该运行多少个容器副本来让服务有它需要的能力，等等。扩展服务会改变该运行中的软件部分的容器实例的数量，从而在流程中为服务分配更多的计算资源。
幸运的是，使用Docker 平台定义、运行和扩展服务都非常容易——只需要编写一个docker-compose.yml文件即可。
你的第一个 docker-compose.yml 文件
docker-compose.yml是一个YAML文件，定了一Docker容器在生产环境中应该如何工作。
docker-compose.yml
将这个文件另存为 docker-compose.yml，保存到你想保存的位置，确保你在第二部分中创建的镜像已经发布到registry，通过把username/repo:tag替换为你的镜像的信息来更新这个.yml文件。
version: "3"
services:
web:
# replace username/repo:tag with your name and image details
image: username/repo:tag
deploy:
replicas: 5
resources:
limits:
cpus: "0.1"
memory: 50M
restart_policy:
condition: on-failure
ports:
- "4000:80"
networks:
- webnet
networks:
webnet:
这个 docker-compose.yml 文件告诉Docker去做以下事情：
- 从registry中拉取我们在第二部分创建的镜像
- 把镜像的5个实例作为名为web的服务运行，限制每个服务最多使用10%的CPU（跨所有核心）和50MB内存。
- 如果其中一个服务失败则立刻重启容器
- 映射主机的4000端口到web的80端口
- 指示 web的容器通过叫做webnet的负载均衡网络来共昂80端口（在内部，容器自己在一个临时端口发布web的80湍口）
- 使用默认设置定义webnet网络（它是一个负载覆盖网络：overlay network覆盖网络的定义可以自定搜索）
运行你新建的负载均衡应用
在我们使用docker stackdeploy命令之前，先执行：
docker swarm init
注意：我们会在第四部门介绍该命令的含义。如果你不运行
docker swarm init，你会得到一个“this node is not a swarm manager”的错误消息。
现在我们运行它，你需要给你的应用起一个名字，在这里，名字是getstartedlab：
docker stack deploy -c docker-compose.yml getstartedlab
现在我们的单服务堆栈在一台主机上运行了已部署镜像的5个容器实例。我们可以查看一下。
获取我们应用程序中的一个服务的服务ID：
docker service ls
在输出中找到以你的应用名字为前缀的输出。如果你命名的可本例中的一样。那它的名字就是getstartedlab_web。还列出了服务ID，以及副本数量、镜像名称和暴露的端口。
在服务中运行的单个容器叫做task（任务）。任务被赋予递增的数字作为ID，副本运行的最大数量为你在docker-compose.yml中定义的数量。列出你的服务中的任务：
docker service ps getstartedlab_web
如果你只列出你的系统上的容器，则任务也会被列出，虽然任务不会被服务过滤：
docker container ls -q
你可以运行几次 curl -4 http://localhost:4000 或者在你的浏览器中访问这个URL并刷新几次。
无论哪种方式，容器ID都会改变，这说明负载均衡在起作用；对于每一个请求，都会从5个任务中选一个，以轮询的方式来响应。容器ID和上一个命令的输出相匹配（docker container ls -q）。
在Win10中运行？
Win10的 powershell中默认应该可以使用curl，如果没有，你可以安装一个类似 GIT BASH 的终端模拟器或者 下载与之类似的wget for Windows
响应时间慢？
依赖于你的环境的网络配置，容器响应HTTP请求最多可能需要30秒。这并不能表明Docker 或swarm的性能不好，而是一个未满足的redis依赖问题，稍后我们会在本章讨论。现在，因为相同的原因，访客计数也不能正常工作，我们还没添加保存数据的服务。
扩展应用程序
你可以通过修改docker-compose.yml中的副本值来扩展应用，保存配置并重新运行docker stack deploy 命令：
docker stack deploy -c docker-compose.yml getstartedlab
Docker执行原地更新，不需要提前关闭服务栈或杀死任何容器。
现在重新运行docker container ls -q，查看部署的重新配置的实例，如果你扩展了副本数量，那么会启动更多的任务，也会因此启动更多的容器。
卸载应用和swarm
-
使用
docker stack rm来卸载应用docker stack rm getstartedlab -
卸载swarm
docker swarm leave --force
使用Docker 会非常容器启动和扩展你的应用，你已经向着如何在生产环境运行容器迈出了一大步。接下来，你会学会如何在docker集群上以集群的方式运行这个应用。
注意：Compose文件用于定义Docker 的应用程序，并且可以使用 Docker Cloud上传到云服务商，或任何硬件，或你选择的Docker Enterprise Edition 的云服务商。
回复和备忘
下面会有一个本页终端操作视频
bash-3.2$ ls
docker-compose.yml
bash-3.2$ cat docker-compose.yml
version: "3"
services:
web:
image: johndmulhausen/get-started:part1
deploy:
replicas: 5
restart_policy:
condition: on-failure
resources:
limits:
cpus: "0.1"
memory: 50M
ports:
- "80:80"
networks:
- webnet
networks:
webnet:
bash-3.2$ docker stack deploy -c docker-compose.yml getstartedlab
Creating network getstartedlab_webnet
