微服務容器

① 微服務為什麼一定要用Docker

早在2013年的時候，就已經發行，然而那會還是很少人了解docker。一直到2014年，Martin Fowler提出了微服務的概念，兩個不相乾的技術終於走在了一起，創造了今天的輝煌！

現在:用上了docker容器後，將Docker可以將我們的應用程序打包封裝到一個容器中，該容器包含了應用程序的代碼、運行環境、依賴庫、配置文件等必需的資源。容器之間達到進程級別的隔離，在容器中的操作，不會影響道宿主機和其他容器，這樣就不會出現應用之間相互影響的情形！

② 基於容器的微服務架構帶來的優勢，說法正確的有哪些

推薦等多維來度的信息，良好的基礎源平台是技術實力和管理能力的雙重體現，而多數公司更注重業務，接下來要去什麼地方，沒有你像看到的信息錨文字，你是是不是也會不假思索的關閉這個網站，決定將用戶交互層面的前端頁面與原有的後端系統拆分，並入前端的產品線，整理統一的文檔，保證了整個技術架構的全面可控，能夠降低系統運維復雜度，是大型電商系統不可或缺的組成部分，會在基礎平台建設方面欠下許多技術債務。

③ 什麼是微服務

微服務架構是一項在雲中部署應用和服務的新技術。大部分圍繞微服務的爭論都集中在容器或其他技術是否能很好的實施微服務，而紅帽說API應該是重點。
微服務可以在「自己的程序」中運行，並通過「輕量級設備與HTTP型API進行溝通」。關鍵在於該服務可以在自己的程序中運行。通過這一點我們就可以將服務公開與微服務架構（在現有系統中分布一個API）區分開來。在服務公開中，許多服務都可以被內部獨立進程所限制。如果其中任何一個服務需要增加某種功能，那麼就必須縮小進程范圍。在微服務架構中，只需要在特定的某種服務中增加所需功能，而不影響整體進程的架構。

④ 微服務容器平檯面對大數據存儲是怎麼做的

整體而言，大數據平台從平台部署和數據分析過程可分為如下幾步：
1、系統安裝
一般使用開源版的Redhat系統--CentOS作為底層平台。為了提供穩定的硬體基礎，在給硬碟做RAID和掛載數據存儲節點的時，需要按情況配置。例如，可以選擇給HDFS的namenode做RAID2以提高其穩定性，將數據存儲與操作系統分別放置在不同硬碟上，以確保操作系統的正常運行。

2、分布式計算平台/組件安裝
目前國內外的分布式系統的大多使用的是Hadoop系列開源系統。Hadoop的核心是HDFS，一個分布式的文件系統。在其基礎上常用的組件有Yarn、Zookeeper、Hive、Hbase、Sqoop、Impala、ElasticSearch、Spark等。
先說下使用開源組件的優點：1）使用者眾多，很多bug可以在網上找的答案（這往往是開發中最耗時的地方）。2）開源組件一般免費，學習和維護相對方便。3）開源組件一般會持續更新，提供必要的更新服務『當然還需要手動做更新操作』。4）因為代碼開源，若出bug可自由對源碼作修改維護。
再簡略講講各組件的功能。分布式集群的資源管理器一般用Yarn，『全名是Yet Another Resource Negotiator』。常用的分布式數據數據『倉』庫有Hive、Hbase。Hive可以用SQL查詢『但效率略低』，Hbase可以快速『近實時』讀取行。外部資料庫導入導出需要用到Sqoop。Sqoop將數據從Oracle、MySQL等傳統資料庫導入Hive或Hbase。Zookeeper是提供數據同步服務，Yarn和Hbase需要它的支持。Impala是對hive的一個補充，可以實現高效的SQL查詢。ElasticSearch是一個分布式的搜索引擎。針對分析，目前最火的是Spark『此處忽略其他，如基礎的MapRece 和 Flink』。Spark在core上面有ML lib，Spark Streaming、Spark QL和GraphX等庫，可以滿足幾乎所有常見數據分析需求。
值得一提的是，上面提到的組件，如何將其有機結合起來，完成某個任務，不是一個簡單的工作，可能會非常耗時。

3、數據導入
前面提到，數據導入的工具是Sqoop。用它可以將數據從文件或者傳統資料庫導入到分布式平台『一般主要導入到Hive，也可將數據導入到Hbase』。

4、數據分析
數據分析一般包括兩個階段：數據預處理和數據建模分析。
數據預處理是為後面的建模分析做准備，主要工作時從海量數據中提取可用特徵，建立大寬表。這個過程可能會用到Hive SQL，Spark QL和Impala。
數據建模分析是針對預處理提取的特徵/數據建模，得到想要的結果。如前面所提到的，這一塊最好用的是Spark。常用的機器學習演算法，如樸素貝葉斯、邏輯回歸、決策樹、神經網路、TFIDF、協同過濾等，都已經在ML lib裡面，調用比較方便。

