中企动力 > 商学院 > yaml文件
  • ?

    华为开源项目ServiceComb快速入门

    汤兰

    展开

    内容来源:2017年11月23日,华为开发工程师李达港在“ServiceComb在线直播”进行《ServiceComb 快速入门》演讲分享。IT 大咖说作为独家视频合作方,经主办方和讲者审阅授权发布。

    阅读字数:2097 | 4分钟阅读

    获取嘉宾演讲视频回放及PPT,请复制链接:http://t/RkwVoVu,粘贴至浏览器即可。

    摘要

    ServiceComb项目组开发工程师李达港在线直播分享如何对ServiceComb服务框架进行微服务开发,主要涵盖三方面内容:

    从零开始开发体质指数应用;

    微服务治理能力体验;

    微服务快速上云。

    从零开始开发体质指数应用

    在开始开发前,需先确保相关依赖工具已于本地安装,主要包括:git, oracle JDK 1.8, maven 3.x, docker 1.11.2,intelliJ idea。

    此外,需先在本地安装 ServiceComb Java Chassis(SDK),执行以下指令:

    并运行 Service Center

    在 ServiceComb 微服务框架中,Service Center 提供服务注册及服务发现功能。

    体质指数应用主要包含两个微服务,一个是负责后台运算的体质指数计算器,另一个是提供用户界面及网关服务的体质指数界面。

    其运行流程为:

    其中,虚线表示服务注册及服务发现的过程。

    现在从intelliJ创建一个全新的工程,并引入相关依赖项。

    需要注意的是,此处java-chassis-dependencies这个依赖项是以pom的方式导入的,主要为了统一整个项目的依赖项的版本,避免出现版本冲突问题。

    然后,需要新增一个模块用于实现运算服务。主要包括以下步骤:

    1、引入依赖项:

    2、运算结果数据结构定义:

    具体运算实现。根据公式

    进行实现,代码如下:

    4、实例信息接口及其实现。

    5、服务端点定义。用于生成服务契约,使得服务间能无缝进行通信。

    6、暴露运算服务的Restful端点:

    这里用@RestSchema注释端点后, ServiceComb 微服务框架会自动生成对应的服务端点契约,并根据如下的resources/ microservice.yaml 文件中的定义来配置端点端口,将契约和服务一起注册到服务注册中心。

    6、服务启动入口。只需添加 @EnableServiceComb 的注解即可启用 ServiceComb 微服务框架,代码如下:

    经过以上简单几步即可完成运算服务的开发。接下来将进行体质指数界面的实现,此时再新建一个模块。

    1、引入依赖项

    2、服务启动入口。只需要声明启用ServiceComb和Zuul即可。

    3、在 resources/application.yaml 文件中配置路由规则及服务端口信息:

    4、在 resources/microservice.yaml 文件中配置网关服务的信息和服务注册中心的地址。

    5、在resources目录下新建一个名为static的目录用于存放前端网页文件,具体的实现可在https://github/ServiceComb/ServiceComb-Java-Chassis/blob/master/samples/bmi/webapp/src/main/resources/static/index.html获取。

    至此,体质指数应用已开发完毕。此时,分别在IDE中选中运算服务和网关服务的启动入口文件右键运行,待服务启动完毕,即可通过http://localhost:8889访问体质指数应用,届时将能看到如下界面,并可输入您的身高和体重信息验证服务是否正常运行。

    微服务治理能力体验

    负载均衡

    当对体质指数计算器进行水平扩展时,需要将请求均衡地分发到多个体质指数计算器上。

    开启:默认情况下会使用内置的一个简单的负载均衡的实现,不需要额外的配置。

    验证:对体质指数计算器微服务进行水平扩展,使其运行实例数为2,即新增一个运行实例,此时需要修改运算服务模块中的microservice.yaml文件,将服务运行端口由7777改为7778,以避免出现端口冲突,然后再运行一个运算服务即可。

    此时点击 Submit 按钮就可以看到如下两个界面中的实例ID交替出现。

    流量控制

    流量控制机制通过控制数据传输速率来避免微服务过载运行。

    开启:

    1、在体质指数计算器的pom.xml文件中添加依赖项:

    2、在体质指数计算器的microservice.yaml文件中指明使用流量控制的处理链及指定流控策略:

    验证:

    访问http://localhost:8889,在身高和体重的输入框中输入正数,尝试在1秒内多次点击 Submit 按钮,此时就能看到网页由左侧的正常的界面变成了右侧提示由于流控受限而请求被拒的界面。

    服务治理

    服务治理主要用于解决或缓解服务雪崩的情况,即个别微服务表现异常时,系统能对其进行容错处理,从而避免资源的耗尽。

    启用:

    1、在体质指数计算器的pom.xml文件中添加依赖项:

    2、在体质指数计算器的microservice.yaml文件中指明使用服务治理的处理链及指定熔断和容错策略:

    验证:

    1、使服务进入熔断状态。访问http://localhost:8889,在身高或体重的输入框中输入一个负数,连续点击三次或以上 Submit 按钮,此时在网页下方能看到类似左图的界面。

    2、验证服务处于熔断状态。在身高和体重的输入框中输入正数,再次点击 Submit 按钮,此时看到的界面依然是类似左图的界面。同时在体质指数计算器运行日志也能看到调用不再抛出异常,而是出现类似 fallback called 的日志。

    3、验证服务恢复正常。约15秒后,在身高和体重的输入框中输入正数,点击 Submit 按钮,此时界面显示正常。

    分布式调用链追踪

    分布式调用链追踪用于有效地监控微服务的网络延时并可视化微服务中的数据流转。

    启用:

    1、在体质指数计算器的pom.xml文件中添加依赖项:

    2、在体质指数计算器的microservice.yaml文件中添加分布式追踪的处理链:

    3、在体质指数界面的pom.xml文件中添加依赖项:

    体质指数应用中已配置好了上述配置项,只需执行以下几步即可:

    使用 Docker 运行 Zipkin 分布式追踪服务;

    重启体质指数计算器微服务;

    重启体质指数界面微服务。

    验证:

    1、访问http://localhost:8889,在身高和体重栏处输入正数,并点击 Submit 按钮。

    2、访问http://localhost:9411,查看分布式调用追踪情况,可得下方界面。

    微服务快速上云

    通过使用docker-mavn-plugin可快速实现开发的微服务打包为docker镜像的功能。而基于ServiceComb开发的微服务也能实现无缝上云,只需以下简单几步:

    1、在项目pom文件中添加华为ServiceStage的profile:

    2、分别在运算服务和网关服务中修改服务中心地址,并新增配置中心地址和监控中心地址:

    然后即可通过我们提供的一键发布脚本将应用从编译到最后部署到华为ServiceStage上的镜像仓库的流程自动化。随后即可通过我们提供的一键部署模板实现华为ServiceStage的微服务自动部署运行。

    有不同的意见也欢迎来和我们进行讨论,参与到社区工作中:

    ServiceComb官网:

    http://servicecomb.io/cn/

    ServiceCombGithub:

    https://github/ServiceComb

    微服务引擎交流论坛:

    http://forum.huaweicloud/forum.php?mod=forumdisplay&fid=622。

    最后,祝贺华为云发起的开源项目ServiceComb全票通过进入Apache孵化器。欢迎大家一起携手建设更活跃的ServiceComb社区,为Apache开源生态贡献力量。

  • ?

