Материал подготовлен командой Simple-Server для администраторов VPS и выделенных серверов. Команды и пути проверяйте на тестовой машине перед production.
Пошаговое развертывание приложений на Kubernetes
Для удобства будем рассматривать развертывание последовательно, шаг за шагом.
Допустим, у нас уже есть какая-то написанная программа: пусть она будет на Python и имеет название program.py. Разумеется, у вас уже должен быть сервер с установленным Linux. Также для работы нам, помимо Kube, понадобится Docker, с которым вы, вероятно, уже умеете работать. Тем не менее не будет лишним напомнить, как собирать контейнеры в Docker. С этого и начнем.
Шаг 2. Сборка образа контейнера
Сборку образа контейнера в Docker можно выполнять по-разному. Например, при помощи утилит, а одной из самых удобных является buildah. После ее установки создайте директорию для сборки образа и пропишите зависимости в файле requirements.txt. Вот пример такого файла, вам же следует заменить зависимости на свои:
py==1.8.1
pip==19.0.3
Mako==1.1.1
MarkupSafe==1.1.1
six==1.14.0
attrs =19.3.0
pytest=5.3.5
pluggy==0.13.1
setuptools==40.8.0
parse==1.14.0
glob2==0.7Далее откроем и изучим содержимое Dockerfile, конфигурационного файла Docker, в котором содержатся инструкции для сборки образа контейнера. Там обратите внимание на следующие строчки:
FROM— указывает на интерпретатор. Например:FROM python:3.8.RUN mkdir— нужно для создания каталога внутри образа. Давайте выберем такой:RUN mkdir /my_project.WORKDIR— используется для однократного указания пути:WORKDIR /my_project.ADD .— эта инструкция необходима для создания контейнера под Kube, без нее запуск в Kubernetes будет выдавать ошибку, так как оркестратор не сможет найти путь самостоятельно. Пропишем там наш путь:ADD . /my_project/.RUN pip install -r— служит для запуска pip и указания на обработку файла. В нашем случае понадобится запустить файл зависимостей, что делается следующим образом:RUN pip install -r requirements.txt.EXPOSE— открывает порт. Например,EXPOSE 8000.CMD— инструкция запуска. Прописываем примерно следующее:CMD ["python", "/my_project/program.py"].
В результате появится каталог my_project __ с program.py __ внутри. Также там будет файл зависимостей и Dockerfile. Теперь собираем образ через buildah:
buildah bud -f ./DockerfileВ результате мы запустим процесс сборки и подтянем зависимости. Сгенерированный хеш скопируйте в буфер обмена и подставьте в следующую инструкцию:
buildah push (здесь указываем хеш, но без скобок) docker-daemon:program:v0Теперь посмотрим на созданный образ контейнера через инструкцию docker image ls, а далее проверим его работоспособность таким образом:
docker run --rm -d -v `pwd`:/my_project -p 8000:8000 program:v0Полученный ответ Hello, выделенный желтым, будет говорить о том, что всё в порядке, образ собран и готов к работе. Осталось отправить контейнер в репозиторий для работы в кластере, что делается примерно так же, как и в случае с Git-репозиториями, поэтому трудностей это вызвать не должно.
Шаг 3. Развертывание приложения
Для начала понадобится создать файл deployment.yaml. Этот же файл будет затем использоваться для поддержки нужного числа реплик.
Рассмотрим наиболее важные для нас строки:
kind:**** — определяет тип объекта.name:**** — имя, выбранное для отображения в кластере (лучше оставить таким же, как имя файла программы).matchLabels:— метки.app:**** — идентификатор.replicas:**** — количество экземпляров, которое будет создано.containers:— в этой части указывается, из какого удаленного репозитория мы будем брать контейнер, а также сколько ресурсов будем использовать.resources:— потребуется указать минимальную конфигурацию вlimits, чтобы приложение смогло запуститься, а вrequestsрезервируемыеcpuиmemory.
Посмотрим, как можно организовать deployment.yaml для нашего случая (просто скопируйте и замените параметры на свои):
kind: Deployment
metadata:
name: program
labels:
app: program
spec:
replicas: 3
selector:
matchLabels:
app: program
template:
metadata:
labels:
app: program
spec:
containers:
- name: program
image: <your login>/<your repository>:program
ports:
- containerPort: 8000
protocol: TCP
name: http
resources:
limits:
memory: 840Mi
cpu: 1
requests:
memory: 420Mi
cpu: 500mКогда вы указали все нужные параметры, не забудьте сохранить файл. Наконец, используя kubectl, мы можем развернуть наш контейнер и сразу же второй инструкцией проверить, всё ли в порядке, выведя его состояние:
kubectl create -f deployment.yamlПри вызове отдельных реплик приложения по IP может возникнуть проблема с доступностью подов, поскольку они мигрируют между узлами кластера, а значит, их IP будут меняться. Решить эту проблему можно при помощи service.yaml, который составляется похожим образом, но с некоторыми отличиями в параметрах. Взгляните:
kind: Service
metadata:
labels:
app: program
name: program
spec:
ports:
- port: 8080
protocol: TCP
targetPort: 8000
selector:
app: program
type: ClusterIPЗдесь port __ — это порт для приема трафика. Наконец, в строчке type мы указали наш кластер для обеспечения внутреннего взаимодействия по сети. Осталось запустить Service, и проблема недоступности подов будет решена:
kubectl create -f service.yamlДопустим, у нас есть какое-то приложение, написанное на свежей версии Python — назовем его, скажем, newgenAI. Нам нужно развернуть это приложение в уже созданном кластере.
Шаг 1. Готовим образ контейнера при помощи Dockerfile
В Docker-файле делаем следующее:
- Указываем корректный интерпретатор:
FROM python:3.11 - Создаем каталог:
RUN mkdir /newgenAI - Указываем путь:
WORKDIR /newgenAI - Добавляем путь для Kube:
ADD . /newgenAI - Запускаем зависимости:
RUN pip install -r requirements.txt - Открываем порт:
EXPOSE 9000 - И запускаем само приложение:
CMD ["python", "/newgenAI/newgenAI.py"]
Шаг 2. Собираем образ и проверяем его работоспособность
Итак, у нас есть каталог newgenAI __ с newgenAI.py, файлом зависимостей и Dockerfile внутри. Собираем образ:
buildah bud -f ./DockerfileВ ответном сообщении buildah выдаст хеш, который нужно вставить в эту инструкцию:
buildah push (здесь укажите хеш, но без скобок) docker-daemon:newgenAI:v0Проверяем работоспособность образа:
docker run --rm -d -v `pwd`:/newgenAI -p 9000:9000 newgenAI:v0Получив ответ Hello , отправляем готовый образ контейнера в репозиторий командой docker push repo/ (вместо repo/ подставьте имя созданной вами директории).
Шаг 3. Развертываем образ в Kubernetes
Сначала создаем и настраиваем файл deployment.yaml по образцу выше, обращая внимание на выделенные ресурсы. Так как мы работаем над проектом генеративного ИИ, вряд ли будет достаточно 1 CPU и 840 МБ оперативной памяти, так что выставите актуальные значения и создайте запас.
Теперь осталось развернуть созданный образ при помощи kubectl:
kubectl create -f deployment.yamlИ в завершение проверим, работает ли он:
В ответ мы должны получить статус Running.
Что ж, теперь вы знаете, как развернуть приложение на Kubernetes, и готовы к решению более сложных задач с помощью Kube. А мы вам в этом поможем!
Нужен сервер для практики? Арендуйте VPS/VDS в России — root-доступ, NVMe, DDoS-защита и поддержка 24/7.