第十七节 Docker Slim之镜像压缩

一、Docker Slim介绍

在软件开发和运维领域，Docker已经成为一种常见的容器化解决方案。

然而，随着Docker镜像不断增大，其扩展性和部署效率也逐渐降低。

这时就需要使用Docker Slim来优化镜像，减小其体积和启动时间，提高容器的性能。

什么是Docker Slim？
Docker Slim是一个用于缩小Docker镜像体积的工具。
它通过分析镜像中不必要的文件和依赖，并将其从镜像中删除，从而减小镜像的体积。
同时，Docker Slim还可以优化容器的启动时间，通过并行加载文件和依赖项，提高容器的性能

官网
https://github.com/docker-slim/docker-slim
https://github.com/slimtoolkit/slim

查看命令选项参考
https://github.com/slimtoolkit/slim?tab=readme-ov-file#build-command-options

Docker Slim 的优势：
①减小镜像体积：Docker Slim可以自动分析镜像中的不必要的文件和依赖，并将其删除，从而有效地减小镜像的体积。
②提高容器性能：Docker Slim可以优化容器的启动时间，通过并行加载文件和依赖项，提高容器的性能。
③简单易用：Docker Slim的命令行工具提供了简单易用的接口，可以轻松地对Docker镜像进行优化。

Docker Slim的类图示例

docker-slim 原理
1.检查容器的元数据（静态分析）、
2.检查容器的数据（静态分析）
3.检查运行中的应用（动态分析）
4.构建应用制品图
5.通过收集到的应用数据来构建一个小的镜像
6.通过收集到的应用数据自动生成各种安全框架

参数解读
1./docker-slim build：
这是运行 docker-slim 以构建一个新的优化后的 Docker 镜像的主要命令。
2.--http-probe=false：
禁用HTTP探测功能。HTTP探测用于自动检测并包含容器公开的HTTP端点所需的任何依赖项。
将其设置为 false禁用此行为。
3.--expose 80 和--expose 3306：
显式公开端口80（通常用于HTTP）和3306（通常用于MySQL）。这是为了使这些端口可供外部访问。
4.--include-path=<path>：
指定文件系统中要包含在优化镜像中的路径。列出的路径有：
/var/www/html：通常是 web服务器的根目录。
/var/log/httpd：包含HTTP服务器日志的目录。
/run/httpd：HTTP 服务器在运行时使用的目录。
/tmp：临时文件存储。/data：通用数据目录。
/etc：配置文件。
/usr/：用户二进制文件和程序。
/sbin/：系统二进制文件。
/root/：root 用户的主目录。
/bin/：基本命令二进制文件。
5.--include-bin=<binary>：指定要包含在优化镜像中的单个二进制文件。
列出的二进制文件有：
/usr/sbin/httpd：Apache HTTP服务器。
/usr/libexec/mysqld：MySQL服务器。
/usr/bin/php：PHP解释器。
/usr/bin/systemctl：Systemd服务管理器。

二、Docker Slim安装

下载地址：
wget https://downloads.dockerslim.com/releases/1.40.11/dist_linux.tar.gz

tar   -zxvf   dist_linux.tar.gz 
cd   dist_linux 
mv  *   /usr/local/bin/
验证安装
docker-slim    version
docker-slim   -version

三、Docker Slim实例

3.1实例一

先看下官方案例

我们跟着案例来测试下

>> docker pull archlinux:latest

>> slim build  --target archlinux:latest   --tag archlinux:curl   --http-probe=false    --exec "curl checkip.amazonaws.com"

>> docker run archlinux:curl curl checkip.amazonaws.com

>> docker images
archlinux                 curl                ...        ...         17.4MB
archlinux                 latest              ...        ...         467MB

那么到底能不能运行起来呢？

测试没问题，说明压缩后的镜像，可以正常run起来

3.2实例二

拉取镜像
docker pull nginx:latest
压缩镜像
docker-slim build --http-probe nginx:latest

运行压缩后的镜像
docker run -itd -p 81:80 --name nginx-test nginx.slim
测试是否通信正常
curl http://172.17.0.2

3.3实例三

拉取镜像
docker pull ubuntu:20.04
压缩
slim build --target ubuntu:20.04 --tag ubuntu:20.04-slim --http-probe=false
运行压缩的容器
docker run -tid --name ubuntu-test ubuntu:20.04-slim /bin/bash

3.4实例四

拉镜像
docker pull golang:latest
压缩镜像
slim build  --target golang:latest  --tag golang:latest-slim  --http-probe=false
运行起来
docker run -tid --name golang-test golang:latest-slim /bin/bash

3.5实例五

拉取镜像
docker pull php:7.0-cli
压缩
slim build  --target php:7.0-cli  --tag php:7.0-cli-slim  --http-probe=false
运行
docker run -tid --name php-test php:7.0-cli-slim /bin/bash

