在上一章设计了一个工作的 RESTful 微服务后，我们将在本章中看到如何以Docker 方式使用它，将服务封装到一个自包含的容器中，使其不可变并且可以自行部署。本章非常明确地描述了服务的依赖关系以及可以使用它的方式。运行服务的主要方式是将其作为 Web 服务器运行，但也可以进行其他操作，例如运行单元测试、生成报告等。我们还将了解如何在本地计算机上部署服务以进行测试，以及如何通过图像存储库共享它。
本章将涵盖以下主题：
在本章结束时，您将了解如何操作 Docker、创建基本服务、构建映像并运行它。您还将知道如何共享要在另一台计算机上运行的映像。
本章需要安装 Docker，版本 18.09 或以上。请参阅官方文档（https://docs.docker.com/install/）了解如何操作所以对于你的平台。
使用以下命令检查版本：
您还需要安装 Docker Compose 1.24.0 或更高版本。请注意，在某些安装中，例如 macOS，它会自动为您安装。查看 Docker 文档中的安装说明 (https://docs.docker.com/compose/install/< /a>):
代码在 GitHub 上，在这个目录中：https://github.com/PacktPublishing/Hands-On-Docker-for-Microservices-with-Python/tree/master/Chapter03。 第 2 章中提供了 ThoughtsBackend 的副本， 使用 Python 创建 REST 服务，但代码略有不同。我们将在本章中了解不同之处。
这一切都始于一个容器。正如我们在 第 1 章中所说，采取行动 - 设计、计划, 和 Execute，容器是一个打包的软件包，以标准方式封装。它们是可以独立运行的软件单元，因为它们是完全独立的。要制作容器，我们需要构建它。
要使用 Docker 构建容器，我们需要定义其内容。文件系统是通过一层一层地应用来创建的。每个 Dockerfile（生成容器的配方）都包含生成容器的步骤定义。
例如，让我们创建一个非常简单的 Dockerfile。创建一个名为 example.txt 的文件，其中包含一些示例文本和另一个名为 Dockerfile.simple 的文件，其内容如下：
现在使用以下命令构建它：
这将创建一个仅包含 example.txt 文件的 Docker 映像。它不是很有用，但很小——只有 11 个字节。那是因为它继承自空容器 scratch。然后它将 example.txt 文件复制到 /example.txt 容器中的位置内。
让我们看一下 docker build 命令。 Dockerfile用-f参数定义，生成镜像的tag用--tag 定义，context参数定义作为点 (.)。 context 参数是对在 Dockerfile 中的步骤中定义的文件的查找位置的引用。
该图像还具有自动分配的图像 ID f961aef9f15c。这是文件系统内容的哈希值。我们稍后会看到为什么这是相关的。
以前的容器不是很令人兴奋。完全可以从头开始创建自己的容器，但通常情况下，您会寻找一个包含某种 Linux 发行版的基线，以便您可以对容器做一些有用的事情。
正如我们在 FROM 命令中看到的那样，我们可以从以前的容器开始。我们将在本书中使用 Alpine Linux (https://alpinelinux.org/) 发行版，但也可以使用其他发行版，如 Ubuntu 和 CentOS。查看文章 https://sweetcode.io/linux-distributions-optimized-hosting -docker/ 用于针对 Docker 容器的发行版。
以下 Dockerfile 将从基础 alpine 容器继承并添加 example.txt 文件：
这个容器允许我们运行命令，因为包含了常用的命令行实用程序：
注意 cat /opt/example.txt 命令行是如何被执行的。这实际上发生在容器内部。我们在 stdout 控制台中的 stdout 中打印结果。但是，如果创建了一个文件，当容器停止时，该文件不会保存在我们的本地文件系统中，而只会保存在容器内部：
该文件实际上保存在已停止的容器中。容器完成运行后，它会一直被 Docker 停止，直到被移除。您可以使用 docker ps -a 命令查看已停止的容器。停止的容器不是很有趣，尽管它的文件系统保存在磁盘上。