    无服务器功能构建简单化 功能即服务—OpenFaaS介绍

    石白卉

    展开

    【IT168 技术】OpenFaaS是一个构建无服务器功能的框架,它拥有对指标的第一个类支持。任何流程都可以打包为一个功能,使你能够使用一系列web事件,而无需重复的样板化编码。

    亮点

    ·通过UI入口和单击安装轻松使用

    ·为Linux或Windows的任何语言编写函数,以docker/oci图像格式编写包

    ·便携式——在现有的硬件或公共/私有云上运行——Kubernetes或Docker集群

    ·用于模板和定义函数的YAML格式的CLI

    ·Auto-scales随着需求的增加

    OpenFaaS概述

    监督功能

    通过添加功能监视程序(一个小型的Golang HTTP服务器),您可以将任何Docker映像都添加到一个无服务器函数中。

    函数监视程序是入口点,允许通过STDIN将HTTP请求转发到目标进程。通过将应用程序写入STDOUT,将响应发送回调用方。

    网关

    API网关为您的函数提供了一个外部路由,并通过Prometheus收集云的原生数据。

    您的API网关将根据需求来扩展功能,通过更改Docker Swarm或Kubernetes API中的服务副本数。

    UI允许您在浏览器中调用函数,并根据需要创建新的函数。

    CLI

    Docker容器中的任何容器或流程都可以是FaaS中的一个无服务器功能。通过使用FaaS CLI,您可以部署您的函数,或者从诸如Node.js或Python这样的模板中快速创建新的函数。

    CLI演练

    让我们快速查看一个示例函数urlping,它连接到一个远程web服务器,并从响应返回HTTP代码。它是用Python编写的。

    handler.py

    安装faas-cli,也可以在brew中使用

    克隆来自Github的样例和模板:

    在YAML中定义您的函数,或者通过API网关的UI进行部署。

    示例函数YAML文件-urlping.yaml

    在./sample/url ping中使用Python处理程序构建一个Docker映像

    将新映像部署到在YAML文件中定义的网关。

    如果您的网关是远程或多主机集群的一部分,您还可以使用CLI将您的映像推送到远程注册中心或使用faas-CLI-action push的中心

    使用URL https://cli.openfaas=200来测试该函数

    在Github库中,可以使用一系列编程语言提供样例函数。

  • ?

    Kubernets学习笔记:K8s部署

    忧郁

    展开

    今天来记录下K8s部署,由于咱们这是测试环境,所以只部署一台master和一台node,后续我会记录多master高可用部署,使用kubeadm部署k8s 1.9.0。

    一、安装之前准备工作

    1、设置主机名,分别为master,node

    hostnamectl set-hostname ${hostname}

    2、禁用自带的firewall

    systemctl stop firewalld && systemctl disable firewalld

    3、关selinux

    sed -i -re '/^s*SELINUX=/s/^/#/' -e '$i\SELINUX=disabled' /etc/selinux/config

    4、开启IP和iptables的bridge的转发功能

    echo "

    net.ipv4.ip_forward = 1

    net.bridge.bridge-nf-call-ip6tables = 1

    net.bridge.bridge-nf-call-iptables = 1

    " >>/etc/sysctl.conf

    sysctl -p

    5、若之前安装过,可以清理一下(正常安装请忽略)

    kubeadm reset

    二、安装所需要软件包

    1、安装docker

    yum install docker -y

    2、安装k8s软件包,因为被deny网络原因,可以下载离线包,私信k8s即可获取。

    socat-1.7.3.2-2.el7.x86_64.rpm

    kubectl-1.9.0-0.x86_64.rpm kubeadm-1.9.0-0.x86_64.rpm

    kubelet-1.9.0-0.x86_64.rpm kubernetes-cni-0.6.0-0.x86_64.rpm

    3、设为自启动,并启动docker,kubelet服务

    4、因为deny国外一些网络的原因以下tar是离线下载的,私信k8s即可获取。

    导入到docker中

    for x in `ls *.tar`;do docker load <$x;done

    三、master上配置

    1、以下操作在master上进行初始化,初始化完毕后生成一串token,务必记下,这是node加入master使用的。

    kubeadm init --kubernetes-version=v1.9.0 --token-ttl 0 --pod-network-cidr=10.244.0.0/16

    --kubernetes-version=v1.8.4 :不指定会去google获取版本信息,所以你懂的~~~

    --token-ttl 0 :token永不过期,不指定默认24h后过期

    --pod-network-cidr=10.244.0.0/16 :如果要正常使用Flannel,则确保使用此配置

    完成后按提示设置变量如下

    vi ~/.bashrc

    export KUBECONFIG=/etc/kubernetes/admin.conf

    source ~/.bashrc

    编辑配置文件 /etc/systemd/system/kubelet.service.d/10-kubeadm.conf

    新增:

    Environment="KUBELET_MY_ARGS=--runtime-cgroups=/systemd/system.slice --kubelet-cgroups=/systemd/system.slice"

    修改ExecStart: 在末尾新增 $KUBELET_MY_ARGS

    systemctl daemon-reload &&systemctl restart kubelet

    3、安装网络flannel

    https://raw.githubusercontent/coreos/flannel/v0.9.1/Documentation/kube-flannel.yml

    kubectl apply -f kube-flannel.yml

    4、设置所有master参见调度

    kubectl taint nodes --all node-role.kubernetes.io/master-

    5、安装监控

    5.1、安装仪表板

    kubectl apply -f https://raw.githubusercontent/kubernetes/dashboard/v1.8.1/src/deploy/recommended/kubernetes-dashboard.yaml

    cat<./kubernetes-dashboard-admin.yaml

    apiVersion: rbac.authorization.k8s.io/v1beta1

    kind: ClusterRoleBinding

    metadata:

    name: kubernetes-dashboard

    labels:

    k8s-app: kubernetes-dashboard

    roleRef:

    apiGroup: rbac.authorization.k8s.io

    kind: ClusterRole

    name: cluster-admin

    subjects:

    - kind: ServiceAccount

    name: kubernetes-dashboard

    namespace: kube-system

    EOF

    kubectl create -f kubernetes-dashboard-admin.yaml

    5.2、安装负责收集pod各项指标, 比如cpu, 内存, 网络等

    kubectl create -f heapster-rbac.yaml

    kubectl create -f heapster.yaml

    安装这个是存储pod信息相关的数据库, heapster获取数据之后, 可以指定存储在InfluxDB

    kubectl create -f influxdb.yaml

    这个主要是用于显示InfluxDB里面的数据情况, 可以让我们很直观看到数据变化

    kubectl create -f grafana.yaml

    默认情况下, grafana是不需要密码的,

    wget https://raw.githubusercontent/kubernetes/heapster/master/deploy/kube-config/influxdb/grafana.yaml

    wget https://raw.githubusercontent/kubernetes/heapster/master/deploy/kube-config/rbac/heapster-rbac.yaml

    wget https://raw.githubusercontent/kubernetes/heapster/master/deploy/kube-config/influxdb/heapster.yaml

    wget https://raw.githubusercontent/kubernetes/heapster/master/deploy/kube-config/influxdb/influxdb.yaml

    5.3、启动UI和监控面板

    kubectl proxy --address=0.0.0.0 -p 8001 --accept-hosts='^.*' &

    获取kubernetes-dashboard用户的token

    kubectl -n kube-system describe secret kubernetes-dashboard-token

    用IP 127.0.0.1/ui 和获取的token即可进入UI管理面板。

    仪表板页面访问:masterIP或nodeIP:8001

    监控页面访问:masterIP或nodeIP:32667这是使用的nodeport

    四、node配置

    在master上执行 kubeadm token create --print-join-command,获取认证内容,并在每台node上运行,即可受权。或者直接将master初始化生成的token执行即可。

    kubeadm join --token xxxxxxxx 192.168.x.x:6443 --discovery-token-ca-cert-hash xxxxxxxxx

    kubectl get node 查看集群状态

    五、测试部署应用

    新建一台tomcat的pod副本为2,以下为yaml配置文件。tomcat-rc.yaml tomcat-service.yaml,我使用nodeport直接暴露pod的端口,后续使用traefik代理进行访问。

    kubectl create -f tomcat-rc.yaml -f tomcat-service.yaml

    cat tomcat-rc.yaml

    apiVersion: v1

    kind: ReplicationController

    metadata:

    name: tomcat

    labels:

    app: tomcat

    spec:

    replicas: 2

    template:

    metadata:

    labels:

    app: tomcat

    spec:

    containers:

    - name: tomcat

    image: docker.io/tomcat

    ports:

    - containerPort: 8080

    cat tomcat-service.yaml

    apiVersion: v1

    kind: Service

    metadata:

    name: tomcat

    spec:

    type: NodePort

    ports:

    - port: 8080

    nodePort: 30001

    selector:

    app: tomcat

    查看pod运行状态

    kubectl get pods -o wide

    kubectl get svc -o wide

    因为上边使用nodeport方式来访问tomcat的我们来测试下。

    访问master:30001

    访问node:30001

  • ?

    k8s存储系统介绍

    刘笑蓝

    展开

    在k8s集群中,运行服务离不开持久化地将数据保存起来,这就涉及到k8s的存储系统了。k8s的存储系统在运行机制上基于docker原生的volume机制,本质上都是先将存储挂在到主机上,经过处理后,通过docker的volume机制挂载到容器中。但在存储实现上,k8s自己包装了一套volume plugins,用于对接各种存储的后端实现。这些存储实现从基本用途来说,大致可以分为以下几类:

    1)测试使用

    emtyDir、hostPath:使用宿主机上的临时或者固定目录作为容器使用的卷,在临时测试时非常有用

    2)云环境

    gce pcd、azure disk、OpenStack cinder、aws ebs、vSphere volume,这几种实现是k8s集群运行在相应云环境中时,才能使用相应的存储实现。

    3)块设备

    iscsi、rbd:通过对主机提供块设备,然后kubelet将块设备格式化后再挂载给容器使用。

    4)网络共享文件

    nfs、glusterfs、cephfs:通过网络共享文件系统,提供网络可访问的目录供容器挂载使用。

    5)k8s配置

    configmap、secret:将k8s中的configmap或secret的值,按指定目录在宿主机上生成文件,然后再挂载给容器。

    在使用方式上,k8s经历了三代进化。如下图所示:

    1.1 直接使用volume

    在POD定义中,直接将存储的访问方式定义好,其生命周期与POD生命周期保持一致,当POD被删除时,volume也没解挂,但数据不会被处理。在使用和管理上都有比较多的问题:

    1) 普通用户需要了解比较多的存储实现细节,对他们来说是额外的负担。

    2) POD删除后,数据的处理完全依赖用户手动处理,很容易出现数据残留或者泄漏。

    3) 管理员或者用户需要手动在存储系统上提前准备好volume使用的存储设备,增加了他们的负担。

    1.2 使用pv&pvc

    k8s通过pv封装了存储的实现细节,并通过labels对用户提供了存储介质、访问方式、容量、IOPS等属性,使用户能够通过pvc来使用存储,减少了用户的负担。并且,pvc还支持设置对pv进行回收时的策略,自动化地实现存储空间的回收,减轻了管理员的负担。其使用过程如下图所示:

    但是管理员还是需要手动地为用户提前准备好pv以及对应的存储设备,在使用上不是很便利。

    1.3 使用storageclass

    在k8s 1.4后,k8s提供了storageclass特性,根据管理员配置的存储系统设置,动态地根据用户的pvc动态创建或者绑定pv,减少了管理员的手动操作。其使用过程如下图所示:

