「第二部:容器和微服务架构」(2) 容器化单体应用

简介: 「第二部:容器和微服务架构」(2) 容器化单体应用

您可能需要构建一个单独的、整体部署的web应用程序或服务,并将其部署为一个容器。应用程序本身可能不是内部单一的,而是由几个库、组件甚至层(应用程序层、域层、数据访问层等)构成。但是,在外部,它是一个容器—单个进程、单个web应用程序或单个服务。

要管理此模型,可以部署一个容器来表示应用程序。为了增加容量,您可以向外扩展,也就是说,只需在前面添加更多带有负载平衡器的副本。简单性来自于在单个容器或VM中管理单个部署。


图1 容器化单体应用程序的体系结构示例


可以在每个容器中包含多个组件、库或内部层,如图1所示。单体容器化应用程序的大部分功能都在一个容器中,带有内部层或库,并通过在多个服务器/vm上克隆容器来扩展。然而,这种整体模式可能与容器原则“容器做一件事,在一个过程中做”相冲突,但在某些情况下可能是可以的。

如果应用程序不断增长,需要对其进行扩展,那么这种方法的缺点就显而易见了。如果整个应用程序都可以扩展,这其实不是问题。然而,在大多数情况下,应用程序中只有少数部分是需要扩展的瓶颈,而其他组件使用较少。

例如,在典型的电子商务应用程序中,您可能需要扩展产品信息子系统,因为浏览产品的客户比购买产品的客户多。更多的客户使用他们的购物篮,而不是使用支付管道。添加评论或查看购买历史记录的客户较少。你可能只有少数员工需要管理内容和营销活动。如果缩放整体设计,则这些不同任务的所有代码都会多次部署并在同一级别缩放。

有多种方法可以扩展应用程序的水平复制,分割应用程序的不同区域,并对类似的业务概念或数据进行分区。但是,除了扩展所有组件的问题之外,对单个组件的更改还需要对整个应用程序进行完全的重新测试,并完全重新部署所有实例。

但是,单块方法很常见,因为应用程序的开发最初比微服务方法容易。因此,许多组织使用这种体系结构方法进行开发。虽然一些组织已经取得了足够好的结果,但其他组织正在达到极限。许多组织使用这个模型设计他们的应用程序,因为多年前工具和基础设施使得构建面向服务的体系结构(service-oriented architectures,SOA)变得太困难,直到应用程序增长,他们才看到这一需要。

从基础设施的角度来看,每台服务器可以在同一台主机上运行多个应用程序,并且在资源使用效率方面具有可接受的比率,如图2所示。


图2 整体方法:主机运行多个应用程序,每个应用程序作为容器运行


Microsoft Azure中的单体应用程序可以使用每个实例的专用vm进行部署。此外,使用Azure虚拟机缩放集,您可以轻松缩放vm。Azure应用服务还可以运行单体应用程序并轻松扩展实例,而无需管理VM。自2016年以来,Azure应用服务还可以运行Docker容器的单个实例,从而简化部署。

作为QA环境或有限的生产环境,您可以部署多个Docker主机VM,并使用Azure平衡器平衡它们,如图3所示。这使您可以使用粗粒度方法管理缩放,因为整个应用程序都位于单个容器中。


图3多个主机扩展单个容器应用程序的示例


可以使用传统的部署技术管理到不同主机的部署。Docker主机可以通过Docker run或Docker compose等命令进行管理,这些命令可以手动执行,也可以通过诸如continuous delivery(CD)pipelines之类的自动化进行管理。

将单体应用程序部署为容器

使用容器管理单体应用程序部署有很多好处。扩展容器实

例比部署其他vm快得多,也容易得多。即使使用虚拟机规模集,VM也需要时间来启动。当部署为传统的应用程序实例而不是容器时,应用程序的配置作为VM的一部分进行管理,这并不理想。

将更新部署为Docker映像要快得多,网络效率也高得多。Docker镜像通常在几秒钟内启动,这加快了卷展栏的速度。拆卸Docker映像实例和发出Docker stop命令一样简单,通常不到一秒钟就完成。

因为容器在设计上是不可变的,所以您不必担心损坏的vm。相反,VM的更新脚本可能会忘记解释磁盘上的某些特定配置或文件。

虽然单块应用程序可以从Docker中受益,但我们只谈到了好处。管理容器的其他好处来自与容器编排器一起部署,后者管理每个容器实例的各种实例和生命周期。将单体应用程序分解成可以单独扩展、开发和部署的子系统是您进入微服务领域的切入点。

将单个基于容器的应用程序发布到Azure应用程序服务

无论您想要获得部署到Azure的容器的验证,还是当应用程序只是单个容器应用程序时,Azure应用程序服务都提供了一种提供可伸缩的基于单个容器的服务的好方法。使用Azure应用服务很简单。它提供了与Git的强大集成,使您可以轻松地获取代码、在Visual Studio中构建代码并将其直接部署到Azure。


图4 从Visual Studio 2019将单个容器应用程序发布到Azure应用程序服务


如果没有Docker,如果你需要Azure应用服务中不支持的其他功能、框架或依赖项,你必须等到Azure团队更新了应用服务中的这些依赖项。或者你必须切换到其他服务,比如Azure云服务或VMs,在那里你有进一步的控制权,你可以为你的应用程序安装所需的组件或框架。

