容器服务

采用容器服务后，了解容器之间的关系及依赖是一个比较有挑战的问题。容器化改造后的实际架构模型可能与预想的架构存在较大的差异，架构师或系统运维人员需要精确地了解资源实例的构成和交互情况，存在一定的困难。其次，系统架构在动态演化过程中可能引入了一些不可靠的因素，比如弱依赖变强依赖、局部容量不足、系统耦合过重等，给系统的稳定性带了极大的安全隐患。

介绍 阿里云在部分ECS类型中提供了本地盘配置，本地盘具有低时延、高随机IOPS、高吞吐量和高性价比的优势，在一些对性能要求很高的应用中有很大优势。 在Kubernetes系统中使用本地盘可以通过HostPath、LocalVolume等类型的PV使用： HostPath: 卷本身不带有调度信息，如果想对每个pod固定在某个节点上，就需要对pod配置nodeSelector等调度信息； LocalVolume: 卷本身包含了调度信息，使用这个卷的pod会被固定在特定的节点上，这样可以很好的保证数据的连续性。

介绍： 本文介绍的动态生成NAS存储卷的方案：在一个已有文件系统上，自动生成一个目录，这个目录定义为目标存储卷； 镜像地址：registry.cn-hangzhou.aliyuncs.com/acs/alicloud-nas-controller:v1.11.5.4-433631d-aliyun 默认生成资源：生成的PV名字为：pvc-${pvc-uid}生成目录的名字：namespace-pvcname-pvname 可以再pvc的annotations中如下声明，自定义名字：生成的pv、目录名字为下面定义的名字。

我们为什么使用容器？ 我们为什么使用虚拟机（云主机）？ 为什么使用物理机？ 这一系列的问题并没有一个统一的标准答案。因为以上几类技术栈都有自身最适用的场景，在最佳实践之下，它们分别都是不可替代的。 原本没有虚拟机，所有类型的业务应用都直接跑在物理主机上面，计算资源和存储资源都难于增减，要么就是一直不够用，要么就一直是把过剩的资源浪费掉，所以后来我们看到大家越来越多得使用虚拟机（或云主机），物理机的使用场景被极大地压缩到了像数据库系统这样的特殊类型应用上面。

Windows 容器一直与Linux容器在性能方面存在着一些细小的差距。但是，在已经到来的 Windows Server 2019 中，它弥补了大部分的性能差距，因此现在的 Windows Docker 容器与 Linux 容器旗鼓相当

Java中用于保存对象的容器，除了数组，就是Collection和Map接口下的容器实现类了，包括用于迭代容器中对象的Iterator接口，构成了Java数据结构主体的集合体系。其中包括： 1. Collection：包括Set、List和Queue；主要的实现类有HashSet、TreeSet、ArrayList、LinkedList和ArrayDeque 2.

### 基于GPU的指标扩缩容 在深度学习训练中，训练完成的模型，通过Serving服务提供模型服务。本文介绍如何构建弹性自动伸缩的Serving服务。 Kubernetes 支持HPA模块进行容器伸缩，默认支持CPU和内存等指标。

最近在学习dubbo，dubbo的使用感觉非常的简单，方便，基于Spring的容器加载配置文件就能直接搭建起dubbo,之前学习中没有养成记笔记的习惯，时间一久就容易忘记，后期的复习又需要话费较长的时间回忆，打算以后将学习的笔记都上传到网络中存储备份，方便自己的回忆总结！！分享出来也方便大参考一下.

前言 　　公司一直在用传统的tomcat下丢war包的架构体系，随着项目的增多、服务器数量的增多、需要为此花费很多时间在不同服务器的系统环境问题上。为了技术的与时俱进和工作的运维效率等方面，笔者引入docker容器部署方式，通过Gitlab+Jenkins+Harbor体系，通过Dockerfile生成自定义镜像并放置Harbor仓库，Jenkins加上自定义Shell脚本（实现拉镜像，启动容器，容器映射端口固定，自定义日志路径）等，基本实现了持续集成的自动化部署。

在Java容器详解系列文章的最后，介绍一个相对特殊的成员：WeakHashMap，从名字可以看出它是一个 Map。它的使用上跟HashMap并没有什么区别，所以很多地方这里就不做过多介绍了，可以翻看一下前面HashMap中的内容。

杭州云栖大会见

参考资料《Java并发编程的艺术》

windows7上使用docker容器 1.安装 下载DockerToolbox，并安装。  下载地址：https://dn-dao-github-irror.daocloud.io/docker/toolbox/releases/download/v17.06.2-ce/DockerToolbox-17.06.2-ce.exe。

简介 2.4新增 源代码：Lib/collections.py and Lib/_abcoll.py 提供了替换dict, list, set和tuple的数据类型。 主要类型如下： namedtuple(): 命名元组，创建有名字域的元组子类的工厂函数。

　　今天来介绍一下容器类中的另一个哈希表———》LinkedHashMap。这是HashMap的关门弟子，直接继承了HashMap的衣钵，所以拥有HashMap的全部特性，并青出于蓝而胜于蓝，有着一些HashMap没有的特性。

前言： 之前总是有人拿虚拟机和容器做比较。我之前一直理解的容器，就类似于虚拟机快照类似。拿别人的东西就直接用了。在我的虚拟机中安装一下，环境就搞好了。其实容器是一个彻底解耦的东西。

Mesh Expansion就是指部署在 Kubernetes 之中的 Istio 服务网格提供的一种将虚拟机或物理裸机集成进入到服务网格的方法。阿里云Kubernetes容器服务已经提供了Istio Mesh Expansion整合能力，本文通过一个官方示例来重点介绍如何使用Istio打通Kubernetes与阿里云ECS上的应用服务混合编排能力。