    2. k8s集成ceph演示

    k8s集成ceph时,可以通过pv&pvc,或者使用storageclass的方式集成,最终可以实现相同的效果。

    2.1 ceph通过volume plugin与k8s集成

    在这种工作模式下,k8s提供了两种实现与ceph集成。

    1)以RBD块设备方式挂载。在这种方式下,由于块设备的特性,不支持多个挂载POD同时向存储写,但支持一写多读这种方式。

    2)以cephfs网络共享文件方式挂载。在这种方式下,支持多个挂载的POD同时写。

    本文以rbd方式为例,介绍集成过程。

    2.1.1 环境准备

    1)确保ceph集群处于健康状态。

    ceph status

    2)创建存储后端的image

    rbd create demoimage --size=1G

    3)在k8s所有节点安装ceph-common,获得rbd命令,使主机可以挂载ceph image。

    4)保存ceph客户端key到k8s,kubelet将使用这个key来挂载ceph image。

    echo " {key}" |base64

    kubectl create secret generic ceph-secret-admin --from-literal=key='' {encoded-key}'' --type=kubernetes.io/rbd

    2.1.2 测试过程

    使用如下的yaml声明创建pv、pvc以及使用pvc的ReplicationController。

    pv的yaml如下:

    apiVersion: v1

    kind: PersistentVolume

    metadata:

    name: ceph-pv

    labels:

    name: ceph-pv

    spec:

    capacity:

    storage: 1Gi

    accessModes:

    - ReadWriteOnce

    rbd:

    monitors:

    - "192.168.7.211:6789"

    - "192.168.7.212:6789"

    - "192.168.7.213:6789"

    pool: rbd

    image: demoimage

    user: admin

    secretRef:

    name: ceph-secret-admin

    fsType: ext4

    pvc的yaml如下:

    kind: PersistentVolumeClaim

    apiVersion: v1

    metadata:

    name: ceph-claim

    spec:

    accessModes:

    - ReadWriteOnce

    resources:

    requests:

    storage: 1Gi

    selector:

    matchLabels:

    name: ceph-pv

    使用pvc的ReplicationController如下:

    apiVersion: v1

    kind: ReplicationController

    metadata:

    name: rbd

    labels:

    app: rbd-demo

    spec:

    replicas: 1

    selector:

    app: rbd-demo

    template:

    metadata:

    labels:

    app: rbd-demo

    spec:

    containers:

    - name: demo

    image: reg.skycloud:5000/nginx:stable

    imagePullPolicy: IfNotPresent

    volumeMounts:

    - mountPath: "/mnt"

    name: mypd

    volumes:

    - name: mypd

    persistentVolumeClaim:

    claimName: ceph-claim

    创建完成后,可以通过k8s命令行确认ReplicationController创建的POD正常运行。

    2.1.3 测试结果

    POD创建出来后,在其运行宿主机上,可以看到ceph的demoimage被挂载了。

    在内部可以看到被挂载的目录,并且被格式化为pv指定的ext4格式。

    通过下面的几种方式测试服务数据的持久化保存

    删除容器,k8s自动重建,可以保持数据不丢失。删除POD,然后重建,可以保持数据不丢失。内存中的状态,如连接状态、会话session等丢失。

    测试过程可以观看gif。

    2.2 ceph通过storageclass集成

    通过storageclass集成时,k8s目前仅支持ceph的rbd实现。

    2.2.1 环境准备

    1)确保ceph集群处于健康状态。

    ceph status

    2)创建storageclass使用的存储池。

    ceph osd pool create kube 512

    3)在k8s所有节点安装ceph-common,获得rbd命令,用于创建和挂载rbd image。

    4)保存ceph管理端key到k8s,供k8s自动创建image使用。需要注意的是,管理端key必须通过base64编码。

    echo " {key}" |base64

    kubectl create secret generic ceph-secret-admin --from-literal=key='' {encoded-key}'' --type=kubernetes.io/rbd

    5)创建ceph客户端key,设置权限,并保存到k8s,kubelet将使用这个key来挂载ceph image。保存时,注意设置的namespace,只能由这个namespace中的POD挂载storageclass自动创建出来的pv。

    ceph auth get-or-create client.kube mon 'allow r' osd 'allow rwx pool=kube‘

    kubectl create secret generic ceph-secret-user --from-literal=key='{kube-key}' --namespace=sky-firmament --type=kubernetes.io/rbd

    2.2.2 测试过程

    使用如下的yaml声明创建storageclass、pvc以及使用pvc的ReplicationController。

    storageclass的yaml如下:

    apiVersion: storage.k8s.io/v1beta1

    kind: StorageClass

    metadata:

    name: cephdemo

    provisioner: kubernetes.io/rbd

    parameters:

    monitors: 192.168.7.211:6789,192.168.7.212:6789,192.168.7.213:6789

    adminId: admin

    adminSecretName: ceph-secret-admin

    adminSecretNamespace: default

    pool: kube

    userId: kube

    userSecretName: ceph-secret-user

    pvc的yaml如下:

    kind: PersistentVolumeClaim

    apiVersion: v1

    metadata:

    name: ceph-claim

    namespace: sky-firmament

    annotations:

    volume.beta.kubernetes.io/storage-class: “cephdemo"

    spec:

    accessModes:

    - ReadWriteOnce

    resources:

    requests:

    storage: 2Gi

    ReplicationController的yaml如下:

    apiVersion: v1

    kind: ReplicationController

    metadata:

    name: ceph

    namespace: sky-firmament

    labels:

    app: ceph-demo

    spec:

    replicas: 1

    selector:

    app: ceph-demo

    template:

    metadata:

    labels:

    app: ceph-demo

    spec:

    containers:

    - name: demo

    image: reg.skycloud:5000/nginx:stable

    imagePullPolicy: IfNotPresent

    volumeMounts:

    - mountPath: "/mnt"

    name: mypd

    volumes:

    - name: mypd

    persistentVolumeClaim:

    claimName: cephclaim

    创建完成后,通过k8s命令行确认ReplicationController创建的POD正常运行。

    2.2.3 测试结果

    可以看到k8s通过storageclass,动态创建的pv,为POD提供存储。

    在ceph集群上,可以查看到对应动态创建的image。

    POD创建出来后,在其运行宿主机上,可以看到ceph的demoimage被挂载了。

    在内部可以看到被挂载的目录,并且被格式化为pv指定的ext4格式。

    通过下面的几种方式测试服务数据的持久化保存。

    删除容器,k8s自动重建,可以保持数据不丢失。删除POD,然后重建,可以保持数据不丢失。

    内存中的状态,如连接状态、会话session等丢失。

    3. 踩坑经验

    3.1 ceph集群的安装

    由于ceph-deploy默认使用官方源来安装,由于网络连接的原因,经常出现下载超时等网络异常,导致安装失败。

    其实ceph-deploy是支持使用镜像源来安装的,以网易源为例:

    export CEPH_DEPLOY_REPO_URL=http://mirrors.163/ceph/rpm-jewel/el7

    export CEPH_DEPLOY_GPG_URL=http://mirrors.163/ceph/keys/release.asc

    然后按正常的安装过程执行命令即可,可以参考此链接。

    3.2 rbd挂载失败

    使用pv&pvc集成方式时,rbd image无法挂载到宿主机上,从kubelet中可以看到如下日志:

    rbd: map failed exit status 6 2017-03-22 11:20:58.090270 7f30f46b6d80 -1 did not load config file, using default settings.