5、結果可視化及輸出API
可視化一般式對結果或部分原始數據做展示。一般有兩種情況，行熟悉展示，和列查找展示。在這里，要基於大數據平台做展示，會需要用到ElasticSearch和Hbase。Hbase提供快速『ms級別』的行查找。 ElasticSearch可以實現列索引，提供快速列查找。

平台搭建主要問題：
1、穩定性 Stability
理論上來說，穩定性是分布式系統最大的優勢，因為它可以通過多台機器做數據及程序運行備份以確保系統穩定。但也由於大數據平台部署於多台機器上，配置不合適，也可能成為最大的問題。 曾經遇到的一個問題是Hbase經常掛掉，主要原因是采購的硬碟質量較差。硬碟損壞有時會到導致Hbase同步出現問題，因而導致Hbase服務停止。由於硬碟質量較差，隔三差五會出現服務停止現象，耗費大量時間。結論：大數據平台相對於超算確實廉價，但是配置還是必須高於家用電腦的。

2、可擴展性 Scalability
如何快速擴展已有大數據平台，在其基礎上擴充新的機器是雲計算等領域應用的關鍵問題。在實際2B的應用中，有時需要增減機器來滿足新的需求。如何在保留原有功能的情況下，快速擴充平台是實際應用中的常見問題。

上述是自己項目實踐的總結。整個平台搭建過程耗時耗力，非一兩個人可以完成。一個小團隊要真正做到這些也需要耗費很長時間。

目前國內和國際上已有多家公司提供大數據平台搭建服務，國外有名的公司有Cloudera，Hortonworks，MapR等，國內也有華為、明略數據、星環等。另外有些公司如明略數據等還提供一體化的解決方案，尋求這些公司合作對 於入門級的大數據企業或沒有大數據分析能力的企業來說是最好的解決途徑。

對於一些本身體量較小或者目前數據量積累較少的公司，個人認為沒有必要搭建這一套系統，暫時先租用AWS和阿里雲就夠了。對於數據量大，但數據分析需求較簡單的公司，可以直接買Tableau，Splunk，HP Vertica，或者IBM DB2等軟體或服務即可。
-

⑤ 微服務都是用在什麼地方能否舉例說明一下

隨著移動互聯網的發展和應用雲化的普及，微服務已經成為企業應用服務化架構最流行的設計理念。以微服務、容器、DevOps等為支撐的雲原生設計理念，緩解了隨著新需求的不斷增加，大型單體式應用變更越來越困難的現狀，與移動互聯網時代下對企業IT架構高效穩定、敏捷響應的要求之間的矛盾。
「Nebulogy納比雲」提供完整的微服務實施平台及賦能工具，加速微服務應用開發和DevOps持續交付，為雲應用的構建和運行支撐提供有力的支持。微服務實施方案

⑥ 微服務為什麼要選擇docker

我最近在玩Docker，一種應用程序容器和Linux的虛擬技術。它太酷了，創建內Docker鏡像和容器只需要幾容分鍾。所有的工作都是開箱即用的。 在結束我一天的工作之前，我希望能保存下我的工作。但我在Docker的save和export命令之間，我凌亂了。我不知道...

⑦ 容器，微服務與OpenStack到底是什麼關系

容器，微服務與OpenStack到底是什麼關系
容器化不是一個革命性想法——容器技術已經存專在很多年並且被大量應用屬程序所使用，但現在，容器幾乎不考慮系統體結構。
今天，相信很多人都聽說過Docker。一年多以來，很多公司都在評估Docker，也有很多公司想要使用Docker，但是很少公司真正把Docker應用在生產環境中。那這一年發生了什麼變化呢？
Docker讓容器化變得更加簡單。
在Docker出現之前，運行容器需要成群的駭客，需要對整個系統有深入的理解，還需要一定的勇氣。進程隔離或者網路堆棧是存在已久的一些技術，想想FreeBSD中的Jails或者其他類似的工具。但現在有了Docker，只需要使用（ docker）命令就能在幾秒鍾內讓一些東西運行起來。
即時滿足感不是Docker成功的唯一原因。大量免費應用程序的鏡像能夠吸引很多想要快速部署微服務以達到更大體系架構的人，但這些人不希望每次都重新部署虛擬化堆棧。

⑧ 如何使用 Java 和 Docker 構建微服務

在Java生態中，構建微服務的策略包括Container-less，Self-contained，以及In-container等。
Container-less微服務將應用內及其依賴打包成一個容單一的jar文件。
Self-contained微服務也是打包成一個單一的Jar文件，但它還包括一個嵌入式框架，這個框架含有可選的第三方lib，當然這些lib是兼容的。
In-container微服務打包成一個完整的Java EE容器，該服務在Docker鏡像中實現。 基於微服務的架構給架構師和開發者帶來了新的挑戰，然而，隨著語言的升級和工具數量的增加，開發者和架構師完全有能力應對這樣的挑戰。Java也不例外，本文探討了在Java生態系統內構建微服務的不同方法。