Docker容器跨主机通信之：直接路由方式-低调大师

Docker容器跨主机通信之：直接路由方式

2018-06-13 523 89

概述

就目前Docker自身默认的网络来说，单台主机上的不同Docker容器可以借助docker0网桥直接通信，这没毛病，而不同主机上的Docker容器之间只能通过在主机上用映射端口的方法来进行通信，有时这种方式会很不方便，甚至达不到我们的要求，因此位于不同物理机上的Docker容器之间直接使用本身的IP地址进行通信很有必要。再者说，如果将Docker容器起在不同的物理主机上，我们不可避免的会遭遇到Docker容器的跨主机通信问题。本文就来尝试一下。

情景构造

如下图所示，我们有两个物理主机1和主机2，我们在各自宿主机上启动一个centos容器，启动成功之后，两个容器分别运行在两个宿主机之上，默认的IP地址分配如图所示，这也是Docker自身默认的网络。

此时两台主机上的Docker容器如何直接通过IP地址进行通信？

一种直接想到的方案便是通过分别在各自主机中 添加路由 来实现两个centos容器之间的直接通信。我们来试试吧

方案原理分析

由于使用容器的IP进行路由，就需要避免不同主机上的容器使用了相同的IP，为此我们应该为不同的主机分配不同的子网来保证。于是我们构造一下两个容器之间通信的路由方案，如下图所示。

各项配置如下：

主机1的IP地址为：192.168.145.128
主机2的IP地址为：192.168.145.129
为主机1上的Docker容器分配的子网：172.17.1.0/24
为主机2上的Docker容器分配的子网：172.17.2.0/24

这样配置之后，两个主机上的Docker容器就肯定不会使用相同的IP地址从而避免了IP冲突。

我们接下来 定义两条路由规则 即可：

所有目的地址为172.17.1.0/24的包都被转发到主机1上
所有目的地址为172.17.2.0/24的包都被转发到主机2上

综上所述，数据包在两个容器间的传递过程如下：

从container1 发往 container2 的数据包，首先发往container1的“网关”docker0，然后通过查找主机1的路由得知需要将数据包发给主机2，数据包到达主机2后再转发给主机2的docker0，最后由其将数据包转到container2中；反向原理相同，不再赘述。

我们心里方案想的是这样，接下来实践一下看看是否可行。

实际试验

0x01. 分别对主机1和主机2上的docker0进行配置

编辑主机1上的 /etc/docker/daemon.json 文件，添加内容："bip" : "ip/netmask"

{ "bip", "172.17.1.252/24" }

编辑主机2上的 /etc/docker/daemon.json 文件，添加内容："bip" : "ip/netmask"

{ "bip", "172.17.2.252/24" }

0x02. 重启docker服务

主机1和主机2上均执行如下命令重启docker服务以使修改后的docker0网段生效

systemctl restart docker

0x03. 添加路由规则

主机1上添加路由规则如下：

route add -net 172.17.2.0 netmask 255.255.255.0 gw 192.168.145.129

主机2上添加路由规则如下：

route add -net 172.17.1.0 netmask 255.255.255.0 gw 192.168.145.128

0x04. 配置iptables规则

主机1上添加如下规则：

iptables -t nat -F POSTROUTING
iptables -t nat -A POSTROUTING -s 172.17.1.0/24 ! -d 172.17.0.0/16 -j MASQUERADE

主机2上添加如下规则：

iptables -t nat -F POSTROUTING
iptables -t nat -A POSTROUTING -s 172.17.2.0/24 ! -d 172.17.0.0/16 -j MASQUERADE

0x05. 启动容器

主机1上启动centos容器：

docker run -it --name container1 centos /bin/bash

主机2上启动centos容器：

docker run -it --name container2 centos /bin/bash

0x06. 容器间直接通信

好了，现在两容器可以互ping了

后记

本文探讨了局域网中不同宿主机间Docker容器直接通信的一种可能方案。当然现在实现跨主机容器间通信的现成方案也很多，典型的比如flannel这种，我的个人私有云也用的是这种方案。

作者更多的原创文章在此

如果有兴趣，也可以抽点时间看看作者一些关于容器化、微服务化方面的文章：

微信关注我们

原文链接：https://yq.aliyun.com/articles/602107

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

2018-06-13 00:00:00

Kubernetes存储原理

导语： Docker容器的设计原理是当容器消融时，容器内的存储也随之消失，但是实际情况中有很多是需要进行持久化的存储的，所以也很有必要进行Kubernetes持久化存储的概念说明。 Kubernetes存储组成 1.本地化的存储 2.网络化的存储 3.其他特殊存储本地化的存储 ①EmptyDir，EmptyDir是一个空目录，其的生命周期和所属的Pod是完全一致的。EmptyDir的用处是可以在同一 Pod 内的不同容器之间共享工作过程中产生的文件。缺省情况下，EmptyDir 是使用主机磁盘进行存储的，也可以设置emptyDir.medium 字段的值为Memory，来提高运行速度，但是这种设置，对该卷的占用会消耗容器的内存份额。 ②HostPath，HostPath存储会把宿主机上的指定卷加载到容器之中，如果Pod发生跨主机的重建，其内容就难保证了。一般是用于本地化的日志存储。网络化的存储 Kubernetes网络存储是学习的重点，Kubernetes支持为数众多的云提供商和网络存储方案。各种支持的方式不尽相同，例如 GlusterFS 需要创建 Endpoint，Ceph/N...

572

2018-06-14 00:00:00

Kubeflow实战系列: 利用TFJob运行分布式TensorFlow

介绍本系列将介绍如何在阿里云容器服务上运行Kubeflow, 本文介绍如何使用TfJob运行分布式模型训练。第一篇：阿里云上使用JupyterHub 第二篇：阿里云上小试TFJob 第三篇：利用TFJob运行分布式TensorFlow 第四篇：利用TFJob导出分布式TensorFlow模型第五篇：利用TensorFlow Serving进行模型预测 TensorFlow分布式训练和Kubernetes TensorFlow作为现在最为流行的深度学习代码库，在数据科学家中间非常流行，特别是可以明显加速训练效率的分布式训练更是杀手级的特性。但是如何真正部署和运行大规模的分布式模型训练，却成了新的挑战。实际分布式TensorFLow的使用者需要关心3件事情。寻找足够运行训练的资源，通常一个分布式训练需要若干数量的worker(运算服务器)和p

788

资源下载

更多资源

Oracle Database，又名Oracle RDBMS

Oracle Database，又名Oracle RDBMS，或简称Oracle。是甲骨文公司的一款关系数据库管理系统。它是在数据库领域一直处于领先地位的产品。可以说Oracle数据库系统是目前世界上流行的关系数据库管理系统，系统可移植性好、使用方便、功能强，适用于各类大、中、小、微机环境。它是一种高效率、可靠性好的、适应高吞吐量的数据库方案。

Eclipse（集成开发环境）

Eclipse 是一个开放源代码的、基于Java的可扩展开发平台。就其本身而言，它只是一个框架和一组服务，用于通过插件组件构建开发环境。幸运的是，Eclipse 附带了一个标准的插件集，包括Java开发工具（Java Development Kit，JDK）。

Java Development Kit(Java开发工具)

JDK是 Java 语言的软件开发工具包，主要用于移动设备、嵌入式设备上的java应用程序。JDK是整个java开发的核心，它包含了JAVA的运行环境（JVM+Java系统类库）和JAVA工具。

Sublime Text 一个代码编辑器

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。