Docker+Maven+Jenkins在Devops中完整应用

本文涉及的产品
容器镜像服务 ACR,镜像仓库100个 不限时长
简介: Docker+Maven+Jenkins在Devops中完整应用过去与现在很早之前,当我们需要一个部署环境的时候,我们可能指的是一台PowerEdge R710 2U服务器,走一系列冗长的申请流程,然后上架到机房、调试网络、安装系统、调试环境、最终部署应用,就这样过去了几个月。

Docker+Maven+Jenkins在Devops中完整应用
过去与现在
很早之前,当我们需要一个部署环境的时候,我们可能指的是一台PowerEdge R710 2U服务器,走一系列冗长的申请流程,然后上架到机房、调试网络、安装系统、调试环境、最终部署应用,就这样过去了几个月。
接着出现了虚拟化技术,我们在一台内部服务器使用Citrix XenApp划分出几台虚拟机,搭建了内部需求管理系统、SVN、测试环境等等,当需要新的机器时,我们只需要再次复制出一台虚拟机即可,现在只需要几个小时我们就能整理好一个环境。
到了2013年,docker出现了。当我需要搭建一个Jenkins环境时,我只需要执行两个命令 :
docker pull jenkins/jenkins
docker run jenkins/jenkins
就可以开始使用Jenkins了,只花了我几分钟时间。
docker究竟是什么,我们应该如何在软件生产过程中使用呢?

docker基本概念
我们不打算深入的介绍docker的基础原理,只打算从最基本的应用的场景来说明我们必须理解的部分。
一个完整的Docker有以下几个部分组成:

Docker Client【客户端】
Docker Client是Docker架构中用户与Docker Daemon建立通信的客户端。
Docker Daemon【守护进程】
Daemon是Docker的守护进程,Docker Client通过命令行与Docker Damon通信,完成Docker相关操作。
Docker Image【镜像】
包含了用户定义的应用和其相关的依赖,可以理解成是一张“系统盘”。
Docker Container【容器】
镜像实例化之后就是容器,容器生成之后任何变化与镜像无关,可以理解成是“系统盘”安装的“系统”。
docker使用场景
我们假设的场景流程是这样:
现在我们有一个应用,托管在Git仓库上。管理层要求能够完整支持自动化的devops流程,所以我们需要能够使用CI服务器从Git仓库上拉取代码,编译打包之后生成镜像,上传至公司的私有仓库。最后能够使用CI服务器部署至应用服务器并启动。
进阶场景:
最后一步改为使用容器编排软件,拉取镜像并且部署。并且支持灰度发布,自动扩容(模拟场景)。

预设的环境
应用:SpringBoot + Maven
应用服务器环境:CentOS
Git仓库:Github
CI服务器:Jenkins
私有仓库:阿里云容器镜像服务
容器编排软件:Kubernetes

实施过程
在实施过程中,我们可以不用太关心具体SpringBoot的代码,只是用于说明Dockerfile如何构建。所以我们忽略编写应用,上传Github的过程,假设目前已经有已经上传好的应用,Jenkins也启动完毕,我们从这里讲起。

pom.xml编写
pom.xml中最重要的部分就是根据Dockerfile生成镜像的插件,下面给出关键部分的节点


1.8.version>
Greenwich.SR2.version>
software5000.image.prefix>
registry.cn-hangzhou.aliyuncs.com.repository>



<groupId>com.spotify</groupId>
<artifactId>dockerfile-maven-plugin</artifactId>
<version>1.4.10</version>
<executions>
 <execution>
  <id>default</id>
  <goals>
   <goal>build</goal>
   <goal>push</goal>
  </goals>
 </execution>
</executions>
<configuration>
 <repository>${docker.repository}/${docker.image.prefix}/${project.artifactId}</repository>
 <tag>${project.version}</tag>
 <buildArgs>
  <JAR_FILE>target/${project.build.finalName}.jar</JAR_FILE>
 </buildArgs>
</configuration>




镜像的打包实际上是由com.spotify.dockerfile-maven-plugin执行,重点在configuration标签下的几个子标签,稍后会好好解释。

