序
前言
第1章　Docker簡介 1
1.1　什么是Docker 1
1.2　為什么要用Docker 3
1.3　Docker基本概念 4
1.3.1　鏡像 4
1.3.2　容器 6
1.3.3　鏡像倉庫 8
1.4　Docker架構及原理 8
1.4.1　Docker架構 8
1.4.2　Docker原理 11
1.4.3　容器網絡 15
1.4.4　容器存儲 16
1.5　Docker安裝 16
1.5.1　手動安裝模式 17
1.5.2　Ubuntu中自動化安裝Docker 18
1.5.3　CentOS中自動化安裝Docker 19
第2章　容器引擎 21
2.1　容器引擎實現原理 22
2.2　容器生命周期管理 29
2.3　容器狀態管理 33
2.4　訪問運行狀態容器 35
2.5　訪問容器內容 36
第3章　鏡像管理 37
3.1　Dockerfile及鏡像制作 37
3.1.1　Dockerfile的作用 37
3.1.2　Dockerfile文件構成 37
3.1.3　常用命令集 38
3.1.4　構建鏡像 38
3.2　鏡像基本操作 38
3.2.1　從鏡像倉庫下載鏡像 38
3.2.2　將本地鏡像上傳到鏡像倉庫 39
3.2.3　查看本地鏡像 39
3.2.4　導出和導入本地鏡像 40
3.2.5　構建鏡像 41
3.2.6　修改本地鏡像標識 42
3.2.7　刪除本地鏡像 42
3.3　Dockerfile優化 42
3.3.1　Dockerfile檢查項 42
3.3.2　Dockerfile優化實例 43
3.3.3　檢查及優化工具 44
3.4　操作系統基礎鏡像制作 44
3.4.1　操作系統版本選擇 45
3.4.2　操作系統參數調整 45
3.4.3　確定基礎rpm包范圍 45
3.4.4　確定常用命令范圍 46
3.4.5　操作系統鏡像制作過程 48
3.4.6　系統資源限制配置說明 49
3.5　容器鏡像安全加固 49
3.5.1　容器安全加固規范 49
3.5.2　安全檢查工具 51
第4章　鏡像倉庫管理 52
4.1　Docker Registry 52
4.1.1　Docker Hub 52
4.1.2　第三方公共倉庫 53
4.1.3　建立私有鏡像倉庫 53
4.2　Harbor 54
4.2.1　Harbor架構 55
4.2.2　Harbor的鏡像同步機制 56
4.2.3　Harbor用戶認證 56
4.2.4　Harbor容器鏡像安全掃描 57
4.2.5　Harbor部署實戰 57
第5章　Docker相關部署實踐 59
5.1　MySQL Docker部署實踐 59
5.1.1　MySQL簡介 59
5.1.2　MySQL為什么要容器化部署 60
5.1.3　MySQL容器化操作實踐 60
5.2　Docker支持GPU實踐 62
5.2.1　GPU簡介 62
5.2.2　CPU與GPU的對比 63
5.2.3　通過nvidia-docker使用GPU 63
第6章　Kubernetes簡介 65
6.1　PaaS簡介 65
6.1.1　傳統PaaS系統 65
6.1.2　基于Docker的新型PaaS平臺 67
6.2　為什么需要Kubernetes 69
6.3　Kubernetes的由來 69
6.3.1　Kubernetes的特點 69
6.3.2　Kubernetes的歷史 70
6.4　Kubernetes核心概念 71
第7章　Kubernetes架構和部署 73
7.1　Kubernetes架構及組件 73
7.1.1　Master節點 73
7.1.2　Node節點 75
7.1.3　調度控制原理 76
7.1.4　集群功能模塊間的通信 76
7.1.5　Kubernetes高可用方案 77
7.2　Kubernetes部署方案總結 77
第8章　Pod相關核心技術 81
8.1　Pod 81
8.1.1　Pod定義文件詳解 81
8.1.2　基本操作 83
8.1.3　Pod與容器 85
8.1.4　鏡像 86
8.1.5　其他設置 86
8.1.6　Pod調度 89
8.1.7　Pod生命周期 90
8.2　Label 92
8.3　Replication Controller和Replica Set 93
8.3.1　RC定義文件詳解 93
8.3.2　RC與Pod的關聯——Label 95
8.3.3　彈性伸縮 97
8.3.4　滾動升級 98
8.3.5　新一代副本控制器Replica Set 100