Creating service getstartedlab_web
bash-3.2$ docker ps
CONTAINER ID IMAGE COMMAND CREATED STATUS PORTS NAMES
b429f44ecb54 johndmulhausen/get-started:part1 "python app.py" 6 seconds ago Up 2 seconds 80/tcp getstartedlab_web.1.bwvqyil6v2friys3stu1c2rdy
2c4cec03073c johndmulhausen/get-started:part1 "python app.py" 6 seconds ago Up 3 seconds 80/tcp getstartedlab_web.2.wefoq9ql6p81kf14fpdixalc6
6fb8a01ff40f johndmulhausen/get-started:part1 "python app.py" 6 seconds ago Up 3 seconds 80/tcp getstartedlab_web.4.xn5kvu19hvrri8zuvshwwed8v
206a434234ed johndmulhausen/get-started:part1 "python app.py" 6 seconds ago Up 2 seconds 80/tcp getstartedlab_web.3.rhg9v9mn05otfwh3zx6lp9gww
3ec2903b7cf7 johndmulhausen/get-started:part1 "python app.py" 6 seconds ago Up 3 seconds 80/tcp getstartedlab_web.5.qp8nuzn37oddpmxqry1ssyb7a
3ec2903b7cf7 johndmulhausen/get-started:part1 "python app.py" 6 seconds ago Up 3 seconds 80/tcp getstartedlab_web.5.qp8nuzn37oddpmxqry1ssyb7a
bash-3.2$ curl http://localhost/
<h3>Hello World!</h3><b>Hostname:</b> 206a434234ed<br/><b>Visits:</b> <i>cannot connect to Redis, counter disabled</i>
bash-3.2$ curl http://localhost/
<h3>Hello World!</h3><b>Hostname:</b> b429f44ecb54<br/><b>Visits:</b> <i>cannot connect to Redis, counter disabled</i>
bash-3.2$ curl http://localhost/
<h3>Hello World!</h3><b>Hostname:</b> 2c4cec03073c<br/><b>Visits:</b> <i>cannot connect to Redis, counter disabled</i>
bash-3.2$ curl http://localhost/
<h3>Hello World!</h3><b>Hostname:</b> 6fb8a01ff40f<br/><b>Visits:</b> <i>cannot connect to Redis, counter disabled</i>
bash-3.2$ curl http://localhost/
<h3>Hello World!</h3><b>Hostname:</b> 3ec2903b7cf7<br/><b>Visits:</b> <i>cannot connect to Redis, counter disabled</i>
bash-3.2$ curl http://localhost/
<h3>Hello World!</h3><b>Hostname:</b> 206a434234ed<br/><b>Visits:</b> <i>cannot connect to Redis, counter disabled</i>
bash-3.2$ curl http://localhost/
<h3>Hello World!</h3><b>Hostname:</b> b429f44ecb54<br/><b>Visits:</b> <i>cannot connect to Redis, counter disabled</i>
bash-3.2$ curl http://localhost/
<h3>Hello World!</h3><b>Hostname:</b> 2c4cec03073c<br/><b>Visits:</b> <i>cannot connect to Redis, counter disabled</i>
bash-3.2$
回顾一下，输入docker run很简单，在生产环境中容器的真正实现是将其作为一个服务运行，服务在Compose文件中指定容器的行为，并且这个文件可以被用于扩展、限制、重部署我们的app。使用和启动服务相同的命令，可以在服务运行时，对其进行适当的更改。
在这里需要了解的一些命令如下：
docker stack ls # List stacks or apps
docker stack deploy -c <composefile> <appname> # Run the specified Compose file
docker service ls # List running services associated with an app
docker service ps <service> # List tasks associated with an app
docker inspect <task or container> # Inspect task or container
docker container ls -q # List container IDs
docker stack rm <appname> # Tear down an application
docker swarm leave --force # Take down a single node swarm from the manager