Dockerfile
Dockerfile是最基础的docker 镜像描述文件,可以直接访问官方说明。

FROM openjdk:8u181-jdk-alpine
ARG workdir=/app
VOLUME ${workdir}
WORKDIR ${workdir}
ARG JAR_FILE
COPY ${JAR_FILE} app.jar
EXPOSE 8081
ENTRYPOINT ["java","-Djava.security.egd=file:/dev/./urandom","-jar","app.jar"]
我们就上面的进行一下说明
FROM:是指从什么基本镜像继承增加自定义配置。这是大部分Dockerfile的第一行代码,因为Docker的推荐最佳实践中就是强调复用,复用社区或者他人已经提供的基础镜像。我们使用的是openjdk 8的基础镜像
ARG:是指Dockerfile中的参数变量,这里就可以看到上面pom.xml中有一个buildArgs标签,实际上就是用来在初始化Dockerfile时提供的参数。
VOLUME:是指Docker容器运行时的挂载点,用于方便容器和宿主机器之间磁盘访问,类似共享文件夹。
WORKDIR:指定了Docker容器运行时的基础根目录。默认命令会从指定的目录开始执行。
COPY/ADD:这个是构建镜像时的核心命令了,会将当前宿主机器中的文件拷贝到镜像当中,比如本例中就是将打包好的jar复制到镜像中。区别是ADD会自动解压(比如war就可以解压出来了),COPY不会。
EXPOSE:这个比较好理解,就是容器运行时,可以对外映射的端口。(当同一个容器在同一个宿主机器运行时,可以指定多个外部访问端口)
CMD/ENTRYPOINT:这同样也是核心命令,作用就是在启动时自动执行的命令。但是差异如下:

CMD命令设置容器启动后默认执行的命令及其参数,但CMD设置的命令能够被docker run命令后面的命令行参数替换
ENTRYPOINT配置容器启动时的执行命令(不会被忽略,一定会被执行,即使运行 docker run时指定了其他命令)
镜像仓库
镜像仓库使用了阿里云的容器镜像服务

我们在pom.xml中的属性中有两个变量:docker.repository 和 docker.image.prefix,如果你使用的是阿里云,那基本docker.repository固定就是registry.cn-hangzhou.aliyuncs.com,docker.image.prefix就是你创建的命名空间了。
接下来是要创建镜像仓库。我一开始理解的镜像仓库有错,我以为所有的镜像都是放在某一个镜像仓库下,实际上镜像仓库是指某一个镜像多个版本的仓库。所以针对我们的每个项目都要创建一个镜像仓库。

Jenkins推送仓库和拉取部署
最终串联的场景是这样,当版本已经测试完毕,测试判定可以执行正式发布动作,点击Jenkins中release任务的build按钮。而服务器则定时凌晨2点定时删除本地镜像并且拉取最新的镜像并且启动容器。
镜像版本控制,也就是docker的tag。我们在dockerfile:build的时候,给镜像打的版本是什么,如果不标记默认就是latest。这样推到仓库之后再拉取整个过程只要不标记版本号即可。
根据我们之前的pom文件,Jenkins中这样配置就会推送至阿里云的镜像仓库。

服务器定时任务执行的shell脚本,就是停止容器、删除容器、删除镜像。

停止容器

docker stop eureka-server

删除容器

docker rm eureka-server

删除镜像

docker rmi eureka-server

拉取镜像

docker pull registry.cn-hangzhou.aliyuncs.com/software5000/eureka-server

运行镜像

docker run -d --name=eureka-server -p 9001:8081 registry.cn-hangzhou.aliyuncs.com/software5000/eureka-server
总结
这篇文章主要是将docker,maven,jenkins整合,模拟实际工作的场景将所有流程串联在一起,并且使用里阿里云的仓库。但是在真正发布的时候,还需要考虑CI/CD,灰度发布等情况。我们并没有在这里完全解决掉。因为每个项目的环境和架构都不相同,所以还是要根据实际具体的情况来推进Devops。现在也正在研究Kubernetes的使用,现在能够确认的有一点。Kubernetes相当于接管了整个环境,所以我们的服务器都是需要安装Kubernetes的客户端,所有的应用也都变成容器化的运行方式。所以当环境切换到docker之后,再切换至Kubernetes会更简单,后续的维护也更加轻松。
另外,如果本文还是看得不是很明白可以先了解一下docker的基本命令和使用方法,自己建个虚拟机体验一下就能明白很多事情。
原文地址https://www.cnblogs.com/pluto4596/p/11216825.html

