本文描述了Web项目的两种部署方案，石器时代的ssh & pull & restart方式不做太多说明
1.基于Fabric（Python）的部署方案
Fabric 是一个用于ssh的Python库&命令行工具
Fabric is a Python (2.5-2.7) library and command-line tool for streamlining the use of SSH for application deployment or systems administration tasks.
1.1结构
-
Interface
-
Script
-
fabric
- conf (服务器配置列表)
- lib（基础库&二次开发）
1.2示例
1.2.1.配置文件conf_server.sample.py
#!/usr/bin/env python
# coding=utf-8
SERVER_DICT = {
"www": [
"root@0.0.0.0",
"password",
"/home/mt/v1"
],
"v1": [
"root@0.0.0.0",
"password",
"/home/mt/v1"
],
"v2": [
"root@0.0.0.0",
"password",
"/home/mt/v2"
],
"v3": [
"root@0.0.0.0",
"password",
"/home/mt/v3"
]
}
1.2.2.更新操作deploy.py
#!/usr/bin/env python
# coding=utf-8
import sys
sys.path.append("..")
from conf.conf_server import *
from fabric.api import env, run, local
def run_remote(self):
print env.host_string
_path = self.project[2]
_string = 'su mt -c "cd %s && git pull origin master"' % _path
run(_string)
1.3说明
通过不同服务器的配置信息，使用http|socket等方式发送特定的参数如cloud|help来运行上述的命令达到热更新以及修复的功能.对应的接口实现可以通过指定：
- 基于权限的主动更新(不同身份的管理员人肉发送命令)
- 基于项目的自动更新(webhook)
注意：项目代码需要特定的branch（不过这其实也是规范化的代码管理必需）
示例：
# 命令行操作
python deploy.py www
# Http接口
curl -X POST -H "Content-Type: application/x-www-form-urlencoded" -d 'site=www' "http://api.thonatos.com/deploy/"
2.基于Docker的部署方案
Docker是一个将程序以及其依赖打包进一个标准单元的服务或者工具集
Docker allows you to package an application with all of its dependencies into a standardized unit for software development.
2.1基础
Docker服务的基础是虚拟机，整个Docker服务包含了虚拟机以及操作虚拟机的一些列命令集合
这里需要理解Docker的几个基本概念，便于更好的理解这种部署开发&部署方式与常规方案的区别
- image（镜像）
- container（容器）
- server（服务器）
镜像相当于一个Linux发行版，对比于Linux下的Ubuntu、CentOs等，我们可以按照自己的需求去定义这个发行版的内容以及组件，基础镜像是最小化的Linux运行单元，那么，我们需要做的就是根据程序的需要，安装各种依赖组件，并将APP+DEP进行打包，变成我们的“定制发行版”，以此来部署在真实Server上。于此同时，镜像在初始化的过程中，可以定义一些列操作，比如——安装依赖、拉取代码以及运行程序
容器是一个实例化以后的虚拟机，容器依赖于镜像，在镜像的基础上做实例化，是初始化以后的虚拟机
服务器，就是传统的服务器如实体服务器或者云主机等
Docker对应了一些列的服务端程序，是标准的C/S架构，每一个服务器运行一个或多个容器，一个或多个容器的集合叫做集群，对服务器进行一些列的包装后变成一个控制台，不再去关心服务器的初始化过程，只管理容器本身是目前Docker的优势所在。具体表现为，按照原有方式，我们需要先开通N台服务器，再依次在每一台机器上安装虚拟机；现在需要的是，将所有的服务器进行封装，变成一个通道，在盒子外，我们告诉盒子我们需要多少个容器，它返回给我们对应的服务即可。国内的DaoCloud、阿里云容器服务已经相对完善。（阿里测试中，DaoCloud已经相对成熟）
2.2环境打包
2.2.1 镜像示例
FROM node:argon
# Create app directory
RUN mkdir -p /usr/src/app
WORKDIR /usr/src/app
# Clone code & Install app dependencies
RUN git clone git@github.com:MT-Libraries/MT-Notes.git ./
RUN npm install
EXPOSE 8080
CMD [ "npm", "start" ]
示例在初始化的过程中会从git拉取代码并安装依赖文件，最终运行在8080端口
2.2.2 部署简述
- 在DC（DaoCloud）控制台创建一个集群
- 在应用中选择基于镜像m创建n个容器
- 等待初始化完成，可以看到当前集群中的节点数量（节点即为容器数量）
- 同一个集群中的机器可以跑相同或者不同的服务，当需要负载均衡时，动态的加入或者移除节点即可（通过配置，自动伸缩）
2.2.3 节点管理
节点管理通过阿里云的Agent服务，相当于为每一个节点创建了一个远程shell，我们通过控制台即可轻松升级&更新程序
批量更新，通过一些设定创建的数量如20台 ，创建完毕后，从原有集群移除所有节点，加入创建的节点，即可完成更新操作，后续删除或者销货旧版本的容器。停机更新即完成。
动态管理，由于数量可以自定义，我们可以在用户无感知的情况下增加服务器到50或者减少服务器到10，在这个过程中，用户是不会感觉到变化的（注：这里需要设计数据共享机制 Session/Cookie）
3.两种方案的使用
这两种方案并不存在互斥性，可以并从，也可以只选择一种，如：
- 独立Fabric，则以服务器镜像为基础，备份服务器本身（缺点是数据量大，服务器最少20G）
- 独立Docker，则每次都是通过销货/初始容器的方式来实现，换言之，如果是一台服务器，则需更换IP
- 组合使用，针对热更新使用Fabric，针对大规模、大版本、又或者数量大时，使用该方式更便捷