您可以通过添加以下内容来添加默认命令，该命令将在没有给出命令时执行：
使用以下命令使其自动运行：
定义标准命令使容器变得非常简单。只需运行它，它就会执行它配置的任何操作。请记住在容器中包含默认命令。
我们还可以在容器中执行一个 shell 并与之交互。请记住添加 -it 标志以保持连接正常打开，-i 以保持 stdin 处于打开状态，以及 -t 创建一个伪终端，你可以记住它为交互式终端：
这在发现问题或执行探索性测试时非常有用。
构建映像时的主要困惑之一是了解 Docker 层的工作原理。
Dockerfile 上的每个命令都在前一层之上连续执行。如果您对 Git 感到满意，您会注意到该过程是相似的。每层只存储对上一步的更改：
这允许 Docker 非常积极地缓存，因为已经计算了更改之前的任何层。例如，在本例中，我们使用 apk update 更新可用包，然后安装 python3 包，然后再复制 example.txt 文件.对 example.txt 文件的任何更改只会在层 be086a75fe23 上执行最后两个步骤。这加快了图像的重建速度。
这也意味着您需要仔细构建 Dockerfile，以免缓存无效。从很少更改的操作开始，例如安装项目依赖项，并以更改频繁的操作结束，例如添加代码。我们示例的带注释的 Dockerfile 指示了缓存的使用情况。
这也意味着图像永远不会变小，即使该层删除了数据，也会添加一个新层，因为前一层仍然存储在磁盘上。如果你想从一个步骤中删除杂物，你需要在同一个步骤中这样做。
有几种做法可以使您的图像保持较小。除了注意不要安装额外的元素外，主要的元素是创建一个安装和卸载的单一复杂层，以及多阶段图像。多阶段 Dockerfile 是一种引用先前中间层并从那里复制数据的方法。检查 Docker 文档（https://docs.docker.com/develop/develop -images/multistage-build/）。
您可以在本文中详细了解这两种策略之间的区别：https://pythonspeed .com/articles/smaller-python-docker-images/。
我们将在下一步中创建一个多阶段容器。
我们有一个特定的目标，即创建一个能够运行我们的微服务 ThoughtsBackend 的容器。为此，我们有几个要求：
因此，概括地说，我们需要创建一个带有 Web 服务器的容器，添加我们的代码，配置它以运行我们的代码，并在启动容器时提供结果。
作为 Web 服务器，我们将使用 uWSGI (https://uwsgi-docs.readthedocs.io/ zh/最新/)。 uWSGI 是一个 Web 服务器，能够通过 WSGI 协议为我们的 Flask 应用程序提供服务。 uWSGI 非常可配置，有很多选项，并且能够直接提供 HTTP。
我们来看看docker/app/Dockerfile文件.有两个阶段；第一个是编译依赖项：
此阶段执行以下步骤：
第二阶段是准备运行的容器。让我们来看看：
它执行以下操作：
请注意，应用程序代码复制到文件末尾。应用程序代码很可能是最常更改的代码，因此这种结构利用 Docker 缓存并仅重新创建最后几层，而不必从头开始。在设计 Dockerfile 时要考虑到这一点。
现在让我们构建我们的容器。看到创建了两个图像，但只有一个被命名。另一个是编译映像，它更大，因为它包含编译器，依此类推：
现在我们可以运行容器了。为了能够访问内部端口 8000，我们需要使用 -p 选项对其进行路由：
访问我们的本地浏览器到 127.0.0.1 显示我们的应用程序。您可以在标准输出中看到访问日志：
您可以使用 docker exec 从不同的终端访问正在运行的容器并执行新的 shell。请记住添加 -it 以保持终端打开。使用 docker ps 检查当前运行的容器以找到容器 ID：
您可以使用 Ctrl + C 停止容器，或者更优雅地从另一个终端停止它：
日志将显示 graceful stop：
正确捕获 SIGTERM 并优雅地停止我们的服务对于避免突然终止服务很重要。我们将看到如何在 uWSGI 中配置它，以及其他元素。
uwsgi.ini 文件包含 uWSGI 配置：