    RBD image feature set mismatch. You can disable features unsupported by the kernel with "rbd feature disable".

    根据日志提示,首先通过rbd info命令,查看image启用的特性。

    通过rbd feature disable命令,将不支持的特性禁用即可。

    rbd feature disable demoimage exclusive-lock, object-map, fast-diff, deep-flatten

    3.3 storageclass无法动态创建pv

    创建pvc后,k8s没有自动创建pv,从controller-manager服务的日志中,可以看到相关异常信息:

    rbd_util.go:341] rbd: Error creating rbd image: fork/exec /usr/bin/rbd: invalid argument

    通过搜索kubernetes官方issue,可以确定是因为使用的ceph管理端key没有经过base64编码,导致无法执行创建image的命令。

    3.4 总结

    k8s目前处于极速迭代中,其中使用的技术一直在变化,当出现问题时,首先要从k8s官方的issue列表中检索,一般情况下都可以找到蛛丝马迹,可以帮助解决问题。如果还是解决不了,则应当有效利用搜索引擎,通过从k8s服务运行过程中产生的异常信息,来辅助解决问题。

  • ?

    树莓派 从零开始打造个人智能家居系统

    钱梦易

    展开

    如同很多开源项目,Home Assistant 对新手十分不友好,它更像是 Geek 们的玩物,你需要去阅读大量的英文文档,在编辑器里编辑自己的配置文件、手动添加智能设备、自定义每一个细节,这巨大的工作量使人望而却步。而 Hass.io 就是在这样一个背景下推出,它拥有了全新的可视化安装配置界面,能够轻松的安装与升级(不要在意那些网络细节),更重要的是依托于 Docker 技术,Hass.io 提供了插件(Add-ons)功能,你能够非常方便的安装与管理一些之前需要在命令行环境下部署的功能。如果你随同上一篇文章安装好了自己的 Hass.io,那么今天,我们将一起让它真正工作起来。

    一、初步配置 Home Assistant

    1. 插件的安装

    ▲安装插件

    点击左边栏 Hass.io 选项,于右上方进入插件商店。

    插件(Add-ons)扩展了 Home Assistant 的功能,官方提供了 Duck DNS、Google Assistant、SSH Server、Samba 等插件,用户还可以通过简单的操作,安装第三方插件,实现更多功能。

    ▲插件商店

    安装 Samba 插件

    Samba 是 SMB/CIFS 网络协议的重新实现, 它作为 NFS 的补充使得在 Linux 和 Windows 系统中进行文件共享、打印机共享更容易实现。

    Smaba 服务是必装的一个插件,Hass.io 通过它与局域网内的其他设备进行文件共享,是之后编辑 Hass.io 配置文件的前提。在插件商店找到 Smaba Share,点击进入安装界面,点击 INSTALL 进行安装。

    ▲Smaba

    安装结束后(耐心等待)进入 Info 及 Options 界面,打开自动更新,点击 Start,SMB服务就启动了。

    ▲配置 Smaba

    {

    "workgroup": "WORKGROUP",

    "name": "hassio",

    "guest": true,

    "map": {

    "config": true,

    "addons": true,

    "ssl": false,

    "share": true,

    "backup": true

    },

    "username": "",

    "password": "",

    "interface": "eth0"

    }

    安装 SSH server 插件

    "authorized_keys": [], # 公钥,与下一个选项二选一,两种登陆方式

    "password": "1234567" # 填入SSH登陆密码

    通过 SSH 登录的用户名是 root。

    2. Home Assistant 配置框架

    在 Windows 或 macOS 的网络共享中找到并打开 hassio,(如果在 Windows 网络中不显示,在资源管理器中输入“HASSIO” 回车后进入)config 文件夹内的 configuration.yaml,是我们配置的主文件,通过编辑此文件来设置 Hass.io、添加组件、个性化配置系统。

    ▲ HASSIO 文件结构

    你必须重新启动 Home Assistant 才能使更改后的 configuration.yaml 生效。

    YAML 是一个可读性高,用来表达资料序列的编程语言。YAML参考了其他多种语言,包括:XML、C语言、Python、Perl以及电子邮件格式RFC2822,是专门用来写配置文件的语言,非常简洁和强大,远比 JSON 格式方便。

    需要注意的是 YAML 是一个对缩进以及空格等元素敏感的编程语言,而 configuration.yaml 的语法错误会造成 Hass.io 无法正常运行。

    YAML 基本语法规则:

    大小写敏感

    使用缩进表示层级关系

    缩进时不允许使用Tab键,只允许使用空格。

    缩进的空格数目不重要,只要相同层级的元素左侧对齐即可

    推荐使用 Sublime 或者 Atom 编辑 configuration.yaml 文件,你可以使用 YAMLLint 检查您的YAML语法是否正确。

    下面是典型的 configuration.yaml 文件。

    homeassistant:

    # 后面的文字是注释,被系统忽略。

    # 智能家居系统的名字,显示在主界面顶部。

    name: Home

    # 下面填入纬度和经度,计算太阳升起和设定时间所需位置,越精确越好。

    latitude: 30.169813

    longitude: 114.192472

    # 海拔高度用于修正天气参数和日出日落时间参数 (默认单位是:米)。

    elevation: 37

    # 度量衡单位制式(metric)是公制,(imperial)是英制。

    unit_system: metric

    # 时区,从这里选择你的:http://en.wikipedia.org/wiki/List_of_tz_database_time_zones,一般不需要修改。

    time_zone: Asia/Shanghai

    #下面这个区域,用于自定义设备属性,后期文章会有涉及。

    customize: !include customize.yaml

    #在网页界面的首页显示简介(那一大段英文),不想看到的话,请在前面加上#号。

    introduction:

    # 是否使用默认的“首页”

    frontend:

    http:

    # 给系统网页的登录加上一个密码,先去掉下面这行的#号,然后把PASSWORD改成你想要的密码。

    api_password: raspberry

    # 升级提示,当 HomeAssitant 有新版本发布的时候,“日出日落”图标会变成(Updater)字样

    updater:

    # 系统自动发现新的设备

    discovery:

    # 启动浏览器的语音命令

    conversation:

    # 在系统数据库中保存“历史数据”

    history:

    # 在logbook查看所有的“已发生事项”

    logbook:

    # 设置

    config:

    # Hass.io

    hassio:

    # 太阳“跟踪器”,也就是“日出日落时间”

    sun:

    # 小米智能网关

    xiaomi:

    gateways:

    - mac: xxxxxx

    key: xxxxxx

    sensor: !include sensors.yaml

    group: !include groups.yaml

    automation: !include automations.yaml

    3. 添加第一个设备/服务

    在 Home Assistant 中,所有接入设备或者服务,只需要将相关组件写入 configuration.yaml 文件中即可。

    组件(Components)是 Home Assistant 的设备/服务接入形式,官方支持了 700 多种设备(虚拟设备)的接入,在 0.50 版本中,支持了小米智能家居的多种设备。通过自定义组件以及第三方组件,能够实现更多设备的接入。

    示例:添加 Denon 功放

    Home Assistant 对组件进行了分类,同品牌的设备会归于一个平台。根据官方文档,在 configuration.yaml 文件中添加以下内容。

    # 天龙功放

    media_player: # 设备类型

    - platform: denon # 所属平台

    host: 192.168.1.13 # IP地址

    重启 Home Assistant 服务。

    重启 Home Assistant 服务的几种方法:

    在 Advanced Settings 中,还可以直接重启树莓派。

    是不是很贴心,再加上 SSH 连接下的命令行重启,Home Assistant 为我们展示了服务重启的五种方法,这个知识点大家一定要牢记,必考题。

    刷新浏览器,Marantz NR1504 设备就显示在 Home Assistant 首页上了。

    ▲关闭状态

    ▲开启状态

    ▲点击右下进入控制面板

    二、小米设备接入 Home Assistant

    小米设备众多,我仅选择官方原生支持接入的作为初级教程内容,

    智能家居是一个系统化的工程,设备之间的通信就是基础建设。消费级智能家居硬件设备的爆发,使得我们能够轻松的搭建个人智能家居系统,而平台与产品的多样性也带来了多种的通信方式,诸如 Zigbee、蓝牙、WiFi、LAN。

    小米生态链企业绿米联创生产的米家智能家庭组合使用的就是网关+子设备的模式,网关通过 WiFi 连入家庭网络,子设备通过 Zigbee 与网关连接。这可能是目前最适入手的智能家居模式了,体积小、功耗低、无需布线、不干扰 WiFi 设备,这也是我选择小米平台的一个主要原因。

    小米旗下生态链企业众多,不同的产品也需要不同的连接方式。一般采用 Zigbee 技术的设备需要网关支持,在 Home Assistant 中只需要接入网关,就可以控制网关下的所有设备,而其他独立入网的设备,如米家扫地机器人等,需要单独接入。0.50 之后版本的 Home Assistant 提供的原生组件,支持了部分小米平台的设备。

    ▲Home Assistant 小米组件

    小米多功能网关

    第一代小米多功能网关无法接入。

    我们需要准备小米多功能网关的 mac 地址和局域网通信协议密码 key。

    在米家 App 中打开小米多功能网关,按图示获得相关信息。

    ▲获取 mac & key

    iOS 与 Android 显示或有不同。

    在 configuration.yaml 文件中添加如下代码:

    - mac: 你的网关mac,不含冒号

    key: 你的局域网通信协议key(注意空格与缩进)

    多个网关,格式如下:

    - mac: xxxxxxxxxxxx

    key: xxxxxxxxxxxxxxxx

    重启 Home Assistant 服务后即可识别相关设备。

    小米路由器

    device_tracker:

    - platform: xiaomi

    host: 路由器 IP

    password: 路由器 密码

    Yeelight

    Home Assistant 支持 Yeelight 以下型号产品。

    · YLDP01YL: LED Bulb (White)

    · YLDP02YL: LED Bulb (Color)

    · YLDP03YL: LED Bulb (Color) - E26

    ·YLDD02YL: Lightstrip (Color)

    首先你需要 Yeelight App 中打开“极客模式”,在 configuration.yaml 文件中按以下模板添加代码:

    如果你在 configuration.yaml 中开启了 discovery: 功能,那么在开启极客模式后,重启 Home Assistant,系统会自动添加相关灯具。

    light:

    - platform: yeelight

    devices:

    192.168.1.25: #改为你的 Yeelight 相应IP地址。

    name: Living Room

    transition: 1000

    use_music_mode: True #(音乐随动模式,默认关闭)

    save_on_change: False #(记忆设置,默认开启)

    192.168.1.13: #多个 Yeelight 接入。

    name: Front Door

    三、Home Bridge 插件

    Home Bridge 是前苹果员工的作品,基于 NodeJS,模拟 iOS HomeKit API。有如其名,作为“桥”来连接 iOS 设备,使得本不支持 HomeKit 的设备能够接入。

    在 Hass.io 中安装第三方插件 Home Bridge

    打开侧边栏 Hass.io,点击进入插件商店

    ▲安装 Home Bridge 插件

    添加插件地址:后保存。(换行后可添加多个地址)

    在页面底部找到新的 Home Bridge 插件,进入安装。

    由于网络原因,安装可能较慢,不要着急,睡一觉起来它肯定安装好了。

    配置 Home Bridge 插件

    打开 HASSIOconfighomebridgeconfig.json 文件,按以下模板修改:

    {

    "bridge": {

    "name": "Home Assistant",

    "pin": "123-45-678",

    "port": 51826,

    "username": "XX:XX:XX:XX:XX:XX"

    "description": "Homebridge for Home Assistant",

    "platforms": [

    "platform": "HomeAssistant",

    "name": "HomeAssistant",

    "host": "http://192.168.1.11:8123",

    "password": "raspberry",

    "supported_types": ["fan", "binary_sensor", "sensor", "garage_door", "input_boolean", "light", "lock", "media_player", "rollershutter", "scene", "switch"],

