架構師小組交換會：每期選一個時下最熱門的技能話題舉辦小組交換。

第一期主題：容器實踐。Docker 作為當前最具顛覆性的開源技能之一，其輕量虛擬化、可移植性是CI/CD，DevOps，微處事的重要實現技能。但今朝技能還不足成熟，在出產實踐中會碰著不少坑。本期參加小組交換的是海內較早回收 Docker 實踐的公司。

參加高朋：滬江架構師黃凱、滴滴架構師田智偉、蘑菇街架構師張振華、蘑菇街運維架構師向靖、七牛技能總監袁曉沛、扇貝技能總監丁彥

第一輪：自由交換

滬江黃凱：各人好，我是來自滬江的 Java 架構師，我叫黃凱。在插手滬江之前，曾在 HP 和 IBM 的云計較部分管當焦點開拓和架構地位。對 IaaS、Paas、SaaS，尤其是云存儲有較深入的相識。2015 年插手滬江，接受架構師地位，主導的產物有：課件云存儲，云轉碼等等。在這些項目中，我們利用 Mesos 和 Marathon 做 Docker 的編排東西，并開拓了一個 Mesos Framework 做云轉碼的焦點框架。

那么我們為什么要利用 Docker，也是機遇巧合。由于我們的處事開始的時候不是出格多，回收的就是一種普通的架構，厥后跟著處事的增多，發明陳設和運維花的時間太長，我們想利用一些新的方法。開始的時候研究過 Openstack，厥后以為 Openstack 逐步消滅，于是我們就選中此刻利用的 Docker。我們并不把 Docker 當成 VM 在用，而是利用它的原生的，在 Baremetal 上直接安裝 Docker，這樣運行效率比在 VM 運行 Docker 要來的快。課件云是由許多微處事構成，不僅是一些存儲，這種微處事是利用 Docker 陳設，就相當于編排，把這些微處事陳設上去。轉碼這一塊是利用了 Mesos 框架，和 Docker 沒有出格大的干系，可是轉碼的應用措施，好比說我們此刻應用 FFmpeg，這個措施是運行在 Docker 內里的。

為什么要選擇 Marathon?第一，我以為 Mesos+Marathon 很是的容易領略。我們也研究過 Kubernetes 和其他的一些要領，發明從運維和研究的方面來說的話，Kubernetes 實在是太重并且太巨大，厥后選擇了Marathon。我們此刻是內部處事利用，兩個部分在利用轉碼集群，或許是 Baremetal 有 20 臺的物理機。撤除我們 API 的一些處事，尚有一些第三方組件的處事的話，或許是有 400 多個 Docker 容器在跑。

滴滴田智偉：各人好，我是滴滴代駕事業部架構師，代駕事業部是公司最早實驗 Docker 虛擬化的事業部。今朝主要偏向是業務系統及部門中間件的 Docker 化，我們做的時間也不太長，半年多的時間。線上是因為我們有老的一套宣布系統，集成涉及的部分較量多，所以我們基于本來的宣布系統完成了預宣布情況 Docker 的陳設。線下情況基于 Docker+K8s 開拓內部的自動化一連交付系統及開拓測試情況打點。我們在做開拓和測試情況的自動化，另一方面也是做情況打點的，兩套情況。對付項目并行的時候發明本來許多不足用，本來許多設置是基于端口綁死的環境。此刻基于開拓 Kubernetes 的話，網絡斷絕用了一部門，然后主要是用情況變量這一部門，主要思量是辦理一個設置可以應用到在多個情況的環境，基于這個需求才用它。開拓 Kubernetes 基于 Namespace，同一個處事在差異的 Namespace 下，它其實情況變量名可以是溝通的，可是IP差異，而這一部門 IP 其實是由開拓 Kubernetes 本身去打點的。基于情況變量獲取一些設置的話，好比 IP 地點這種，就可以做到拿一份設置可以打出多套情況。

思量業務的安詳性和不變性，線上基于純 Docker 的方法在做。我們是基于裸的 Docker 來事情，主要是用資源斷絕，沒有借助調治框架，也沒有自動伸縮。我們是兩步走，一步是驗證 Docker，其次是做開拓 Kubernetes 線下利用和預研。為什么沒有思量 Mesos?適才跟滬江的同學，我們的思量是相反的。Mesos 偏重點更專一一點，首先不會有模塊的分別，好比 Kubernetes 有 Replication controller ，Namespace 這種觀念，而 Mesos 下險些沒有這種觀念。我們拿 Kubernetes 主要是做一些編排的成果，而正好開拓 Kubernetes 在整個宣布和編排上，體系更全面一點。Mesos 最早是做資源打點，基于 Docker 做一個 Framework 接進來的話，它不是專門為編排而生。Kubernetes 首先辦理我們的問題是，我們大概不需要加多份設置就可以搭多套差異的情況，它就是基于 Namespace 做一個多租戶的觀念，會對 Service 做一層斷絕，對付動態設置，擴容這一部門臨時我們沒用到，確實用到的一些場景較量少。主要是做差異情況的斷絕，并沒有太多利用編排細節上的對象，動態伸縮之類的今朝線下沒有太大須要，線上大概會用到。