docker内存阀值_docker高级应用之集群与auto scale-阿里云开发者社区

之前介绍过docker的单机安装、多主机网络互通、如何半自动化更新与回滚代码，现在在介绍如何进行集群与auto scale。

集群通信软件

这部分功能使用Python语言编写，基于TCP Socket与SSL加密通信。我们来看下效果展示：

查看所有节点信息：

(软件名是cdocker，分为客户端与服务端，服务的名字是cdocker_server.py，客户端名字是cdocker_client.py，感谢@陈李粮帮我起的名字)

上图的返回信息显示当前集群有3个节点(Node)、存放位置与类型(Metadata)、机器唯一标识(Machines_id)、当前宿主机创建容器数量(Container_now_user)以及最大可以使用容器的数量(Container_max_use)。

这个程序中也包含了部分Mesos等功能，可以计算集群里可用资源情况，并显示具体已使用与可最大使用数量。

查看具体节点里容器信息

集群模块还有其他的功能，比如创建集群、创建auto_scale等，今天我就给大家展示web界面，后台实现不再详细介绍。

上图为集群总览界面，包含了当前集群的部分信息。左上角可以创建集群：

我对存放区域设计基本思路是按照服务器的配置来选择类型。具体如下:

界面中auto_scale开始数量与最大数量，以及内存、cpu阀值的设置都很直观，不再赘述。

点击info按钮，可以查看集群项目信息 、实例信息、公网信息等

公网ip与防火墙信息都可以动态的调整。

生效的意思是对新增或者修改后防火墙策略进行生效，主要是放在误操作。

这个3个按钮主要是对集群进行更新、回滚(这个功能还有点瑕疵，所以先不展示)

下面在介绍一下auto scale

主要是通过自研程序docker_auto_scale.py进行动态扩容与缩减容器数量，这个程序是通过获取集群的监控信息以及auto scale设置值与cpu、内存阀值进行综合判断后进行操作。

效果如下

比如运行正常(cpu、内存使用量未超过阀值)

下面修改一下内存阀值

修改前

修改后

点击提交

可以看到内存阀值已经从95%修改为1%，下面是运行auto scale软件情况

可以看到扩容了当前的一倍，从4变为8个了

下面在运行一遍

可以看到从8变为16，翻了一倍

另外auto scale缩减也是一样的效果

这样仅是对后端做的操作，但前端访问肯定是通过ip加url，然后负载到后端real server，我这里是使用程序+etcd+confd+haproxy+keepalived

web访问效果为

url对应的脚本就是获取容器的内网ip。

至于有几个ip里包含this is test update是我自己弄的测试。

目前通过这样的集群与auto scale模式，可以满足动态扩容与缩减，对于资源最大程度使用、高可用、跨机房高可用等都能满足。

本文转自 reinxu 51CTO博客，原文链接：http://blog.51cto.com/dl528888/1687544，如需转载请自行联系原作者