010 docker搭建swarm集群

010 docker搭建swarm集群

1.前言

    刚开始找资料搭建时,发现网上有两种搭建方式:
    第一种:docker run –rm swarm create   一代 Swarm,也被称为 Docker Swarm

    第二种:docker swarm init    二代 Swarm,这是内置的 Swarm

    本文采用第二种方式搭建swarm集群

2.搭建

    假设有三台机器:192.168.20.201   192.168.20.202   192.168.20.203,准备用 201 作为master

    2-1创建管理节点

docker swarm init --advertise-addr 192.168.20.201

    执行完会显示token,创建工作节点时需要该token,Manager和Worker节点之间通信端口是2377

005828_BsZl_2937605.png

    2-2创建子节点

    分别在 192.168.20.202  和 192.168.20.203 上执行命令,指定IP:–advertise-addr 192.168.20.202,

我用的是三台云主机,内网不通,必须用 –advertise-addr 指定当前机器IP,否则会造成后面网络不通

docker swarm join --advertise-addr 192.168.20.202 --token 上面的token 192.168.20.202:2377
docker swarm join --advertise-addr 192.168.20.203 --token 上面的token 192.168.20.203:2377

133001_0sxl_2937605.png 

    2-3查看集群信息

    该命令只能在master上执行

docker node ls

010550_cpNd_2937605.png

    2-4查看节点IP信息

docker node inspect master
docker node inspect slave01
docker node inspect slave02

    可以分别查看swarm中各主机的IP,如果跟机器IP不一样,网络会访问不通

144201_XP81_2937605.png

3.配置跨主机网络访问

    3-1配置docker启动参数

    在 /usr/lib/systemd/system/docker.service 中找到 ExecStart=/usr/bin/dockerd 并在其后添加 :
    -H tcp://0.0.0.0:2375 -H unix:///var/run/docker.sock 结果如下:

135350_qH7e_2937605.png

    3-2新建overlay网络

docker network create -d overlay central

134140_PtyK_2937605.png

4.测试

    4-1从仓库拉取一个tomcat镜像

docker pull tomcat
docker tag docker.io/tomcat tomcat

    4-2启动镜像,指定网络类型

docker service create -p 8080:8080 --replicas 3 --name web --network central tomcat

140903_a4uo_2937605.png

    4-3查看相关信息

docker service ls

140935_9ZMt_2937605.png

#web为启动镜像时的名称
docker service ps web

140947_UP6U_2937605.png

    4-4查看是否在同一网络中    

docker network inspect central

    central 是我们启动服务时使用的 overlay 网络,由于服务分到了三台机器上,这三台机器都加入了central网络,这样三台主机才能互通

143641_3Nud_2937605.png

    4-4访问测试   

    分别在 三台机器上 docker ps 均能看见Tomcat项目在运行,用浏览器分别访问:192.168.20.201-3:8080 都会出现tomcat首页

    4-5主机互通测试

    分别在 master 和 slave01 执行命令,查看到二者的容器IP:

# 查看容器信息,记下这里的 CONTAINER ID 和 NAMES
docker ps
# 查看容器详细信息
docker inspect f884d3151995

145117_6o8L_2937605.png

    进入 slave02 的容器:

docker ps
docker exec -it da10f3f58af7 /bin/bash

145334_kHi3_2937605.png

    测试网络,如果能ping通,则成功,如果不成功,兄弟,那就看缘分了

# 容器IP
ping 10.0.0.17
ping 10.0.0.18
# 容器NAMES
ping web.2.yru4aykeld6h5kgg3nryw0m74
ping web.1.7gqta8k7sf8vbsvyvcxnx8vhd

  另外,docker stop其中一台机器上的服务,服务会重新自动新建一个:

011919_TkQ6_2937605.png

012214_KKHc_2937605.png

    移除运行项目,必须在master执行:

docker service rm web

4.删除swarm

    首先在所有子节点机器执行:

# 子节点退出swarm
docker swarm leave

    然后master执行:

# 主节点移除子节点
docker node rm slave01  
docker node rm slave02
# 主节点退出集群
docker swarm leave --force

 

转载于:https://my.oschina.net/u/2937605/blog/1797575

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/101711.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)


相关推荐

  • Java BigDecimal比较大小

    Java BigDecimal比较大小BigDecimal比较大小使用compareTo(BigDecimal)方法。intflag =bigdemical.compareTo(bigdemical1)flag =-1,表示bigdemical小于bigdemical1;flag =0,表示bigdemical等于bigdemical1;flag =1,表示bigdemical大于bigdemical1;实际中…

  • python中的split()函数的用法「建议收藏」

    python中的split()函数的用法「建议收藏」函数:split()Python中有split()和os.path.split()两个函数,具体作用如下:split():拆分字符串。通过指定分隔符对字符串进行切片,并返回分割后的字符串列表(lis

  • html幻灯片图片切换效果代码,jquery的幻灯片图片切换效果代码分享

    html幻灯片图片切换效果代码,jquery的幻灯片图片切换效果代码分享本文实例讲述了jquery的幻灯片图片切换效果。分享给大家供大家参考。具体如下:这是一款基于jquery的幻灯片图片切换效果代码,有缩略图和标题,可以自定义标题。运行效果图:——————-查看效果下载源码——————-小提示:浏览器中如果不能正常运行,可以尝试切换浏览模式。(1)在head区域引入CSS样式:(2)js代码://$(do…

  • ROS中cv_bridge如何用python3进行编译

    ROS中cv_bridge如何用python3进行编译最近遇到了个问题,cv_bridge实现了opencv和ros中图像数据类型的转换,但ros-melodic默认python版本是python2。在配置yolact环境的时候,要求是python3。这就导致在ros自带的cv_bridge是python2版本,想使用python3的话需要自己去编译cv_bridge。否则会报错:ImportError:dynamicmoduledoesnotdefinemoduleexportfunction(PyInit_cv_bridge_boo

  • 怎样使用pycharm创建py格式文件_课程创建是什么奖

    怎样使用pycharm创建py格式文件_课程创建是什么奖前言本系列博客用来记录学习Python课程的一些体会,预计会分主题一周一更。Pycharm软件的安装默认已经完成,如果有些同学还没有安装请自行翻阅资料,也可留言tome!谢谢!!!首先,Pycharm的安装也许会有很多这样的教程,但是对于我这样的新手,去完成自己第一个pycharm环境下的Python也许会有些茫然,故介绍创建helloworld程序的模板对于我们具有非常重要…

  • 机器学习中正则化项L1和L2的直观理解

    机器学习中正则化项L1和L2的直观理解正则化(Regularization)机器学习中几乎都可以看到损失函数后面会添加一个额外项,常用的额外项一般有两种,一般英文称作ℓ1ℓ1\ell_1-norm和ℓ2ℓ2\ell_2-norm,中文称作L1正则化和L2正则化,或者L1范数和L2范数。L1正则化和L2正则化可以看做是损失函数的惩罚项。所谓『惩罚』是指对损失函数中的某些参数做一些限制。对于线性回归模型,使用L1正则化的模型建叫做…

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号