8.4　Horizontal Pod Autoscaler 101
8.5　Deployment 102
8.6　Job 105
8.7　StatefulSet 106
8.7.1　使用StatefulSet 106
8.7.2　擴容/縮容StatefulSet 108
8.8　ConfigMap 110
8.9　健康檢查 112
8.9.1　流程健康檢查 112
8.9.2　應用健康檢查 112
第9章　Kubernetes Service 114
9.1　容器及Pod間通信 115
9.2　kube-proxy 117
9.3　DNS服務發現機制 118
9.4　Headless服務 119
9.5　Kubernetes服務 120
9.5.1　ClusterIP 122
9.5.2　NodePort 123
9.5.3　LoadBalancer 125
9.5.4　Ingress 125
9.6　網絡策略 127
9.7　完整的Kubernetes服務發布實踐 128
9.7.1　各Kubernetes集群
LoadBalancer服務發布 130
9.7.2　Ingress服務發布 132
9.7.3　服務發現 133
第10章　Kubernetes網絡 134
10.1　單主機Docker網絡通信 134
10.1.1　Host模式 135
10.1.2　Container模式 135
10.1.3　None模式 136
10.1.4　Bridge模式 136
10.1.5　基礎網絡模型的優缺點分析 137
10.2　跨主機Docker網絡通信 137
10.2.1　Flannel網絡方案 139
10.2.2　Calico網絡方案 140
10.2.3　利用Kuryr整合OpenStack與Kubernetes網絡 143
10.2.4　網絡方案對比分析 144
第11章　Kubernetes存儲 145
11.1　存儲使用場景 145
11.2　文件存儲的幾種形式 146
11.3　Flex Volume存儲管理方案 148
11.3.1　為什么需要靈活存儲組件 148
11.3.2　如何實現靈活存儲組件 148
11.4　標準化容器存儲接口CSI 149
第12章　安全及多租戶配額管理 150
12.1　API服務器認證 151
12.2　API服務器授權 152
12.3　Admission Control 152
12.4　Service Account 154
12.5　配額管理 155
12.5.1　資源請求與限制 155
12.5.2　全局默認配額 156
12.5.3　多租戶資源配額管理 157
第13章　Kubernetes運維管理 161
13.1　Kubernetes日志管理 161
13.1.1　日志概述 161
13.1.2　ELK日志管理方案實踐 162
13.2　Kubernetes監控管理 172
13.2.1　監控概述 172
13.2.2　監控方案實踐 172
第14章　TensorFlow on Kubernetes 182
14.1　TensorFlow簡介 182
14.2　在Kubernetes上部署TensorFlow的價值 183
14.3　Kubernetes如何支持GPU 184
14.3.1　使用方法 184
14.3.2　多種型號的GPU 186
14.3.3　使用CUDA庫 187
14.4　TensorFlow on Kubernetes架構 188
14.5　TensorFlow部署實踐 189
14.5.1　下載鏡像 189
14.5.2　yaml文件準備 189
14.5.3　執行命令安裝TensorFlow 190
第15章　Spark on Kubernetes 191
15.1　Spark系統概述 191
15.1.1　Spark簡介 191
15.1.2　Spark與Hadoop差異 191
15.1.3　功能模塊 192
15.1.4　功能關系 192
15.2　基于容器技術的Spark部署 193
15.2.1　基于容器技術部署Spark的優勢 193
15.2.2　針對大數據應用：容器的計算性能優化方向 194
15.2.3　針對大數據應用：容器的網絡性能優化方向 194
15.2.4　針對大數據應用：容器的彈性&擴容 194
15.3　Spark集群安裝 195
15.3.1　制作Spark鏡像 195
15.3.2　yaml文件準備 195
15.3.3　執行命令安裝Spark 196
