30款热门AI模型一站整合DeepSeek/GLM/Claude 随心用限时 5 折。 点击领海量免费额度在实际的云计算和容器化部署场景中Docker 和 Kubernetes 已经成为构建、交付和运行现代应用的标准技术栈。对于希望从零开始掌握 Linux 云计算运维核心技术的开发者或运维工程师而言理解从容器化到容器编排的完整链路是提升工程效率和系统稳定性的关键。本文旨在提供一个结构化的学习路径和实战指南帮助你从基础概念入手逐步搭建环境、运行容器、部署集群最终理解生产环境中常见的配置、排错和优化实践。无论你是刚接触容器技术的新手还是希望系统化巩固知识的实践者都可以跟随本文的步骤构建一个可运行、可验证的本地实验环境。1. 理解 Docker 与 Kubernetes 的核心价值与关系在深入命令行操作之前必须先厘清 Docker 和 Kubernetes 各自解决的问题以及它们如何协同工作。这有助于避免后续学习中将两者概念混淆或在错误场景下使用错误工具。1.1 Docker标准化应用交付的基石Docker 的核心是容器化技术。它通过镜像Image和容器Container的概念解决了“在我的机器上能运行在你的机器上不能运行”这一经典难题。镜像一个只读的模板包含了运行应用所需的代码、运行时、系统工具、库和设置。你可以把它理解为一个轻量级、可移植的软件包。容器镜像的运行实例。它是一个隔离的进程拥有自己的文件系统、网络和进程空间但共享宿主机的内核。Docker 的价值在于将应用及其所有依赖打包成一个标准单元实现了开发、测试、生产环境的一致性。例如一个基于 Spring Boot 的 Java 应用在 Docker 化后无论是在 Ubuntu 还是 CentOS 的宿主机上都能以完全相同的方式启动和运行。1.2 Kubernetes自动化容器编排的大脑当你的应用从单个容器扩展到由数十、数百个容器组成的微服务集群时手动管理这些容器的生命周期、网络、存储和伸缩就变得不可能。Kubernetes 应运而生它是一个开源的容器编排平台。编排意味着自动化容器的部署、管理、扩展和网络互联。Kubernetes 负责调度容器到集群中的节点上并确保它们按照用户声明的期望状态运行。核心概念包括 PodKubernetes 的最小调度单元通常包含一个或多个紧密关联的容器、Service为 Pod 提供稳定的网络访问端点、Deployment声明 Pod 的副本数和更新策略等。简单来说Docker 负责“造砖”创建容器而 Kubernetes 负责“盖房子”用这些砖搭建和管理复杂的应用架构。两者是互补关系而非替代关系。1.3 典型技术栈演进路径一个典型的技术演进路径是开发者先在本地使用 Docker 构建和测试单个服务镜像。当服务需要上线时通过 Kubernetes 的配置文件如 YAML定义这个服务应该如何被部署和暴露。Kubernetes 集群则会拉取 Docker 镜像创建 Pod并管理其整个生命周期。理解这个协作流程是后续所有实践的基础。2. 环境准备搭建本地实验环境为了进行安全、可反复的实验我们将在本地计算机上搭建一个最小化的实验环境。生产环境的 Kubernetes 集群通常由多台物理机或云服务器组成但本地环境足以让我们学习核心概念和操作。2.1 系统与工具要求建议使用 Linux 或 macOS 系统进行学习其命令行环境与生产服务器更为接近。Windows 用户可以使用 WSL2。以下是所需的核心工具及其作用工具作用备注Docker Desktop或Docker Engine提供 Docker 守护进程和客户端用于构建和运行容器。Docker Desktop 集成了 Kubernetes是快速搭建本地集群的便捷选择。kubectlKubernetes 命令行工具用于与集群交互。这是操作 Kubernetes 的“遥控器”必须安装。Minikube或Kind用于在本地快速创建单节点 Kubernetes 集群的工具。生产集群复杂本地学习首选这些轻量级工具。代码编辑器(如 VSCode)用于编写 Dockerfile 和 Kubernetes YAML 配置文件。推荐安装 Kubernetes 和 YAML 语法高亮插件。注意不同工具的版本兼容性非常重要。建议在安装时查阅官方文档选择经过验证的稳定版本组合以避免因版本冲突导致无法预料的问题。2.2 安装与验证 Docker我们以 Ubuntu 22.04 为例演示 Docker Engine 的安装。其他系统请参考 Docker 官方文档。卸载旧版本如有sudo apt-get remove docker docker-engine docker.io containerd runc设置仓库并安装# 更新 apt 包索引并安装依赖 sudo apt-get update sudo apt-get install ca-certificates curl gnupg lsb-release # 添加 Docker 官方 GPG 密钥 sudo mkdir -p /etc/apt/keyrings curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg --dearmor -o /etc/apt/keyrings/docker.gpg # 设置稳定版仓库 echo \ deb [arch$(dpkg --print-architecture) signed-by/etc/apt/keyrings/docker.gpg] https://download.docker.com/linux/ubuntu \ $(lsb_release -cs) stable | sudo tee /etc/apt/sources.list.d/docker.list /dev/null # 安装 Docker Engine sudo apt-get update sudo apt-get install docker-ce docker-ce-cli containerd.io docker-compose-plugin验证安装# 启动 Docker 服务 sudo systemctl start docker sudo systemctl enable docker # 运行 hello-world 镜像测试 sudo docker run hello-world如果看到 “Hello from Docker!” 