Visual Studio 2017及更高版本中的容器支持使您能够在应用程序环境中包含您想要的任何内容,如图4-4所示。由于是在容器中运行,因此如果向应用程序添加依赖项,则可以在Dockerfile或Docker映像中包含依赖项。

如图4所示,发布流通过容器注册表推送镜像。这可以是Azure容器注册表(一个靠近你在Azure中的部署并受Azure活动目录组和帐户保护的注册表),也可以是任何其他Docker注册表,如Docker Hub或本地注册表。

相关文章
|
11月前
|
Kubernetes Docker Python
Docker 与 Kubernetes 容器化部署核心技术及企业级应用实践全方案解析
本文详解Docker与Kubernetes容器化技术,涵盖概念原理、环境搭建、镜像构建、应用部署及监控扩展,助你掌握企业级容器化方案,提升应用开发与运维效率。
1381 108
|
11月前
|
运维 监控 数据可视化
小白也能部署应用,3个免费的容器化部署工具测评
本文对比了三款容器化部署工具:Docker Compose、Portainer 和 Websoft9。Docker Compose 适合开发者编排多容器应用,Portainer 提供图形化管理界面,而 Websoft9 则面向中小企业和非技术人员,提供一键部署与全流程运维支持,真正实现“开箱即用”。三款工具各有定位,Websoft9 更贴近大众用户需求。
小白也能部署应用,3个免费的容器化部署工具测评
|
11月前
|
监控 Java API
Spring Boot 3.2 结合 Spring Cloud 微服务架构实操指南 现代分布式应用系统构建实战教程
Spring Boot 3.2 + Spring Cloud 2023.0 微服务架构实践摘要 本文基于Spring Boot 3.2.5和Spring Cloud 2023.0.1最新稳定版本,演示现代微服务架构的构建过程。主要内容包括: 技术栈选择:采用Spring Cloud Netflix Eureka 4.1.0作为服务注册中心,Resilience4j 2.1.0替代Hystrix实现熔断机制,配合OpenFeign和Gateway等组件。 核心实操步骤: 搭建Eureka注册中心服务 构建商品
1488 3
|
9月前
|
监控 Kubernetes 安全
还没搞懂Docker? Docker容器技术实战指南 ! 从入门到企业级应用 !
蒋星熠Jaxonic,技术探索者,以代码为笔,在二进制星河中书写极客诗篇。专注Docker与容器化实践,分享从入门到企业级应用的深度经验,助力开发者乘风破浪,驶向云原生新世界。
830 52
还没搞懂Docker? Docker容器技术实战指南 ! 从入门到企业级应用 !
|
9月前
|
Cloud Native Serverless API
微服务架构实战指南:从单体应用到云原生的蜕变之路
🌟蒋星熠Jaxonic,代码为舟的星际旅人。深耕微服务架构,擅以DDD拆分服务、构建高可用通信与治理体系。分享从单体到云原生的实战经验,探索技术演进的无限可能。
微服务架构实战指南:从单体应用到云原生的蜕变之路
|
9月前
|
缓存 Cloud Native 中间件
《聊聊分布式》从单体到分布式:电商系统架构演进之路
本文系统阐述了电商平台从单体到分布式架构的演进历程,剖析了单体架构的局限性与分布式架构的优势,结合淘宝、京东等真实案例,深入探讨了服务拆分、数据库分片、中间件体系等关键技术实践,并总结了渐进式迁移策略与核心经验,为大型应用架构升级提供了全面参考。
|
9月前
|
人工智能 JavaScript 前端开发
GenSX (不一样的AI应用框架)架构学习指南
GenSX 是一个基于 TypeScript 的函数式 AI 工作流框架,以“函数组合替代图编排”为核心理念。它通过纯函数组件、自动追踪与断点恢复等特性,让开发者用自然代码构建可追溯、易测试的 LLM 应用。支持多模型集成与插件化扩展,兼具灵活性与工程化优势。
743 6
|
10月前
|
人工智能 Cloud Native 中间件
划重点|云栖大会「AI 原生应用架构论坛」看点梳理
本场论坛将系统性阐述 AI 原生应用架构的新范式、演进趋势与技术突破,并分享来自真实生产环境下的一线实践经验与思考。
|
10月前
|
机器学习/深度学习 人工智能 vr&ar
H4H:面向AR/VR应用的NPU-CIM异构系统混合卷积-Transformer架构搜索——论文阅读
H4H是一种面向AR/VR应用的混合卷积-Transformer架构,基于NPU-CIM异构系统,通过神经架构搜索实现高效模型设计。该架构结合卷积神经网络(CNN)的局部特征提取与视觉Transformer(ViT)的全局信息处理能力,提升模型性能与效率。通过两阶段增量训练策略,缓解混合模型训练中的梯度冲突问题,并利用异构计算资源优化推理延迟与能耗。实验表明,H4H在相同准确率下显著降低延迟和功耗,为AR/VR设备上的边缘AI推理提供了高效解决方案。
1551 0

热门文章

最新文章