从单机到集群：Docker与K8s协同部署实战指南

作者：狼烟四起2026.07.04 08:16浏览量：0

简介：本文面向运维人员与开发者，详解Docker与K8s的部署逻辑与协同实践。通过“外卖店运营”类比，阐明Docker解决单机环境标准化问题，K8s实现集群资源智能调度，并给出从环境准备到运维优化的完整部署方案。

一、部署目标与适用场景

核心目标：通过Docker实现应用标准化封装，借助K8s构建高可用、弹性扩展的容器化集群，最终实现开发环境与生产环境的高度一致性，以及业务流量的智能调度。

适用场景：

  • 微服务架构应用部署
  • 高并发业务场景（如电商大促、直播互动）
  • 混合云环境下的资源调度
  • 需要快速扩容的突发流量业务
  • 跨地域多可用区部署需求

典型用户画像：

  • 3年以上经验的运维工程师
  • 负责生产环境部署的架构师
  • 需要管理多套环境的技术负责人
  • 实施DevOps流程的研发团队

二、架构组件拆解

1. Docker核心组件

  • 镜像（Image）：包含应用代码、依赖库、环境变量的只读模板
  • 容器（Container）：镜像的运行实例，具备独立进程空间和网络命名空间
  • Dockerfile：定义镜像构建流程的脚本文件
  • Registry：镜像存储仓库（建议使用私有仓库保障安全性）

2. K8s核心组件

  • Master节点：
    • API Server：集群控制入口
    • Scheduler：资源调度器
    • Controller Manager：状态控制器
    • etcd：分布式键值存储
  • Worker节点：
    • Kubelet：节点代理
    • Container Runtime：容器运行时（通常为Docker）
    • Kube-proxy：网络代理
  • 核心资源对象：
    • Pod：最小部署单元（可包含1-N个容器）
    • Deployment：无状态应用控制器
    • StatefulSet：有状态应用控制器
    • Service：服务发现与负载均衡
    • Ingress：七层流量入口

三、前置准备清单

1. 基础环境要求

  • 服务器配置：
    • Master节点：4核8G以上（生产环境建议3节点集群）
    • Worker节点：根据业务类型配置（CPU密集型建议高主频，内存密集型建议大内存）
  • 操作系统：CentOS 7.6+/Ubuntu 18.04+（关闭Swap分区）
  • 网络要求：
    • 节点间网络延迟<1ms
    • 公网带宽根据业务峰值流量配置
    • 开启IPVS内核模块（提高负载均衡性能）

2. 依赖组件安装

  1. # 示例：Docker安装（所有节点）
  2. curl -fsSL https://get.docker.com | sh
  3. systemctl enable docker
  5. # 示例：K8s组件安装（所有节点）
  6. cat <<EOF > /etc/yum.repos.d/kubernetes.repo
  7. [kubernetes]
  8. name=Kubernetes
  9. baseurl=https://packages.cloud.google.com/yum/repos/kubernetes-el7-\$basearch
  10. enabled=1
  11. gpgcheck=1
  12. EOF
  13. yum install -y kubelet kubeadm kubectl
  14. systemctl enable kubelet

3. 安全配置

  • 配置TLS证书（kubeadm自动生成）
  • 启用RBAC权限控制
  • 设置NodeRestriction插件
  • 配置网络策略（NetworkPolicy）

四、部署流程详解

1. 集群初始化（Master节点）

  1. kubeadm init --apiserver-advertise-address=<MASTER_IP> \
  2.   --pod-network-cidr=10.244.0.0/16 \
  3.   --service-cidr=10.96.0.0/12
  5. # 配置kubectl
  6. mkdir -p $HOME/.kube
  7. cp -i /etc/kubernetes/admin.conf $HOME/.kube/config
  8. chown $(id -u):$(id -g) $HOME/.kube/config

2. 节点加入集群

  1. # Master节点生成token
  2. kubeadm token create --print-join-command
  4. # Worker节点执行
  5. kubeadm join <MASTER_IP>:6443 --token <TOKEN> \
  6.   --discovery-token-ca-cert-hash sha256:<HASH>

3. 网络插件部署

  1. # 示例：Calico部署
  2. kubectl apply -f https://docs.projectcalico.org/manifests/calico.yaml