3.6实例六

docker pull mysql:5.7
mkdir -p  /root/mysql/data   /root/mysql/logs  /root/mysql/conf

在/root/mysql/conf中创建my.cnf文件
cd  /root/mysql/conf/
touch my.cnf
-----------------------------------------------------
[mysql]
#mysql以socket方式运行时的sock文件路径
socket=/var/lib/mysql/mysqld.sock
[mysqld]
#lower_case_table_names=0，表示区分大小写，创建的库表会原样大小写保存在磁盘上
#lower_case_table_names=1，表示不区分大小写，创建库表时MySQL会将所有的库表名转换成小写字母保存在磁盘上
#且SQL语句中涉及到库表无论写成大写或者小写，都会被转化成小写进行查询和写入
lower_case_table_names=1
#mysql运行的端口
port=3306
#mysql5.7以后的不兼容问题处理
sql_mode=NO_ENGINE_SUBSTITUTION,STRICT_TRANS_TABLES
#打开log-bin日志
log-bin=mysql-bin
#存放数据的路径
datadir=/var/lib/mysql
#mysql以socket方式运行时的sock文件路径
socket=/var/lib/mysql/mysqld.sock
#是否支持符号连接，即数据库或表能够存储在my.cnf
#中指定datadir以外的分区或目录，为0不开启
symbolic-links=0
#mysql服务器分配的ID，在启用主从和集群的时候必须指定，并且不能重复
server-id = 1
#要给从机同步的库
#binlog-do-db=hl 
#不给从机同步的库（这里不同步mysql、information_schema，performance_schema、sys库）
#binlog-ignore-db=mysql
#binlog-ignore-db=information_schema
#binlog-ignore-db=performance_schema
#binlog-ignore-db=sys
#mysql允许最大连接数
max_connections=2000
#默认字符集
character-set-server=utf8
#默认存储引擎
default-storage-engine=INNODB
#mysql最大接受的数据包大小
max_allowed_packet=16M
#日志自动过时清理天数
expire_logs_days = 90
#事务等待获取资源等待的最长时间，超过这个时间还未分配到资源则会返回应用失败；参数的时间单位是秒
innodb_lock_wait_timeout=120
#设置时区
default-time_zone='+8:00'
[mysqld_safe]
#进程ID文件
pid-file=/data/var/mysql/mysqld.pid
#错误日志纪录位置
log-error=/var/log/mysqld.log

----------转换-------
yum install dos2unix
dos2unix  my.cnf
-----------------------------------

创建容器，将数据，日志，配置文件映射到本机
docker run -p 3306:3306  --name mysql  \
-v  /root/mysql/conf:/etc/mysql/conf.d   \
-v /root/mysql/logs:/logs   \
-v /root/mysql/data:/var/lib/mysql   \
-e MYSQL_ROOT_PASSWORD=root  -d mysql:5.7

docker ps -a
docker inspect 2035e93e19c9

yum install mariadb
找到容器的IP 地址
mysql  -uroot    -h172.17.0.2  -proot

压缩镜像
docker-slim build --http-probe=false \
--include-path=/var/lib/mysql-files  \
--include-path=/etc/mysql/  \
--include-path=/logs \
--include-path=/var/lib/mysql  \
--include-path=/var/run/mysqld  \
--target mysql:5.7 \
--tag mysql:5.7-slim

压缩前后的镜像对比

运行mysql:5.7-slim容器
docker run  -p 3306:3306  --name mysql  \
-v  /root/mysql/conf:/etc/mysql/conf.d \
-v  /root/mysql/logs:/logs  \
-v  /root/mysql/data:/var/lib/mysql  \
-e  MYSQL_ROOT_PASSWORD=root  \
-d  mysql:5.7-slim

登录：
yum install mariadb
mysql  -uroot   -h172.17.0.2    -proot

3.7实例七

mkdir njs
cd njs
vim Dockerfile
--------使用Dockerfile构建镜像-------------------
FROM nginx:1.19.6-alpine AS builder
FROM alpine:3.12
COPY  --from=builder  /usr/bin/njs /usr/bin/njs
COPY  --from=builder  /usr/lib/libpcre.so.1.2.12  \
                                   /usr/lib/libedit.so.0.0.63   \
                                   /usr/lib/libncursesw.so.6.2  \
                                   /usr/lib/
RUN In  -sf   /usr/lib/libpcre.so.1.2.12  /usr/lib/libpcre.so.1 &&  \
        ln  -sf   /usr/lib/libedit.so.0.0.63   /usr/lib/libedit.so.0 &&  \
        In  -sf  /usr/lib/libncursesw.so.6.2  /usr/lib/libncursesw.so.6