其中大部分是我们从 Dockerfile 中获得的信息，尽管它需要匹配，以便 uWSGI 知道在哪里可以找到应用程序代码、要启动的 WSGI 文件的名称、启动它的用户等等。
其他参数特定于 uWSGI 行为：
为了允许优雅的停止，我们将 uWSGI 的执行包装在 start_server.sh 脚本中：
脚本的核心是调用 uwsgi 来启动服务。然后它会一直等到它停止。
SIGTERM 信号将被捕获，uWSGI将通过发送q命令到master-fifo来优雅地停止管道。
Docker 使用 SIGTERM 信号来停止容器的执行。超时后，它会用 SIGKILL 杀死它们。
我们已经查看了一些重要的 Docker 命令：
虽然这些是基本的，但了解大多数可用的 Docker 命令对于调试问题和执行诸如监控、复制和标记图像、创建网络等操作非常有用。这些命令还将向您展示有关 Docker 内部工作原理的很多信息。
Docker 文档（https://docs.docker.com/v17. 12/engine/reference/commandline/docker/) 相当完整。一定要知道你的方式。
本章前面提到的 Docker 命令是基础，一切从这里开始。但是，当处理多个时，处理它们开始变得复杂。您已经看到某些命令可能会变得很长。
要在集群操作中使用容器，我们将使用 docker-compose。这是 Docker 自己的用于定义多容器操作的编排工具。它由一个包含所有不同任务和服务的 YAML 文件定义，每个任务和服务都有足够的上下文来构建和运行它。
它允许您将 每个服务和参数的不同服务和参数存储在这个配置文件中，默认情况下称为 docker-compose.yaml。这使您可以协调它们并生成可复制的服务集群。
我们将首先创建一个服务来运行单元测试。请记住，测试需要在容器内部运行。这将标准化它们的执行并确保依赖关系是恒定的。
我们需要在docker-compose.yaml文件中定义一个服务，这样：
本节定义了一个名为 test-sqlite 的服务。构建定义要使用的 Dockerfile 和上下文，就像我们使用 docker build 命令一样。 docker-compose 自动设置名称。
我们可以使用以下命令构建容器：
entrypoint 指定要运行的命令，在这种情况下，通过 pytest 命令运行测试。
要运行容器，请调用 run 命令：
您可以附加 pytest 参数，这些参数将传递给内部 entrypoint。例如，要运行与 validation 字符串匹配的测试，请运行以下命令：
还有两个额外的细节：当前代码通过卷挂载并覆盖容器中的代码。查看 ./ThoughtsBackend 中的当前代码是如何挂载到容器中代码的位置 /opt/code 的。这对于开发来说非常方便，因为它将避免每次进行更改时都必须重新构建容器。
这也意味着挂载目录层次结构中的任何写入都将保存在本地文件系统中。例如，./ThoughtsBackend/db.sqlite3 数据库文件允许您使用它进行测试。它还将存储生成的 pyc 文件。
这就是我们使用 environment 选项来传递 PYTHONDONTWRITEBYTECODE=1 环境变量的原因。这会阻止 Python 创建 pyc 文件。
虽然 SQLite 有利于测试，但我们需要创建一个更好的结构来反映部署，并配置对数据库的访问以便能够部署服务器。
我们需要针对 PostgreSQL 数据库测试我们的代码。这是我们将在生产环境中部署代码的数据库。
虽然 SQLAlchemy 中的抽象层旨在减少差异，但数据库的行为存在一些差异。
例如，在 /thoughts_backend/api_namespace.py 中，以下行不区分大小写，这是我们想要的行为：
把它翻译成 PostgreSQL，它是区分大小写的，这需要你检查它。如果使用 SQLite 进行测试并在 PostgreSQL 中运行，这将是生产中的错误。
要创建数据库容器，我们需要定义相应的 Dockerfile。我们将所有文件存储在 docker/db/ 子目录中。让我们看一下 Dockerfile 及其不同的部分。整个文件可以在 GitHub 上找到 (https://github.com/PacktPublishing/Hands-On-Docker-for-Microservices-with-Python/blob/master/Chapter03/docker/db/Dockerfile）。这个 Dockerfile 可以分为以下几个阶段：