4. 应用部署实践

Docker镜像构建：

  1. # 示例Dockerfile
  2. FROM python:3.8-slim
  3. WORKDIR /app
  4. COPY requirements.txt .
  5. RUN pip install -r requirements.txt
  6. COPY . .
  7. CMD ["gunicorn", "--bind", "0.0.0.0:8000", "app:app"]

K8s部署配置：

  1. # deployment.yaml示例
  2. apiVersion: apps/v1
  3. kind: Deployment
  4. metadata:
  5.   name: web-app
  6. spec:
  7.   replicas: 3
  8.   selector:
  9.     matchLabels:
  10.       app: web
  11.   template:
  12.     metadata:
  13.       labels:
  14.         app: web
  15.     spec:
  16.       containers:
  17.       - name: web
  18.         image: registry.example.com/web-app:v1
  19.         ports:
  20.         - containerPort: 8000
  21.         resources:
  22.           requests:
  23.             cpu: "100m"
  24.             memory: "128Mi"
  25.           limits:
  26.             cpu: "500m"
  27.             memory: "512Mi"

五、关键配置说明

1. 资源请求与限制

  • requests：保证容器获得的最小资源
  • limits：防止容器占用过多资源
  • 建议配置：
    • CPU密集型：requests=limits（避免调度到低配节点）
    • 突发流量型：requests<limits（允许资源超卖）

2. 健康检查配置

  1. livenessProbe:
  2.   httpGet:
  3.     path: /health
  4.     port: 8000
  5.   initialDelaySeconds: 30
  6.   periodSeconds: 10
  7. readinessProbe:
  8.   httpGet:
  9.     path: /ready
  10.     port: 8000
  11.   initialDelaySeconds: 5
  12.   periodSeconds: 5

3. 水平自动扩容

  1. # HPA配置示例
  2. apiVersion: autoscaling/v2
  3. kind: HorizontalPodAutoscaler
  4. metadata:
  5.   name: web-hpa
  6. spec:
  7.   scaleTargetRef:
  8.     apiVersion: apps/v1
  9.     kind: Deployment
  10.     name: web-app
  11.   minReplicas: 2
  12.   maxReplicas: 10
  13.   metrics:
  14.   - type: Resource
  15.     resource:
  16.       name: cpu
  17.       target:
  18.         type: Utilization
  19.         averageUtilization: 70

六、上线验证方法

  1. 基础验证：

    • kubectl get pods 查看Pod状态
    • kubectl logs <POD_NAME> 检查日志
    • kubectl describe pod <POD_NAME> 查看事件

  2. 服务验证：

    • 测试Service访问：curl http://<SERVICE_IP>:<PORT>
    • 测试Ingress访问：curl https://<DOMAIN>

  3. 性能验证：

    • 使用Locust进行压测
    • 监控CPU/内存使用率
    • 检查API响应时间分布

七、常见问题排查

问题现象 可能原因 解决方案
Pod一直Pending 资源不足/调度失败 检查kubectl describe pod事件
ImagePullBackOff 镜像拉取失败 检查镜像地址和Registry权限
CrashLoopBackOff 应用启动崩溃 检查容器日志和资源限制
502 Bad Gateway 服务不可达 检查Service后端Pod数量
网络延迟高 CNI插件问题 检查Calico/Flannel日志

八、运维优化建议

  1. 稳定性优化：

    • 配置PodDisruptionBudget（PDB）保障关键服务
    • 设置PriorityClass实现资源隔离
    • 启用PodAntiAffinity防止单节点故障

  2. 性能优化：

    • 使用NodeSelector将IO密集型应用调度到SSD节点
    • 配置topologySpreadConstraints实现跨AZ分布
    • 启用HPA+VPA实现双向自动扩容

  3. 成本优化：

    • 设置ResourceQuotas限制命名空间资源
    • 使用Spot实例承载无状态服务
    • 配置Pod生命周期钩子实现优雅退出

九、总结

通过Docker实现应用标准化封装，解决了”开发环境能跑，生产环境崩溃”的经典难题；借助K8s的集群管理能力，实现了从”人工运维”到”智能调度”的质的飞跃。实际部署中需重点关注：

  1. 镜像安全扫描与最小化构建
  2. 资源请求/限制的合理配置
  3. 多维度健康检查机制
  4. 自动化运维工具链集成

建议从测试环境开始验证部署流程，逐步扩展到生产环境，并通过混沌工程验证系统容错能力。对于大型集群，可考虑引入Prometheus+Grafana监控体系，结合ELK日志系统构建完整运维体系。

最热文章