等欢迎信息说明 Docker 已正确安装并可以运行容器。可选免 sudo 运行 Docker为方便实验sudo usermod -aG docker $USER执行此命令后需要退出当前终端并重新登录才能生效。2.3 安装 kubectl 和 Minikube安装 kubectl# 下载最新稳定版 curl -LO https://dl.k8s.io/release/$(curl -L -s https://dl.k8s.io/release/stable.txt)/bin/linux/amd64/kubectl # 安装到系统路径 sudo install -o root -g root -m 0755 kubectl /usr/local/bin/kubectl # 验证版本 kubectl version --client --outputyaml安装 Minikube# 下载并安装 curl -LO https://storage.googleapis.com/minikube/releases/latest/minikube-linux-amd64 sudo install minikube-linux-amd64 /usr/local/bin/minikube # 启动集群这里使用 Docker 驱动要求已安装 Docker minikube start --driverdocker # 检查集群状态 minikube status kubectl cluster-info kubectl get nodes如果kubectl get nodes显示一个状态为Ready的节点说明你的本地单节点 Kubernetes 集群已经就绪。至此你已经拥有了一个完整的本地实验环境Docker 用于构建容器Minikube 提供了一个 Kubernetes 集群kubectl 用于操控这个集群。3. Docker 实战从镜像构建到容器运行我们将通过一个简单的 Web 应用完成 Docker 的核心工作流编写 Dockerfile - 构建镜像 - 运行容器 - 验证服务。3.1 创建示例应用首先创建一个项目目录并编写一个最简单的 Python Flask 应用。mkdir docker-k8s-demo cd docker-k8s-demo创建app.py文件from flask import Flask app Flask(__name__) app.route(/) def hello(): return Hello, Docker Kubernetes! if __name__ __main__: app.run(host0.0.0.0, port5000)创建requirements.txt文件声明依赖Flask2.3.23.2 编写 DockerfileDockerfile 是构建镜像的蓝图。在项目根目录创建Dockerfile无后缀# 第一阶段使用官方 Python 轻量级镜像作为构建环境 FROM python:3.9-slim as builder WORKDIR /app # 复制依赖文件并安装 COPY requirements.txt . RUN pip install --no-cache-dir -r requirements.txt # 第二阶段创建最终运行镜像 FROM python:3.9-slim WORKDIR /app # 从构建阶段复制已安装的 Python 依赖 COPY --frombuilder /usr/local/lib/python3.9/site-packages /usr/local/lib/python3.9/site-packages COPY --frombuilder /usr/local/bin /usr/local/bin # 复制应用代码 COPY app.py . # 声明容器运行时暴露的端口 EXPOSE 5000 # 定义容器启动时执行的命令 CMD [python, app.py]这个 Dockerfile 采用了多阶段构建这能有效减小最终镜像的体积因为它只包含运行应用所必需的依赖而不包含构建过程中的中间文件和工具。3.3 构建镜像并运行容器构建镜像# -t 参数为镜像打标签格式通常为 仓库名/镜像名:标签 docker build -t my-web-app:1.0 .构建成功后使用docker images命令可以看到名为my-web-app标签为1.0的镜像。运行容器# -d 后台运行-p 将宿主机的 8080 端口映射到容器的 5000 端口 docker run -d -p 8080:5000 --name web-container my-web-app:1.0验证服务打开浏览器访问http://localhost:8080应该看到 “Hello, Docker Kubernetes!”。查看容器日志docker logs web-container。查看运行中的容器docker ps。进入容器内部用于调试docker exec -it web-container /bin/bash。