ARG 元素也被定义为 ENV 变量，因此我们将它们定义为环境变量：
这将初始化数据库，设置正确的用户、密码等。请注意，这还没有为我们的应用程序创建特定的表。
该脚本首先启动后台运行的 PostgreSQL 数据库，然后调用 init_db.py，然后优雅地停止数据库。
要运行数据库服务，我们需要将其设置为 docker-compose 文件的一部分：
请注意，args 参数将在构建期间设置 ARG 值。我们还路由 PostgreSQL 端口以允许访问数据库。
您现在可以构建并启动服务器：
在不同的终端中，您可以使用 PostgreSQL 客户端访问数据库。我推荐出色的 pgcli。你可以查看它的文档（https://www.pgcli.com/）。
在这里，我们使用 PGPASSWORD 环境变量来显示密码是之前配置的密码：
能够访问数据库对于调试目的很有用。
我们可以将服务配置为使用环境变量来改变行为。对于容器，这是使用配置文件的绝佳替代方案，因为它允许不可变容器注入其配置。这符合十二因素应用程序 (https://12factor.net/config) 的原则，并允许代码和配置之间的良好分离，以及代码可能用于的不同部署的设置。
这允许配置数据库连接，因此我们可以在 SQLite 后端或 PostgreSQL 之间进行选择。
我们将配置测试以访问我们新创建的数据库容器。为此，我们首先需要能够通过配置在 SQLite 或 PostgreSQL 之间进行选择。查看 ./ThoughtsBackend/thoughts_backend/db.py 文件：
当使用 DATABASE_ENGINE 环境变量设置为 POSTGRESQL 时，它会正确配置它。其他环境变量需要正确；也就是说，如果数据库引擎设置为 PostgreSQL，则需要设置 POSTGRES_HOST 变量。
环境变量可以单独存储在 docker-compose.yaml 文件中，但是在一个文件中存储多个更方便。我们来看看environment.env：
注意用户的定义等是符合参数的，创建Dockerfile进行测试。 POSTGRES_HOST 定义为db，即服务的名称。
我们使用 PostgreSQL 容器的测试服务然后被定义如下：
这与 test-sqlite 服务非常相似，但它在 environment.env 中添加了环境配置，并添加了对 db 的依赖。这意味着 docker-compose 将启动 db 服务，如果不存在的话。
您现在可以针对 PostgreSQL 数据库运行测试：
这个环境文件对于任何需要连接到数据库的服务都会很有用，比如在本地部署服务。
使用所有这些元素，我们可以创建服务以在本地部署 Thoughts 服务：
我们需要确保添加db数据库服务的依赖。我们还绑定了内部端口，以便我们可以在本地访问它。
我们现在可以使用以下命令启动服务：
现在在浏览器中访问 localhost:8000 中的服务：
您可以在终端中查看日志。点击 Ctrl + C 将停止服务器。该服务也可以使用 -d 标志启动，以分离终端并以守护程序模式运行：
使用 docker-compose ps检查正在运行的服务、它们的当前状态和打开的端口：
正如我们之前所见，我们可以直接访问数据库并在其中运行原始 SQL 命令。这对于调试问题或进行实验很有用：
现在可以通过以下 API 获得这个想法：
如果需要在分离模式下查看日志，可以使用 docker-compose logs <optional: service> 命令：
要完全停止集群，请调用 docker-compose down：
这会停止所有容器。
我们看到的所有操作都适用于我们的本地 Docker 存储库。鉴于 Docker 镜像的结构以及每一层都可以独立工作的事实，它们很容易上传和共享。为此，我们需要使用远程存储库或 Docker 术语中的注册表，它将接受推送到它的图像，并允许从中提取图像。
默认注册表是 Docker Hub。这是默认配置的，它作为公共图像的主要来源。您可以在 https://hub.docker.com/ 中自由访问它并搜索可用的图像以建立您的图片：