    "default_visibility": "visible",

    "logging": true

    ]

    重启 Home Assistant,并在 Hass.io 中开启 Home Bridge 插件。

    ▲ Home Bridge 插件

    整体而言,除了网络的问题之外,Hass.io 的安装还是很方便的,如果你曾经折腾过 Home Bridge 的话,Hass.io 使你不用费心搭建环境、设置启动、手动调试,一切都在 Hass.io 页面中就可以完成了。

    如果你有其他的 Home Bridge 插件需要安装,按以下格式在 Options 内添加。

    "debug": false,

    "plugins": [

    "homebridge-dummy --registry=https://registry.npm.taobao.org",

    "homebridge-mysmartlock --registry=https://registry.npm.taobao.org"

    四、设置 iOS 设备中的“家庭”App

    此节 Android 用户可略过。

    ▲家庭 App

    ▲场景

    有了家庭 App,你就可以轻松安全地掌控各种 HomeKit 配件。比如通过 iPhone 让 Siri 帮你关灯,或者从 iPad 上看看门口是谁。家庭 App 能让你连接的各种设备,更高效、智能地为你工作。

    家庭 App 会按照房间将配件分组,让你只需轻点一下,就可轻松控制家中任何角落的装置。你甚至可以对 Siri 说“关掉卧室的灯”或是“打开楼上的空调”。而通过 3D Touch,按住一个图标,就能执行调暗灯光或是调节恒温器之类更复杂的任务。

    家庭 App 能让你设置多种场景,从而通过一个指令让多个配件联合工作。比如,你可以创建一个名为“我出门了”的场景,便可关闭灯光,锁好房门,以及调低恒温器的温度。

    Apple 官方页面,以及设置教程。

    在家庭 App 中添加 “桥”

    Home Assistant 结合 Home Bridge 插件,使得原本不支持 HomeKit 的设备也能够接入 iOS 的家庭 App,Home Bridge 插件启动后,打开家庭 App 进行以下操作:

    ▲接入家庭 App

    手动输入 PIN 码,就是在配置文件中任意写入的那个,你就可以通过这个“桥”连接到 Home Assistant 内的设备了。然后按照官方设置教程进行进一步命名设备。

    自动化和远程访问 HomeKit 配件

    你可以将 iPad 或 Apple TV(第 4 代)设置为家居中枢,以便在 iOS 设备上实现对 HomeKit 配件的自动化和进行远程控制。设为家居中枢的设备必须留在家中、连接到家中 Wi-Fi 网络且处于开机状态。

    ▲自动化和远程访问 HomeKit 配件

    将 iPad 设置为家居中枢:

    在“设置”>“iCloud” 中打开“iCloud 钥匙串”和“家庭”,前往“设置”>“家庭”并打开“将此 iPad 用作家庭中枢”

    将 Apple TV 设置为家居中枢:

    在 iOS 设备或 Mac 上,为您的 Apple ID 设置双重认证。然后,前往 iCloud 并确保“iCloud 钥匙串”已开启。在 Apple TV 上,前往“设置”>“帐户”并确保已登录到 iCloud,且使用的 Apple ID 与 iOS 设备上的相同。登录到 iCloud 后,Apple TV 会自动被设置为家居中枢。要检查家居中枢的状态,请前往“设置”>“帐户”>“iCloud”,然后在“HomeKit”下查看家居中枢是否已连接。

  • ?

    Kubernetes中的Configmap和Secret

    粱元柏

    展开

    本文的试验环境为CentOS 7.3,Kubernetes集群为1.11.2,安装步骤参见kubeadm安装kubernetes V1.11.1 集群

    应用场景:镜像往往是一个应用的基础,还有很多需要自定义的参数或配置,例如资源的消耗、日志的位置级别等等,这些配置可能会有很多,因此不能放入镜像中,Kubernetes中提供了Configmap来实现向容器中提供配置文件或环境变量来实现不同配置,从而实现了镜像配置与镜像本身解耦,使容器应用做到不依赖于环境配置。

    向容器传递参数

    DockerKubernetes描述ENTRYPOINTcommand容器中的可执行文件CMDargs需要传递给可执行文件的参数

    如果需要向容器传递参数,可以在Yaml文件中通过command和args或者环境变量的方式实现。

    kind: Podspec: containers: - image: docker.io/nginx command: ["/bin/command"] args: ["arg1", "arg2", "arg3"] env: - name: INTERVAL value: "30" - name: FIRST_VAR value: "foo" - name: SECOND_VAR value: "$(FIRST_VAR)bar"可以看到,我们可以利用env标签向容器中传递环境变量,环境变量还可以相互引用。这种方式的问题在于配置文件和部署是绑定的,那么对于同样的应用,测试环境的参数和生产环境是不一样的,这样就要求写两个部署文件,管理起来不是很方便。

    什么是ConfigMap

    上面提到的例子,利用ConfigMap可以解耦部署与配置的关系,对于同一个应用部署文件,可以利用valueFrom字段引用一个在测试环境和生产环境都有的ConfigMap(当然配置内容不相同,只是名字相同),就可以降低环境管理和部署的复杂度。

    ConfigMap有三种用法:

    生成为容器内的环境变量设置容器启动命令的参数挂载为容器内部的文件或目录ConfigMap的缺点

    ConfigMap必须在Pod之前创建ConfigMap属于某个NameSpace,只有处于相同NameSpace的Pod才可以应用它ConfigMap中的配额管理还未实现如果是volume的形式挂载到容器内部,只能挂载到某个目录下,该目录下原有的文件会被覆盖掉静态Pod不能用ConfigMapConfigMap的创建

    $ kubectl create configmap --from-literal==$ kubectl create configmap --from-literal==--from-literal==--from-literal==$ kubectl create configmap --from-file=$ kubectl apply -f # 还可以从一个文件夹创建configmap$ kubectl create configmap --from-file=/path/to/diryaml 文件的方式

    apiVersion: v1data: my-nginx-config.conf: | server { listen 80; server_name kubia-example; gzip on; gzip_types text/plain application/xml; location / { root /usr/share/nginx/html; index index.html index.htm; } } sleep-interval: | 25kind: ConfigMap ConfigMap的调用

    环境变量的方式

    apiVersion: v1kind: Podmetadata: name: env-configmapspec: containers: - image: nginx env: - name: INTERVAL valueFrom: configMapKeyRef: name: key: sleep-interval如果引用了一个不存在的ConfigMap,则创建Pod时会报错,直到能够正常读取ConfigMap后,Pod会自动创建。