第16章　金融容器云平臺總體設計方案 197
16.1　金融行業為什么需要容器云平臺 197
16.2　容器及編排技術選型 198
16.2.1　容器選型 198
16.2.2　編排引擎選型 199
16.3　架構設計 199
16.3.1　系統架構 199
16.3.2　邏輯架構 200
16.3.3　數據架構 202
16.3.4　技術架構 205
16.3.5　部署架構 206
16.4　關鍵模塊方案設計 206
16.4.1　網絡 206
16.4.2　存儲 207
16.4.3　日志 207
16.4.4　監控 209
16.4.5　配置中心 211
16.4.6　安全管理 212
16.4.7　管理門戶 213
16.4.8　微服務網關 214
16.4.9　DevOps 215
16.4.10　可視化編排及自動化部署 216
16.4.11　多租戶 216
16.5　傳統應用遷移注意事項 217
第17章　DevOps 219
17.1　用Docker實現DevOps的優勢 219
17.2　基于Docker實現DevOps 220
17.3　基于容器的持續集成流程設計 221
17.3.1　版本管理 221
17.3.2　流水線 221
17.4　工具鏈 222
17.4.1　項目管理 222
17.4.2　需求管理 222
17.4.3　代碼托管 222
17.4.4　持續集成 223
17.4.5　測試 223
17.4.6　自動化部署 223
第18章　微服務 224
18.1　微服務架構的優點 224
18.2　微服務架構概念模型 225
18.3　微服務網關 226
18.4　服務注冊與發現 226
18.4.1　服務注冊 226
18.4.2　服務發現 227
18.4.3　服務注冊發現方案對比 228
18.5　進程間通信 228
18.5.1　Rest 229
18.5.2　Thrift 229
18.5.3　消息隊列 229
18.6　微服務應用性能監控 229
18.6.1　開源方案 230
18.6.2　聽云商業化方案 230
18.7　微服務框架 234
第19章　Spring Cloud 237
19.1　Spring Boot 237
19.1.1　為什么要使用
Spring Boot 238
19.1.2　快速入門 238
19.1.3　Spring Boot的優缺點總結 241
19.2　Spring Cloud 242
19.2.1　核心成員 243
19.2.2　Spring Cloud的優缺點分析 246
19.2.3　與Spring Boot之間的關系 247
19.3　Spring Cloud與Kubernetes融合實踐 247
19.3.1　API網關 249
19.3.2　服務注冊發現 250
19.3.3　客戶端負載均衡 250
19.3.4　斷路器 251
19.3.5　監控 252
19.3.6　配置管理 252
19.3.7　消息總線 253
19.3.8　鏈路跟蹤 254
19.4　Spring Cloud特點總結 254
第20章　Serverless 256
20.1　Serverless發展史簡介 256
20.2　Serverless的工作原理 257
20.2.1　Serverless的定義 258
20.2.2　Serverless的特點 259
20.2.3　Serverless的分類 259
20.2.4　Serverless設計的優勢 260
20.2.5　Serverless設計的局限性 260
20.2.6　Serverless與相關概念間的關系 261
20.3　Serverless平臺選型 261
20.4　Serverless適用場景 262
20.5　對比分析 263
第21章　Service Mesh 264
21.1　服務網格的由來 264
21.1.1　分布式架構對服務網絡的要求 265
21.1.2　向Service Mesh演進 267
21.1.3　Service Mesh的定義 268
21.2　Linkerd 270
21.3　Istio 272
21.3.1　Istio架構 273
21.3.2　設計目標 275
21.3.3　流量管理 276
21.3.4　Pilot 276
21.3.5　請求路由 277
21.3.6　發現和負載均衡 278
21.3.7　處理故障 279
21.3.8　故障注入 280
21.3.9　規則配置 280
21.4　Service Mesh發展展望 283