docker容器下搭建kong的集群很简单，官网介绍的也很简单，初学者也许往往不知道如何去处理，经过本人的呕心沥血的琢磨，终于搭建出来了。
主要思想：不同的kong连接同一个数据库（就这么一句话）
难点：如何在不同的主机上用kong连接同一数据库
要求：
1、两台主机 172.16.100.101 172.16.100.102
步骤：
1、在101上安装数据库（这里就用cassandra）
docker run -d –name kong-database -p 9042:9042 cassandra:latest2、迁移数据库（可以理解初始化数据库）
docker run –rm –link kong-database:kong-database -e “KONG_DATABASE=cassandra” -e “KONG_PG_HOST=kong-database” -e “KONG_CASSANDRA_CONTACT_POINTS=kong-database” kong:latest kong migrations up3、安装kong
docker run -d –name kong –link kong-database:kong-database -e “KONG_DATABASE=cassandra” -e “KONG_PG_HOST=kong-database” -e “KONG_CASSANDRA_CONTACT_POINTS=kong-database” -e “KONG_PROXY_ACCESS_LOG=/dev/stdout” -e “KONG_ADMIN_ACCESS_LOG=/dev/stdout” -e “KONG_PROXY_ERROR_LOG=/dev/stderr” -e “KONG_ADMIN_ERROR_LOG=/dev/stderr” -p 8000:8000 -p 8443:8443 -p 8001:8001 -p 8444:8444 kong:latest注意：以上三部都是在101上完成的，且官网上都有https://getkong.org/install/docker/?_ga=2.68209937.1607475054.1519611673-2089953626.1519354770，接下来的第四步则是在另一主机102上完成，同一主机上可以用link,不同主机的容器关联就不能使用link了，如下配置即可
4、在102上安装另一个kong,实现多节点kong集群
docker run -d –name kong -e “KONG_DATABASE=cassandra” -e “KONG_PG_HOST=kong-database” -e “KONG_CASSANDRA_CONTACT_POINTS=172.16.100.101” -e “KONG_PROXY_ACCESS_LOG=/dev/stdout” -e “KONG_ADMIN_ACCESS_LOG=/dev/stdout” -e “KONG_PROXY_ERROR_LOG=/dev/stderr” -e “KONG_ADMIN_ERROR_LOG=/dev/stderr” -p 8000:8000 -p 8443:8443 -p 8001:8001 -p 8444:8444 kong:latest5、这里使用的是cassandra数据库，所以需要修改一个配置 db_update_propagation 这个参数，默认是0，可以改成 5，进入容器
docker exec -it kong bash //进入kong容器 cd etc/kong //进入该目录下 cp kong.conf.default kong.conf //复制kong.conf.default文件为kong.conf文件 vi kong.conf //修改db_update_propagation这个配置项
exit //退出空容器
docker restart kong //重新启动kong
注：101和102上的kong都需要修改这个配置项，关于db_update_propagation配置项的介绍可以去官网看下
6、验证kong集群
可以在101上注册一个api如下
curl -i -X POST –url http://172.16.100.101:8001/apis/ –data name=example-api –data hosts=example.com –data upstream_url=http://mockbin.org然后查询这个api是否注册成功：
curl -i http://172.16.100.101:8001/apis/example-api
返回如下：
你也可以通过102机器主机进行查询：
curl -i http://172.16.100.102:8001/apis/example-api
如果也返回和上面一样的结果说明可以访问同一个api了，api信息是保存在数据库中的，也是就说可以访问同一个数据库了，这样你的kong集群也就搭建成功了，希望对你有所帮助。
补充知识：使用docker-compose创建hadoop集群
下载docker镜像
首先下载需要使用的五个docker镜像
docker pull bde2020/hadoop-namenode:1.1.0-hadoop2.7.1-java8 docker pull bde2020/hadoop-datanode:1.1.0-hadoop2.7.1-java8 docker pull bde2020/hadoop-resourcemanager:1.1.0-hadoop2.7.1-java8 docker pull bde2020/hadoop-historyserver:1.1.0-hadoop2.7.1-java8 docker pull bde2020/hadoop-nodemanager:1.1.0-hadoop2.7.1-java8设置hadoop配置参数
创建 hadoop.env 文件，内容如下：
CORE_CONF_fs_defaultFS=hdfs://namenode:8020 CORE_CONF_hadoop_http_staticuser_user=root CORE_CONF_hadoop_proxyuser_hue_hosts=* CORE_CONF_hadoop_proxyuser_hue_groups=* HDFS_CONF_dfs_webhdfs_enabled=true HDFS_CONF_dfs_permissions_enabled=false YARN_CONF_yarn_log___aggregation___enable=true YARN_CONF_yarn_resourcemanager_recovery_enabled=true YARN_CONF_yarn_resourcemanager_store_class=org.apache.hadoop.yarn.server.resourcemanager.recovery.FileSystemRMStateStore YARN_CONF_yarn_resourcemanager_fs_state___store_uri=/rmstate YARN_CONF_yarn_nodemanager_remote___app___log___dir=/app-logs YARN_CONF_yarn_log_server_url=http://historyserver:8188/applicationhistory/logs/ YARN_CONF_yarn_timeline___service_enabled=true YARN_CONF_yarn_timeline___service_generic___application___history_enabled=true YARN_CONF_yarn_resourcemanager_system___metrics___publisher_enabled=true YARN_CONF_yarn_resourcemanager_hostname=resourcemanager YARN_CONF_yarn_timeline___service_hostname=historyserver YARN_CONF_yarn_resourcemanager_address=resourcemanager:8032 YARN_CONF_yarn_resourcemanager_scheduler_address=resourcemanager:8030 YARN_CONF_yarn_resourcemanager_resource___tracker_address=resourcemanager:8031创建docker-compose文件