　　前面花了好几篇的篇幅把HashMap里里外外说了个遍，大家可能对于源码分析篇已经讳莫如深了。别慌别慌，这一篇来说说集合框架里最偷懒的一个家伙——HashSet，为什么说它是最偷懒的呢，先留个悬念，看完本文之后，你就会知道所言不假了。

使用 Docker Compose 管理多个容器 ** 学习Docker的过程中，会发现，当容器之间存在依赖关系的时候，会出现启动先后顺序的问题，还有多个容器同时启动，需要打多条命了，显得非常繁琐。

### 问题起源 在通过容器化的道路上，很多实践都是运行在一个hybrid的环境里，也就是有部分程序在容器中，也有部分在VM或者物理机中，这个也是可以理解的，毕竟技术不能总放在一个篮子里，不然运维的人要崩溃的。

前言 弹性伸缩是开发者使用容器过程中非常关注的特性，如果从资源类型的角度来讲，可以分为物理资源的弹性伸缩与容器资源的弹性伸缩。在本篇中，主要向大家介绍的是容器资源的弹性伸缩，在Kubernetes中，HPA(Horizontal Pod Autoscaling)是用来抽象容器水平弹性伸缩的概念。

本系列前面的文章已经通过一个官方示例演示了如何部署应用到上述Istio环境中，并演示了如何设置智能路由、分布式追踪以及Istio 的遥测数据收集、查询及可视化等功能。本文则是继续基于此示例演示了如何在Istio中使用故障诊断与检测工具Weave Scope。

基于注解的容器配置 注释比用于配置Spring的XML更好吗？ 引入基于注释的配置引发了这种方法是否比XML更好的问题。简短的答案取决于你自己的需要。

新创建的K8S集群默认安装的都是最新的存储插件，但有时特殊情况需要升级插件到某个版本，可以按照以下方式进行操作； 登陆master节点或者控制端，按照以下操作： 升级flexvolume 目前最新版本（v1.

如何选择容器服务Kubernetes集群的网络插件

日常工作中我们经常需要对服务进行版本更新升级，为此我们经常使用到的发布方式有滚动升级、分批暂停发布、蓝绿发布以及灰度发布，今天主要跟大家分享下在阿里云容器服务Kubernetes集群中如何通过Ingress Controller来实现应用服务的灰度发布及AB测试。

4月底阿里云容器服务上线了基于Kubernetes集群的服务目录功能。阿里云的容器的服务目录遵循Open Service Broker API标准，提供了一系列的服务代理组件，实现了对主流开源服务如MySQL、MariaDB、Spark、RabbitMQ等的完美支持，同时提供了管理阿里云RDS服务的RDS broker功能。

阿里容器服务K8S存储卷挂载问题排查

Docker容器简介 1.容器为docker的一个核心概念，简单来说容器为镜像的运行实例，但镜像为静态的只读文件，而容器则是带有运行时需要的可写文件层 2.

前言 上文介绍了如何使用Ingress实现蓝绿发布。但是对于很多只提供tcp/udp的服务来说，七层的ingress不能很好的实现蓝绿发布的需求。这里我们就来介绍一下如何使用 SLB 来进行四层的金丝雀发布。

区块链（Blockchain）近年来在全球得到越来越广泛的关注，吸引了越来越多的开发者、企业、高校、研究机构、政府组织等参与到区块链技术、应用的研究和探索之中。区块链的本质是一种防篡改的、共享的分布式账本技术，它建立在分布式共识算法、智能合约、加密算法等基础之上，可解决在信用缺失场景下进行交易的问题。

Health Check 会确保新版本确实能够工作，否则就不让其对外提供服务。

尝鲜阿里云容器服务Kubernetes 1.9.3， 拥抱Nvidia GPU的新姿势 自从1.8版本开始，Kubernetes已经明确表示要通过统一的设备插件方式支持像Nvidia PU，InfiniBand,FPGA等硬件加速设备。

本节讨论如何在线增加和减少 Pod 的副本数。

从本章开始，我们将通过实践深入学习 Kubernetes 的各种特性。作为容器编排引擎，最重要也是最基本的功能当然是运行容器化应用，这就是本章的内容。

Metlife 的经验：既可以对现有的应用程序进行容器化改造，也可以构建和部署新的微服务。关键是要从小处着手，逐步创新，每次使用一种技术栈，并且随着时间的推移简化操作，最终建立一种可以重复使用的模式。

葛兰素史克公司的数据科学技术在最近的Hadoop Strata会议上为其获得了“年度最佳新秀”奖。他们使用Docker EE实现了创新的交付模式，这使得他们提高了研究效率，并有望发现更多拯救生命的药物

在学习容器技术的过程中，无意发现docker hub上，已经有了WordPress的官方镜像，已经把WEB环境全部打包好，只需要设置好MySQL数据库既可快速部署个人博客，因此，作为技术达人的我，快速测试了一下这个镜像的威力，果然名不虚传，3分钟就做好。

沸腾！阿里又开源了一项自研核心技术：容器技术Pouch，专访三桐：阿里人工智能搜索应用的交互式未来，专访铁花：阿里“霸下”，七层流量清洗平台的应用场景解读，【干货索引】阿里云大数据计算服务MaxCompute与生态系统的融合，大数据系统性能极限畅谈...更多精彩内容，尽在云周刊！

### 背景： 从罗辑同学那里收到信息， 他们正在做一个容器服务上所有实例的各种指标的热力图。希望能够整体展示所有容器实例的负载情况。 这个需求不是个例，恰好，云监控的dashboard和容器服务监控两者结合可以满足这个需求场景。 ### 具体步骤如下： #### 使用云账号登录云监控控制台： https://cms.console.aliyun.com/#/home/e