每个图像都有关于使用它的方式和可用标签的信息。您不需要单独下载镜像，只需使用镜像名称或运行 docker pull 命令即可。如果未指定其他注册表，Docker 将自动从 Docker Hub 拉取：
镜像的名称也是我们在 Dockerfiles 中的 FROM 命令中使用的名称。
标签是标记同一图像的不同版本的描述符。有一个图像 alpine:3.9 和另一个图像 alpine:3.8。也有针对不同解释器（3.6、3.7、2.7 等）的 Python 官方镜像，但除了版本之外，解释器可能会参考镜像的创建方式。
例如，这些图像具有相同的效果。第一个是包含 Python 3.7 解释器的完整图像：
第二个也有一个 Python 3.7 解释器。请注意名称中的 slim 更改：
但是，图像的大小完全不同：
如果未指定另一个标记，则任何构建都会自动使用 latest 标记。
可以使用不同的标签多次标记单个图像。例如，latest 标签也可以是版本 v1.5：
注意 image id 是如何相同的。使用标签允许您标记特定图像，因此我们知道它们已准备好部署或赋予它们某种意义。
一旦我们标记了我们的图像，我们就可以将其推送到共享注册表，以便其他服务可以使用它。
可以部署自己的 Docker 注册表，但除非绝对必要，否则最好避免使用它。有一些云提供商允许您创建自己的注册表，无论是公共的还是私有的，甚至在您自己的私有云网络中。如果你想让你的镜像可用，最好的选择是 Docker Hub，因为它是标准的，而且最容易访问。在本章中，我们将在这里创建一个，但我们将在本书后面探讨其他选项。
除非确实需要，否则请避免使用自己的注册表。
我们将在 Docker Hub 注册表中创建一个新的存储库。您可以免费创建一个私人仓库，也可以创建任意数量的公共仓库。你需要创建一个新用户，下载Docker的时候可能就是这样。
在更非正式的术语中，通常将注册表称为 repos，将 repos 称为 images，不过，纯粹而言，图像是唯一的，可能是标签（或不）。
然后，您可以创建一个新的 repo，如下所示：
创建 repo 后，我们需要相应地标记我们的图像。这意味着它应该包含 Docker Hub 中的用户名来识别 repo。另一种方法是直接使用包含的用户名命名图像：
为了能够访问 repo，我们需要在 Docker Hub 中使用我们的用户名和密码登录 Docker：
登录后即可推送图片：
鉴于本地 Docker 已正确记录，您现在可以共享映像并从任何地方拉取它。当我们部署生产集群时，我们需要确保执行它的 Docker 服务器能够访问注册表并且它被正确记录。
在本章中，我们学习了如何使用 Docker 命令来创建和操作容器。我们学习了大部分常用的 Docker 命令，如 build、run、exec、ps、图像、标签、和推送。
我们了解了如何构建 Web 服务容器，包括准备配置文件、如何构建 Dockerfile 以及如何使我们的镜像尽可能小。我们还介绍了如何使用 docker-compose 在本地操作，并通过一个 docker-compose.yaml 文件连接运行在一个集群配置。这包括创建一个数据库容器，允许使用相同的工具进行更接近生产部署的测试。
我们看到了如何使用环境变量来配置我们的服务，以及如何通过 docker-compose 配置注入它们以允许不同的模式，例如测试。
最后，我们分析了如何使用注册表来共享我们的图像，以及如何充分标记它们并允许将它们从本地开发中移出，以便在部署中使用。
在下一章中，我们将看到如何利用创建的容器和操作来自动运行测试，并让自动化工具为我们完成繁重的工作，以确保我们的代码始终是高质量的！
要进一步了解 Docker 和容器，您可以查看掌握 Docker - 第三版一书（https://www.packtpub.com/eu/virtualization-and-cloud/mastering-docker-third-edition）。如需调整容器并了解如何让您的应用程序性能更高，请参阅 Docker 高性能 - 第二版 (https://www.packtpub.com/eu/networking-and-servers/docker-high-performance-second-edition),其中涵盖了许多用于分析和发现性能问题的技术。