相关实践学习
通过workbench远程登录ECS,快速搭建Docker环境
本教程指导用户体验通过workbench远程登录ECS,完成搭建Docker环境的快速搭建,并使用Docker部署一个Nginx服务。
深入解析Docker容器化技术
Docker是一个开源的应用容器引擎,让开发者可以打包他们的应用以及依赖包到一个可移植的容器中,然后发布到任何流行的Linux机器上,也可以实现虚拟化,容器是完全使用沙箱机制,相互之间不会有任何接口。Docker是世界领先的软件容器平台。开发人员利用Docker可以消除协作编码时“在我的机器上可正常工作”的问题。运维人员利用Docker可以在隔离容器中并行运行和管理应用,获得更好的计算密度。企业利用Docker可以构建敏捷的软件交付管道,以更快的速度、更高的安全性和可靠的信誉为Linux和Windows Server应用发布新功能。 在本套课程中,我们将全面的讲解Docker技术栈,从环境安装到容器、镜像操作以及生产环境如何部署开发的微服务应用。本课程由黑马程序员提供。 &nbsp; &nbsp; 相关的阿里云产品:容器服务 ACK 容器服务 Kubernetes 版(简称 ACK)提供高性能可伸缩的容器应用管理能力,支持企业级容器化应用的全生命周期管理。整合阿里云虚拟化、存储、网络和安全能力,打造云端最佳容器化应用运行环境。 了解产品详情: https://www.aliyun.com/product/kubernetes
相关文章
|
11天前
|
关系型数据库 MySQL Shell
4.Docker 应用部署
4.Docker 应用部署
|
2天前
|
存储 安全 数据安全/隐私保护
【Docker 专栏】Docker 容器化应用的备份与恢复策略
【5月更文挑战第9天】本文探讨了Docker容器化应用的备份与恢复策略,强调了备份在数据保护、业务连续性和合规要求中的关键作用。内容涵盖备份的重要性、内容及方法,推荐了Docker自带工具和第三方工具如Portainer、Velero。制定了备份策略,包括频率、存储位置和保留期限,并详细阐述了恢复流程及注意事项。文章还提及案例分析和未来发展趋势,强调了随着技术发展,备份与恢复策略将持续演进,以应对数字化时代的挑战。
【Docker 专栏】Docker 容器化应用的备份与恢复策略
|
2天前
|
监控 Kubernetes Docker
【Docker 专栏】Docker 容器内应用的健康检查与自动恢复
【5月更文挑战第9天】本文探讨了Docker容器中应用的健康检查与自动恢复,强调其对应用稳定性和系统性能的重要性。健康检查包括进程、端口和应用特定检查,而自动恢复则涉及重启容器和重新部署。Docker原生及第三方工具(如Kubernetes)提供了相关功能。配置检查需考虑检查频率、应用特性和监控告警。案例分析展示了实际操作,未来发展趋势将趋向更智能和高效的检查恢复机制。
【Docker 专栏】Docker 容器内应用的健康检查与自动恢复
|
2天前
|
存储 安全 数据库
【Docker 专栏】Docker 容器内应用的状态持久化
【5月更文挑战第9天】本文探讨了Docker容器中应用状态持久化的重要性,包括数据保护、应用可用性和历史记录保存。主要持久化方法有数据卷、绑定挂载和外部存储服务。数据卷是推荐手段,可通过`docker volume create`命令创建并挂载。绑定挂载需注意权限和路径一致性。利用外部存储如数据库和云服务可应对复杂需求。最佳实践包括规划存储策略、定期备份和测试验证。随着技术发展,未来将有更智能的持久化解决方案。
【Docker 专栏】Docker 容器内应用的状态持久化
|
2天前
|
机器学习/深度学习 人工智能 异构计算
【Docker 专栏】Docker 与 GPU 加速应用的结合