创建 docker-compose.yml 文件，内如如下：
version: “2” services: namenode: image: bde2020/hadoop-namenode:1.1.0-hadoop2.7.1-java8 container_name: namenode volumes: – hadoop_namenode:/hadoop/dfs/name environment: – CLUSTER_NAME=test env_file: – ./hadoop.env resourcemanager: image: bde2020/hadoop-resourcemanager:1.1.0-hadoop2.7.1-java8 container_name: resourcemanager depends_on: – namenode – datanode1 – datanode2 – datanode3 env_file: – ./hadoop.env historyserver: image: bde2020/hadoop-historyserver:1.1.0-hadoop2.7.1-java8 container_name: historyserver depends_on: – namenode – datanode1 – datanode2 – datanode3 volumes: – hadoop_historyserver:/hadoop/yarn/timeline env_file: – ./hadoop.env nodemanager1: image: bde2020/hadoop-nodemanager:1.1.0-hadoop2.7.1-java8 container_name: nodemanager1 depends_on: – namenode – datanode1 – datanode2 – datanode3 env_file: – ./hadoop.env datanode1: image: bde2020/hadoop-datanode:1.1.0-hadoop2.7.1-java8 container_name: datanode1 depends_on: – namenode volumes: – hadoop_datanode1:/hadoop/dfs/data env_file: – ./hadoop.env datanode2: image: bde2020/hadoop-datanode:1.1.0-hadoop2.7.1-java8 container_name: datanode2 depends_on: – namenode volumes: – hadoop_datanode2:/hadoop/dfs/data env_file: – ./hadoop.env datanode3: image: bde2020/hadoop-datanode:1.1.0-hadoop2.7.1-java8 container_name: datanode3 depends_on: – namenode volumes: – hadoop_datanode3:/hadoop/dfs/data env_file: – ./hadoop.env volumes: hadoop_namenode: hadoop_datanode1: hadoop_datanode2: hadoop_datanode3: hadoop_historyserver:创建并启动hadoop集群
sudo docker-compose up
启动hadoop集群后，可以使用下面命令查看一下hadoop集群的容器信息
# 查看集群包含的容器，以及export的端口号 sudo docker-compose ps Name Command State Ports ———————————————————— datanode1 /entrypoint.sh /run.sh Up 50075/tcp datanode2 /entrypoint.sh /run.sh Up 50075/tcp datanode3 /entrypoint.sh /run.sh Up 50075/tcp historyserver /entrypoint.sh /run.sh Up 8188/tcp namenode /entrypoint.sh /run.sh Up 50070/tcp nodemanager1 /entrypoint.sh /run.sh Up 8042/tcp resourcemanager /entrypoint.sh /run.sh Up 8088/tc # 查看namenode的IP地址 sudo docker inspect namenode | grep IPAddress也可以通过 http://:50070 查看集群状态。
提交作业
要提交作业，我们首先需要登录到集群中的一个节点，这里我们就登录到namenode节点。
sudo docker exec -it namenode /bin/bash
准备数据并提交作业
cd /opt/hadoop-2.7.1 # 创建用户目录 hdfs dfs -mkdir /user hdfs dfs -mkdir /user/root # 准备数据 hdfs dfs -mkdir input hdfs dfs -put etc/hadoop/*.xml input # 提交作业 hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.1.jar grep input output dfs[a-z.]+ # 查看作业执行结果 hdfs dfs -cat output/*清空数据
hdfs dfs -rm input/* hdfs dfs -rmdir input/ hdfs dfs -rm output/* hdfs dfs -rmdir output/停止集群
可以通过CTRL+C来终止集群，也可以通过 “sudo docker-compose stop”。
停止集群后，创建的容器并不会被删除，此时可以使用 “sudo docker-compose rm” 来删除已经停止的容器。也可以使用 “sudo docker-compose down” 来停止并删除容器。
删除容器后，使用 “sudo docker volume ls” 可以看到上面集群使用的volume信息，我们可以使用 “sudo docker rm ” 来删除。
以上这篇使用docker搭建kong集群操作就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。
暂无评论内容