龙空技术网

使用DragonFly进行智能镜像分发

地表最强乔同学 128

前言:

此刻小伙伴们对“nginx根据ip分发”大概比较注重,姐妹们都想要学习一些“nginx根据ip分发”的相关资讯。那么小编同时在网摘上汇集了一些关于“nginx根据ip分发””的相关内容,希望小伙伴们能喜欢,咱们一起来学习一下吧!

Dragonfly 是一款基于 P2P 的智能镜像和文件分发工具。它旨在提高文件传输的效率和速率,最大限度地利用网络带宽,尤其是在分发大量数据时,例如应用分发、缓存分发、日志分发和镜像分发。 在阿里巴巴,Dragonfly 每个月会被调用 20 亿次,分发的数据量高达 3.4PB。Dragonfly 已成为阿里巴巴基础设施中的重要一环。 尽管容器技术大部分时候简化了运维工作,但是它也带来了一些挑战:例如镜像分发的效率问题,尤其是必须在多个主机上复制镜像分发时。 Dragonfly 在这种场景下能够完美支持 Docker 和 PouchContainer。它也兼容其他格式的容器。相比原生方式,它能将容器分发速度提高 57 倍,并让 Registry 网络出口流量降低 99.5%。Dragonfly 能让所有类型的文件、镜像或数据分发变得简单而经济。 更多请通过官方文档了解。

纯Docker部署

这里采用多机部署,方案如下:

应用 IP 服务端 172.17.100.120 客户端 172.17.100.121 客户端 172.17.100.122

部署服务端

以docker方式部署,命令如下:

docker run -d --name supernode --restart=always -p 8001:8001 -p 8002:8002 \    dragonflyoss/supernode:0.3.0 -Dsupernode.advertiseIp=172.17.100.120

部署客户端

准备配置文件Dragonfly 的配置文件默认位于 /etc/dragonfly 目录下,使用容器部署客户端时,需要将配置文件挂载到容器内。为客户端配置 Dragonfly Supernode 地址:

cat <<EOD > /etc/dragonfly/dfget.ymlnodes:    - 172.17.100.120EOD

启动客户端

docker run -d --name dfclient --restart=always -p 65001:65001 \    -v /etc/dragonfly:/etc/dragonfly \    dragonflyoss/dfclient:v0.3.0 --registry 

registry是仓库地址,这里使用的官方仓库

修改Docker Daemon配置

我们需要修改 Dragonfly 客户端机器(dfclient0, dfclient1)上 Docker Daemon 配置,通过 mirror 方式来使用 Dragonfly 进行镜像的拉取。在配置文件 /etc/docker/daemon.json 中添加或更新如下配置项:

{  "registry-mirrors": [";]}

然后重启Docker

systemctl restart docker

拉取镜像测试

在任意一台客户端上进行测试,比如:

docker pull tomcat

验证

查看client端的日志,如果输出如下,则表示是通过DragonFly来传输的。

docker exec dfclient grep 'downloading piece' /root/.small-dragonfly/logs/dfclient.log
2020-06-20 15:56:49.813 INFO sign:146-1592668602.159 : downloading piece:{"taskID":"4d977359836129ce2eec4b8418a7042c47db547a239e2a577ddc787ee177289c","superNode":"172.17.100.120","dstCid":"cdnnode:172.17.100.120~4d977359836129ce2eec4b8418a7042c47db547a239e2a577ddc787ee177289c","range":"0-4194303","result":503,"status":701,"pieceSize":4194304,"pieceNum":0}

如果需要查看镜像是否通过其他 peer 节点来完成传输,可以执行以下命令:

docker exec dfclient grep 'downloading piece' /root/.small-dragonfly/logs/dfclient.log | grep -v cdnnode