【5月更文挑战第9天】GPU加速技术在处理大规模数据和复杂计算时展现强大性能,尤其在AI和深度学习领域。Docker作为轻量级容器化工具,提供隔离、可移植和高效的环境。结合GPU加速,关键在于容器访问GPU设备和安装相应驱动。NVIDIA提供了支持工具,允许Docker利用GPU。应用场景包括人工智能、科学计算和视频处理。优势包括资源利用率提升和部署灵活性,但面临驱动兼容性、资源管理和监控调试的挑战。未来,随着技术发展,Docker与GPU加速在边缘计算中的应用将有广阔前景。
【Docker 专栏】Docker 与 GPU 加速应用的结合
|
3天前
|
存储 Prometheus 监控
【Docker 专栏】Docker 容器内应用的调试与故障排除
【5月更文挑战第8天】本文探讨了Docker容器内应用的调试与故障排除,强调其重要性。方法包括:通过日志排查、进入容器检查、使用监控工具及检查容器配置。常见问题涉及应用启动失败、性能问题、网络连接和数据存储。案例分析展示了实战场景,注意事项提醒避免不必要的容器修改、备份数据和理解应用架构。掌握这些技能能确保Docker应用的稳定运行和性能优化。
【Docker 专栏】Docker 容器内应用的调试与故障排除
|
3天前
|
开发框架 安全 网络安全
【Docker 专栏】Docker 多平台应用构建与部署
【5月更文挑战第8天】Docker作为一种关键的容器化技术,简化了多平台应用的构建与部署。它提供一致的运行环境,确保应用在不同平台无缝运行;通过分层构建机制加速镜像创建,提升开发效率。Docker的可移植性、高效部署及资源利用率是其主要优势。流程包括开发环境准备、构建镜像、测试验证及部署。然而,面临操作系统差异、网络安全和资源限制等挑战,需注意安全、版本管理和性能优化。Docker在多平台场景的应用将持续发挥价值。
【Docker 专栏】Docker 多平台应用构建与部署
|
4天前
|
Kubernetes Cloud Native 持续交付
【Docker专栏】Kubernetes与Docker:协同构建云原生应用
【5月更文挑战第7天】本文探讨了Docker和Kubernetes如何协同构建和管理云原生应用。Docker提供容器化技术,Kubernetes则负责容器的部署和管理。两者结合实现快速部署、自动扩展和高可用性。通过编写Dockerfile创建镜像,然后在Kubernetes中定义部署和服务进行应用暴露。实战部分展示了如何部署简单Web应用,包括编写Dockerfile、构建镜像、创建Kubernetes部署配置以及暴露服务。Kubernetes还具备自动扩展、滚动更新和健康检查等高级特性,为云原生应用管理提供全面支持。
【Docker专栏】Kubernetes与Docker:协同构建云原生应用
|
4天前
|
前端开发 API 数据库
【Docker专栏】Docker Compose实战:编排多容器应用
【5月更文挑战第7天】Docker Compose是Docker的多容器管理工具,通过YAML文件简化多容器应用部署。它能一键启动、停止服务,保证开发、测试和生产环境的一致性。安装后,创建`docker-compose.yml`文件定义服务,如示例中的web和db服务。使用`docker-compose up -d`启动服务,通过`docker-compose ps`、`stop`、`down`和`logs`命令管理服务。
【Docker专栏】Docker Compose实战:编排多容器应用
|
4天前
|
监控 安全 数据库
【Docker专栏】Docker容器化应用的最佳实践
【5月更文挑战第7天】本文介绍了 Docker 容器化应用的关键最佳实践,包括使用官方基础镜像、保持镜像精简、以非 root 用户运行容器、安全扫描、编写高效 Dockerfile、环境隔离、使用数据卷、选择合适网络模式、设置资源限制、使用版本标签、容器编排以及文档和自动化部署。遵循这些实践可提升效率和安全性,同时要注意随着技术发展不断更新知识。
【Docker专栏】Docker容器化应用的最佳实践

热门文章

最新文章