堆栈（Stacks）

准备工作

安装Docker 1.13及以上版本
安装Docker Compose正如第三部分的准备工作。
安装Docker Machine正如第四部分的准备工作。
阅读第一部分的引导。
学习怎么在第二部分创建容器。
确保你已经发布friendlyhello 镜像,并推送到公共仓库。我们需要在这一部分用到这个镜像。
确保你的镜像能够成为一个被部署的容器能正常工作。
从第三篇文章拷贝一份docker-compose.yml
确保第四部分的docker machine已经正确安装，通过docker-machine ls查看。
确保docker swarm正确安装，并且运行。通过执行docker-machine ssh myvm1 “docker node ls 命令验证。

介绍

在第4部分中，你学习了如何设置一个swarm，这是一群运行Docker的机器，并为其部署了一个应用程序，应用才能修包含的众多容器在多台机器上运行。

在第5部分中，你将学习分布式应用程序层次结构的顶部：堆栈。堆栈是一组相互关联的服务，它们可以共享依赖关系，并且可以进行协调和伸缩。单个堆栈能够定义和协调整个应用程序的功能（尽管非常复杂的应用程序可能需要使用多个堆栈）。

好消息是，从第3部分开始，在创建Compose文件并使用Docker堆栈部署时，从技术上讲，你一直在使用堆栈。但是，这是在单个主机上运行的单个服务堆栈，通常不会发生在生产环境中。在这里，你可以把你学到的东西，使多个服务相互关联，并在多台机器上运行它们。

你做得很好，这就是主场！

添加一个新服务和重新部署

添加服务到docker-compose文件是非常简单的。首先，添加一个可视化界面的服务，可以让我们查看swarm正在调度的容器。

1.打开docker-compose文件，并将以下的内容替换成文件的内容。确保用你的镜像信息替换username/repo:tag 的内容。

version: "3"
services:
  web:
    # replace username/repo:tag with your name and image details
    image: username/repo:tag
    deploy:
      replicas: 5
      restart_policy:
        condition: on-failure
      resources:
        limits:
          cpus: "0.1"
          memory: 50M
    ports:
      - "80:80"
    networks:
      - webnet
  visualizer:
    image: dockersamples/visualizer:stable
    ports:
      - "8080:8080"
    volumes:
      - "/var/run/docker.sock:/var/run/docker.sock"
    deploy:
      placement:
        constraints: [node.role == manager]
    networks:
      - webnet
networks:
  webnet:

这里新增的唯一东西就是网络对等服务，名为可视化器。在这里注意两件新事物：一个volumes ，让可视化工具访问Docker的主机套接字文件和一个placement 键，确保这项服务只能在群集管理器上运行 - 从不是工作者。这是因为这个容器是由Docker创建的一个开源项目构建的，它显示了在一个图表中的Swarm上运行的Docker服务。

我们稍后会详细讨论lacement constraints 和volumes 。

2.确保你的shell被配置为与myvm1进行通信（完整的例子在这如下）。

运行docker-machine ls列出机器，并确保您已连接到myvm1，如旁边的星号所示。
如果需要，重新运行docker-machine env myvm1，然后运行给定的命令来配置shell。

在Mac或Linux上，命令是：

eval $(docker-machine env myvm1)

3.在manager上重新运行docker stack deploy命令，并且需要更新的任何服务都会更新：

$ docker stack deploy -c docker-compose.yml getstartedlab
Updating service getstartedlab_web (id: angi1bf5e4to03qu9f93trnxm)
Creating service getstartedlab_visualizer (id: l9mnwkeq2jiononb5ihz9u7a4)

查看可视化界面

你在Compose文件中看到，可视化工具在端口8080上运行。通过运行docker-machine ls来获取其中一个节点的IP地址。转到8080端口的IP地址，您可以看到可视化器正在运行：

在这里插入图片描述

可视化器的单个副本按照预期在manager上运行，并且网络的5个实例遍布整个群集。你可以通过运行docker stack ps 来确认此可视化：

docker stack ps getstartedlab

可视化器是一个独立的服务，可以在包含它的任何应用程序中运行。它不依赖于其他任何东西。现在让我们创建一个具有依赖性的服务：提供访问者计数器的Redis服务。

数据持久化

让我们再次通过相同的工作流程来添加用于存储应用程序数据的Redis数据库。

保存这份新的docker-compose.yml文件，它最后添加了一个redis服务。确保用的镜像信息替换掉username/repo:tag的内容。

version: “3”
services:
web:

# replace username/repo:tag with your name and image details
image: username/repo:tag
deploy:
  replicas: 5
  restart_policy:
    condition: on-failure
  resources:
    limits:
      cpus: "0.1"
      memory: 50M
ports:
  - "80:80"
networks:
  - webnet

visualizer:

image: dockersamples/visualizer:stable
ports:
  - "8080:8080"
volumes:
  - "/var/run/docker.sock:/var/run/docker.sock"
deploy:
  placement:
    constraints: [node.role == manager]
networks:
  - webnet

redis:

image: redis
ports:
  - "6379:6379"
volumes:
  - "/home/docker/data:/data"
deploy:
  placement:
    constraints: [node.role == manager]
command: redis-server --appendonly yes
networks:
  - webnet

networks:
webnet:

Redis在Docker库中有一个正式镜像，并且已被授予redis的简短镜像名称，所以在这里没有username/repo符号。 Redis端口6379已经由Redis预先配置为从容器暴露给主机，并且在我们的Compose文件中，我们将它从主机展示给所有容器，因此你可以实际输入任何IP的IP 节点添加到Redis桌面管理器中并管理此Redis实例，如果愿意的话。

最重要的是，redis规范中有几件事情使数据在这个堆栈的部署之间持久化：

redis总是在管理器上运行，所以它总是使用相同的文件系统。
redis在主机文件系统中访问任意目录作为容器内的/ data，这是Redis存储数据的地方。

这就是在主机物理文件系统中为Redis数据创建“source of truth”。如果没有这个，Redis会将其数据存储在容器文件系统中的/ data中，如果该容器曾经被重新部署，该数据将被清除。

真实的数据源（source of truth）由2部分组成：

放置在Redis服务上的 placement constraint，确保它始终使用相同的主机。
创建的volume ，允许容器作为/ data（位于Redis容器内）访问./data（在主机上）。在容器重复开启和关闭时，存储在指定主机上的./data文件仍然存在，从而保持连续性。

2.在manager上创建一个./data目录

docker-machine ssh myvm1 "mkdir ./data"

3.确保你的shell被配置为与myvm1进行通信（完整的例子在这里）。

运行docker-machine ls命令，列出所有的机器和确保你已经连上myvm1。
如果需要，重新运行docker-machine env myvm1命令，然后再运行以下命令：

eval $(docker-machine env myvm1)

运行docker stack deploy命令

$ docker stack deploy -c docker-compose.yml getstartedlab

5.运行docker service ls命令，去验证这三个服务跟预期一样正常运行。

$ docker service ls
ID                  NAME                       MODE                REPLICAS            IMAGE                             PORTS
x7uij6xb4foj        getstartedlab_redis        replicated          1/1                 redis:latest                      *:6379->6379/tcp
n5rvhm52ykq7        getstartedlab_visualizer   replicated          1/1                 dockersamples/visualizer:stable   *:8080->8080/tcp
mifd433bti1d        getstartedlab_web          replicated          5/5                 orangesnap/getstarted:latest    *:80->80/tcp