3.4 Docker 常用命令与核心操作掌握以下命令是日常工作的基础操作类别命令示例说明镜像管理docker images列出本地镜像docker rmi image_id删除本地镜像docker pull nginx:latest从仓库拉取镜像容器生命周期docker ps -a列出所有容器包括已停止的docker stop container_id停止运行中的容器docker start container_id启动已停止的容器docker rm container_id删除容器容器交互docker logs -f container_id查看并跟随容器日志docker exec -it container_id /bin/sh进入容器终端docker cp container_id:/path/to/file .从容器复制文件到宿主机4. Kubernetes 实战部署应用到集群现在我们将上面构建的my-web-app镜像部署到 Minikube 创建的 Kubernetes 集群中。Kubernetes 通过 YAML 文件来声明期望的应用状态。4.1 准备镜像Minikube 集群默认使用其内部的 Docker 守护进程。为了使用我们本地构建的镜像有两种方式使用 Minikube 的 Docker 环境重新构建推荐用于实验# 将当前 shell 切换到 Minikube 的 Docker 环境 eval $(minikube docker-env) # 此时再执行 docker build镜像将直接构建在 Minikube 内部 docker build -t my-web-app:1.0 . # 完成后可以切换回本地环境 eval $(minikube docker-env -u)将镜像推送到公共或私有镜像仓库如 Docker Hub然后在 Kubernetes 配置中指定仓库地址。这是生产环境的标准做法。4.2 编写 Kubernetes 部署文件创建deployment.yaml文件定义一个 Deployment 和一个 Service。# deployment.yaml apiVersion: apps/v1 kind: Deployment metadata: name: web-app-deployment spec: replicas: 2 # 指定 Pod 副本数为 2实现高可用 selector: matchLabels: app: web-app template: metadata: labels: app: web-app spec: containers: - name: web-app-container image: my-web-app:1.0 # 使用我们构建的镜像 imagePullPolicy: Never # 告诉 K8s 从本地拉取镜像而不是去仓库 ports: - containerPort: 5000 --- apiVersion: v1 kind: Service metadata: name: web-app-service spec: selector: app: web-app # 选择器匹配 Deployment 中 Pod 的标签 ports: - protocol: TCP port: 80 # Service 对集群内暴露的端口 targetPort: 5000 # 转发到 Pod 容器的端口 type: NodePort # 类型为 NodePort会在每个节点上开放一个端口30000-32767供外部访问这个文件定义了两部分资源Deployment声明需要运行 2 个 Pod 副本每个 Pod 里运行一个my-web-app:1.0的容器。Service为这些 Pod 提供一个统一的访问入口。NodePort类型使得我们可以通过集群任意节点的 IP 和分配的端口来访问服务。4.3 部署应用到集群并验证应用配置kubectl apply -f deployment.yaml这条命令会告知 Kubernetes 集群使其实际状态符合 YAML 文件中声明的期望状态。查看资源状态# 查看 Deployment 状态 kubectl get deployments # 查看 Pod 状态应看到两个 Running 的 Pod kubectl get pods # 查看 Service 状态并获取 NodePort kubectl get svc在kubectl get svc的输出中web-app-service的PORT(S)列会显示类似80:3xxxx/TCP的信息其中3xxxx就是分配的 NodePort。访问应用# 获取 Minikube 节点的 IP 地址 minikube ip # 假设 minikube ip 输出 192.168.49.2Service NodePort 是 30080 # 则在浏览器访问http://192.168.49.2:30080你应该能看到和 Docker 运行时一样的 “Hello, Docker Kubernetes!” 信息。模拟故障与自愈 Kubernetes 的核心能力之一是自愈。我们可以手动删除一个 Pod 来观察# 获取一个 Pod 的名称 kubectl get pods # 删除该 Pod kubectl delete pod pod-name # 立即再次查看 Pod kubectl get pods -w # -w 参数用于持续观察你会看到被删除的 Pod 状态变为Terminating随后 Kubernetes 的控制器Deployment会立刻创建一个新的 Pod 来满足replicas: 2的声明最终恢复两个 Running 的 Pod。