如果以上命令没有输出结果,则说明镜像没有通过其他peer节点完成传输,否则说明通过其他peer节点完成传输。

在Kubernetes中部署

服务端以Deployment的形式部署

apiVersion: apps/v1kind: Deploymentmetadata:  labels:    app: supernode  name: supernode  namespace: kube-systemspec:  replicas: 1  selector:    matchLabels:      app: supernode  template:    metadata:      labels:        app: supernode      annotations:        scheduler.alpha.kubernetes.io/critical-pod: ""    spec:      containers:      - image: dragonflyoss/supernode:0.3.0        name: supernode        ports:        - containerPort: 8080          hostPort: 8080          name: tomcat          protocol: TCP        - containerPort: 8001          hostPort: 8001          name: register          protocol: TCP        - containerPort: 8002          hostPort: 8002          name: download          protocol: TCP        volumeMounts:        - mountPath: /etc/localtime          name: ltime        - mountPath: /home/admin/supernode/logs/          name: log        - mountPath: /home/admin/supernode/repo/          name: data      hostNetwork: true      dnsPolicy: ClusterFirstWithHostNet      restartPolicy: Always      tolerations:      - effect: NoExecute        operator: Exists      - effect: NoSchedule        operator: Exists      nodeSelector:        node-role.kubernetes.io/master: ""      volumes:      - hostPath:          path: /etc/localtime          type: ""        name: ltime      - hostPath:          path: /data/log/supernode          type: DirectoryOrCreate        name: log      - hostPath:          path: /data/supernode/repo/          type: DirectoryOrCreate        name: data---kind: ServiceapiVersion: v1metadata:  name: supernode  namespace: kube-systemspec:  selector:    app: supernode  ports:  - name: register    protocol: TCP    port: 8001    targetPort: 8001  - name: download    protocol: TCP    port: 8002    targetPort: 8002

以hostNetwork的形式部署在master上。

部署过后可以看到supernode已经正常启动了。

# kubectl get pod -n kube-system | grep supernodesupernode-86dc99f6d5-mblck                 1/1     Running   0          4m1s

客户端以daemonSet的形式部署,yaml文件如下:

apiVersion: apps/v1kind: DaemonSetmetadata:  name: dfdaemon  namespace: kube-systemspec:  selector:    matchLabels:      app: dfdaemon  template:    metadata:      annotations:        scheduler.alpha.kubernetes.io/critical-pod: ""      labels:        app: dfdaemon    spec:      containers:      - image: dragonflyoss/dfclient:v0.3.0        name: dfdaemon        imagePullPolicy: IfNotPresent        args:        - --registry ;       resources:          requests:            cpu: 250m        volumeMounts:        - mountPath: /etc/dragonfly/dfget.yml          subPath: dfget.yml          name: dragonconf      hostNetwork: true      dnsPolicy: ClusterFirstWithHostNet      restartPolicy: Always      tolerations:      - effect: NoExecute        operator: Exists      - effect: NoSchedule        operator: Exists      volumes:      - name: dragonconf        configMap:          name: dragonfly-conf

配置文件我们以configMap的形式挂载,所以我们还需要编写一个configMap的yaml文件,如下:

apiVersion: v1kind: ConfigMapmetadata:  name: dragonfly-conf  namespace: kube-systemdata:  dfget.yml: |    nodes:    - 172.17.100.120

部署过后观察结果

# kubectl get pod -n kube-system | grep dfdaemondfdaemon-mj4p6                             1/1     Running   0          3m51sdfdaemon-wgq5d                             1/1     Running   0          3m51sdfdaemon-wljt6                             1/1     Running   0          3m51s

然后修改docker daemon的配置,如下:

{  "registry-mirrors": [";]}

重启docker

systemctl restart docker

现在我们来拉取镜像测试,并观察日志输出。下载镜像(在master上测试的):

docker pull nginx

然后观察日志

kubectl exec  -n kube-system dfdaemon-wgq5d  grep 'downloading piece' /root/.small-dragonfly/logs/dfclient.log

看到日志输出如下,表示成功

2020-06-20 17:14:54.578 INFO sign:128-1592673287.190 : downloading piece:{"taskID":"089dc52627a346df2a2ff67f6c07497167b35c4bad2bca1e9aad087441116982","superNode":"172.17.100.120","dstCid":"cdnnode:192.168.235.192~089dc52627a346df2a2ff67f6c07497167b35c4bad2bca1e9aad087441116982","range":"0-4194303","result":503,"status":701,"pieceSize":4194304,"pieceNum":0}

今天的测试就到这里,我这是自己的小集群实验室,效果其实并不明显,在大集群效果可能更好。

参考

标签: #nginx根据ip分发