ENTRYPOINT   [ "njs" ]
---------------------------------------------------------
转换
yum install dos2unix
dos2unix  Dockerfile
-----------------------------------

构建
docker build   -t   njs:v1   -f   Dockerfile  .     //注意.点
docker images

压缩镜像：
docker-slim build   --target  njs:v1   \
--tag njs:v1-slim   --http-probe=false

四、扩展

4.1 Karmada

参考
CNCF官网介绍   https://karmada.io/docs/
文章介绍   https://www.51cto.com/article/788755.html

Karmada 是一个开源的 Kubernetes 多集群管理工具，允许用户跨多个 Kubernetes 集群进行资源调度和应用部署。以下是部署 Karmada 的基本步骤：

1. 环境准备：确保安装了 Go 语言环境、kubectl 以及 kind 工具 。
2. 安装 Karmada 控制面：

• 克隆 Karmada 的 GitHub 代码仓库到本地机器。
• 进入 karmada 目录，运行部署脚本以启动 Kubernetes 集群（用于运行 Karmada 控制面，即 host cluster）并部署 Karmada 控制面组件 。

3. 配置 kubeconfig：设置环境变量 KUBECONFIG 以使用 Karmada 环境，并通过 kubectl config use-context 命令切换不同的上下文 。
4. 分发应用程序：

• 创建 Deployment，例如 nginx deployment。
• 创建 PropagationPolicy，定义资源如何在不同集群间分发 。

5. 将成员集群注册到 Karmada 控制面：使用 kubectl karmada join 或 kubectl karmada register 命令将成员集群注册到 Karmada 控制面 。
6. 查看集群状态：使用 kubectl get clusters 查看已注册的集群状态 。
7. 应用多集群部署：通过创建和应用 PropagationPolicy 来实现资源的多集群部署 。
8. 联邦注销与清理：如果需要，可以使用 kubectl karmada unjoin 和 kubectl karmada uninit 命令来注销集群和清理 Karmada 环境 。
9. 安装概述：Karmada 支持多种安装方式，包括通过 kubectl 插件、karmadactl、Helm Chart、Operator 或二进制文件进行安装 。

4.2 Kurator

官网
https://kurator.dev/docs/
github
https://github.com/kurator-dev/kurator/tree/main

     Kurator 是华为云推出的分布式云原生开源套件，通过集成业界主流开源技术栈，帮助用户一站式构建专属的分布式云原生基础设施，助力企业业务跨云跨边、分布式化升级。Kurator v0.2 版本已具备管理多云基础设施和异构基础设施的核心能力，通过引入Cluster Operator组件，支持“AWS自建集群”和“本地数据中心集群”包括集群创建、清理等在内的生命周期管理特性。

在新发布的v0.3.0版本中，Cluster Operator不仅分别对两类集群的生命周期管理能力进行了增强，也将v0.2.0版本中的多个API对象抽象成一个API对象cluster，方便用户使用。 同时，在 cluster 对象基础上，Kurator引入了舰队的概念。每个舰队代表一个物理集群组，方便Kurator未来进行统一的编排、调度，统一的流量治理以及统一的监控运维。目前，Kurator的舰队管理支持多个特性，包括舰队控制平面的生命周期管理，以及集群注册和注销到舰队等。

【概述】

Kurator是一个开源的分布式云原生平台，帮助用户构建自己的分布式云原生基础设施，助力企业数字化转型。

Kurator 站在许多流行的云原生软件堆栈的肩膀上，包括 Kubernetes、Istio、Prometheus、FluxCD、

KubeEdge、Volcano、Karmada、Kyverno等，它为多云和多集群管理提供了强大的能力，

包括：

多云、边云、边边协同

统一资源编排

统一调度

统一流量管理

统一遥测

【优点】

基础设施即代码：云、边缘或本地基础设施（集群、节点、vpc 等）管理的声明方式。

开箱即用：一键安装云原生软件栈

集群与车队统一管理：

支持集群注册和取消注册队列。

应用程序自定义并跨机队同步。

舰队集群之间的命名空间、服务帐户、服务相同。

提供跨集群的服务发现和通信。

来自机队所有集群的聚合指标。

提供策略引擎，使所有集群的策略一致。

4.3  Volcano

官网
https://volcano.sh/en/   -----官方支持中文阅读参考
github
https://github.com/volcano-sh/volcano

 Volcano是一个基于 Kubernetes 构建的批处理系统。它提供了一套通常需要的机制 许多类别的批处理和弹性工作负载，包括：机器学习/深度学习、生物信息学/基因组学和 其他“大数据”应用。这些类型的应用程序通常在通用域框架上运行，例如 Volcano集成的TensorFlow、Spark、Ray、PyTorch、MPI等。

Volcano也是云原生计算基金会（CNCF）的一个孵化项目。

https://www.cncf.io/projects/volcano/