4.4 kubectl 核心命令速查操作类别命令示例说明基础查询kubectl get pods查看 Podkubectl get svc查看 Servicekubectl get deployments查看 Deploymentkubectl describe pod pod-name查看 Pod 详细信息事件、状态等应用管理kubectl apply -f file.yaml创建或更新资源kubectl delete -f file.yaml删除资源kubectl scale deployment/name --replicas3伸缩 Pod 副本数交互与调试kubectl logs pod-name查看 Pod 日志kubectl exec -it pod-name -- /bin/sh进入 Pod 容器kubectl port-forward svc/svc-name 8080:80将本地端口转发到 Service方便本地调试5. 生产环境考量与常见问题排查将应用从本地实验环境迁移到生产环境需要考虑更多因素。以下是关键实践和常见问题的排查思路。5.1 镜像管理与安全使用特定版本标签永远不要在生产环境使用latest标签。应使用语义化版本或构建编号如my-app:v1.2.3或my-app:git-abc123。镜像仓库使用私有镜像仓库如 Harbor, AWS ECR, Google Container Registry存储生产镜像并配置镜像拉取密钥。镜像安全扫描集成安全扫描工具如 Trivy, Clair到 CI/CD 流水线在构建和部署前检查镜像漏洞。非 root 用户运行在 Dockerfile 中创建并使用非 root 用户运行应用以遵循最小权限原则。FROM python:3.9-slim RUN groupadd -r appuser useradd -r -g appuser appuser USER appuser # ... 后续 COPY 和 CMD5.2 Kubernetes 配置优化资源请求与限制为 Pod 中的容器定义资源请求和限制防止单个应用耗尽节点资源。resources: requests: memory: 64Mi cpu: 250m limits: memory: 128Mi cpu: 500m就绪和存活探针配置健康检查让 Kubernetes 能感知应用内部状态。livenessProbe: httpGet: path: /health port: 5000 initialDelaySeconds: 3 periodSeconds: 10 readinessProbe: httpGet: path: /ready port: 5000 initialDelaySeconds: 5 periodSeconds: 5配置分离使用 ConfigMap 和 Secret 管理配置信息和敏感数据而不是硬编码在镜像或 YAML 中。5.3 常见问题排查路径当部署出现问题时遵循从外到内、从宏观到微观的排查顺序。问题现象排查步骤与命令可能原因与解决方案Pod 状态不是 Running1.kubectl get pods查看状态Pending, CrashLoopBackOff, ImagePullBackOff。2.kubectl describe pod pod-name查看 Events 部分。3.kubectl logs pod-name查看容器日志。ImagePullBackOff镜像拉取失败检查镜像名、标签、仓库权限。CrashLoopBackOff容器启动后立即退出检查应用启动逻辑、依赖、命令。Pending资源不足或节点选择问题检查节点资源、污点容忍。Service 无法访问1.kubectl get svc确认 Service 类型和端口。2.kubectl get endpoints svc-name检查 Endpoints 是否关联了 Pod IP。3.kubectl exec进入 Pod 内尝试curl localhost:containerPort检查应用本身。Endpoints 为空Service 的selector与 Pod 的labels不匹配。应用内部错误Pod 内应用未在指定端口监听或报错检查 Pod 日志。应用性能差或频繁重启1.kubectl describe pod查看是否被 OOMKilled。2.kubectl top pod查看资源使用情况。3. 检查应用日志和监控指标。资源不足未设置资源限制或限制过小调整resources.limits。探针配置不当存活探针过于敏感或路径错误调整探针参数和端点。配置变更未生效1. 确认 YAML 文件已正确kubectl apply。2.kubectl rollout status deployment/name查看滚动更新状态。3.kubectl get pods查看新 Pod 是否已创建。镜像未更新Deployment 使用的镜像标签未改变K8s 认为无需更新。更改标签或使用kubectl rollout restart deployment。更新策略检查strategy配置可能是分批更新导致观察延迟。5.4 日志与监控生产环境必须建立可观测性体系。集中式日志部署 EFKElasticsearch, Fluentd, Kibana或 Loki 栈收集所有容器和节点的日志。监控与告警部署 Prometheus 收集指标CPU、内存、网络、自定义业务指标使用 Grafana 可视化并配置 Alertmanager 进行告警。使用kubectl调试掌握kubectl logs,kubectl describe,kubectl exec是在问题初期进行快速诊断的必备技能。从 Docker 镜像构建到 Kubernetes 集群部署这条链路是现代应用运维的基石。本地实验环境让你可以安全地练习所有核心操作但务必记住生产环境的复杂性远不止于此它涉及网络策略、存储编排、安全上下文、多集群管理等多个维度。建议在掌握本文基础后进一步深入学习 Ingress 控制器、持久卷、Helm 包管理、Operator 模式以及服务网格等进阶主题。真正的精通源于在稳定可控的实验环境中反复练习并对生产部署中每一个配置项背后的设计意图保持追问。 30款热门AI模型一站整合DeepSeek/GLM/Claude 随心用限时 5 折。 点击领海量免费额度