    一次传递所有的环境变量

    spec: containers: - image: nginx envFrom: - prefix: CONFIG_ configMapRef: name: 命令行参数的方式

    apiVersion: v1

    kind: Pod

    metadata:

    name: env-configmap

    spec:

    containers:

    - image: nginx

    env:

    - name: INTERVAL

    valueFrom:

    configMapKeyRef:

    name:

    key: sleep-interval

    args: ["$(INTERVAL)"]

    以配置文件的方式

    apiVersion: v1kind: Podmetadata: name: nginx-testspec: containers: - image: nginx name: web-server volumeMounts: - name: config mountPath: /etc/nginx/conf.d readOnly: true volumes: - name: config configMap: name: 将Configmap挂载为一个文件夹后,原来在镜像中的文件夹里的内容就看不到,这是什么原理?这是因为原来文件夹下的内容无法进入,所以显示不出来。为了避免这种挂载方式影响应用的正常运行,可以将configmap挂载为一个配置文件。

    spec: containers: - image: nginx volumeMounts: - name: config mountPath: /etc/someconfig.conf subPath: myconfig.conf

    Configmap的更新

    $ kubectl edit configmap confgimap更新后,如果是以文件夹方式挂载的,会自动将挂载的Volume更新。如果是以文件形式挂载的,则不会自动更新。

    但是对多数情况的应用来说,配置文件更新后,最简单的办法就是重启Pod(杀掉再重新拉起)。如果是以文件夹形式挂载的,可以通过在容器内重启应用的方式实现配置文件更新生效。即便是重启容器内的应用,也要注意configmap的更新和容器内挂载文件的更新不是同步的,可能会有延时,因此一定要确保容器内的配置也已经更新为最新版本后再重新加载应用。

    什么是Secret

    Secret与ConfigMap类似,但是用来存储敏感信息。在Master节点上,secret以非加密的形式存储(意味着我们要对master严加管理)。从Kubernetes1.7之后,etcd以加密的形式保存secret。secret的大小被限制为1MB。当Secret挂载到Pod上时,是以tmpfs的形式挂载,即这些内容都是保存在节点的内存中,而不是写入磁盘,通过这种方式来确保信息的安全性。

    Kubernetes helps keep your Secrets safe by making sure each Secret is only distributed to the nodes that run the pods that need access to the Secret. Also, on the nodes themselves, Secrets are always stored in memory and never written to physical storage, which would require wiping the disks after deleting the Secrets from them.

    每个Kubernetes集群都有一个默认的secrets

    创建和调用的过程与configmap大同小异,这里就不再赘述了。

  • ?

    三小时攻克 Kubernetes!

    甄凌旋

    展开

    点击上方“CSDN”,选择“置顶公众号”

    关键时刻,第一时间送达!

    我保证本文是最详尽的 Kubernetes 技术文档,从我在后台排版了这么漫长的时间就能看出来。废话不多说——牢牢占据容器技术统治地位的 Kubernetes,其重要性想必不言而喻。

    以下为译文:

    为什么银行肯花大价钱雇我做 Kubernetes 如此简单的工作?——我一直很奇怪这一点,因为我觉得任何人都可以在 3 个小时内学会这项技术。

    如果你怀疑我说的,就来挑战一下吧!读完本文,你绝对可以学会如何在 Kubernetes 集群上运行基于微服务的应用程序。我保证你可以做到,因为我就是这样向我的客户介绍 Kubernetes 的。

    本文的教程与其他资源有何不同?有很大不同。大多数的教程都从最简单的内容讲起:Kubernetes 的概念和 kubectl 的命令。本文则是基于读者了解应用程序的开发、微服务和 Docker 容器等基础之上。

    本文中,我们会涉及的内容包括:

    在计算机上运行基于微服务的应用程序;为微服务应用程序的每个服务建立容器映像;Kubernetes 的基本介绍;在 Kubernetes 管理的集群内部署基于微服务的应用程序。

    通过一步步深入学习,让大家能够领会 Kubernetes 的简单易用。只有你了解它的使用环境时,才能轻松掌握 Kubernetes。废话不多说,我们开始吧。

    应用程序示范

    如下应用程序有一个功能:每次输入接受一个句子;使用文本分析,计算句子所表达的情绪。

    图1:情感分析网络应用

    从技术的角度看来,这个应用程序包含 3 个微服务,每个都包含特定功能:

    SA-Frontend:前端, Nginx 网络服务器,提供 ReactJS 静态文件;SA-WebAp:网络应用, Java 网络应用程序,处理来自前端的请求;SA-Logic:逻辑处理, Python 应用程序,执行情感分析。你需要知道微服务是无法独立工作的,它们引入了“关注点分离”(separation of concerns),但是它们之间依然需要交互。

    图2:情感分析网络应用中的数据流

    我们可以通过微服务之间的数据流来描述这种交互:

    客户端应用程序请求初始页面 index.html(index.html 页面会反过来加载 ReactJS 应用程序的脚本);用户与应用程序的交互触发到 Spring 网络应用的请求;Spring 网络应用将请求发送给 Python 应用做情感分析;Python 应用计算情感值,并返回结果;Spring 网络应用将结果返回给 React 应用(然后由 React 应用将结果显示给用户)。点击此处下载这些应用程序的代码:https://github/rinormaloku/k8s-mastery。现在就可以克隆这个代码仓库,接下来我们要做更加精彩的东西。

    在计算机上运行基于微服务的应用程序

    我们需要启动所需的 3 个服务。让我们从最有意思的部分——前端应用程序开始。

    设置 React 的本地部署

    为了运行 React 应用程序,首先你需要在计算机上安装 NodeJS 和 NPM。安装好这些后,在终端中进入目录 sa-frontend。然后运行如下命令:

    npm install

    该命令会将 React 应用程序的所有 Javascript 依赖都下载到文件夹 node_modules 中(package.json 文件中定义了所有依赖)。在所有依赖都解决后,运行如下命令:

    npm start

    这样就可以了!我们运行了 React 应用程序,现在可以通过默认端口 localhost:3000 访问该应用程序了。你可以自由修改代码,并从浏览器中观察即时效果。这里用到了热模块替换(即在运行时用替换模块来减少页面刷新次数)技术,可以减轻前端开发的工作。

    准备好 React 应用的产品环境

    为了搭建产品环境,我们需要建立应用程序的静态网页,并通过网络服务器提供服务。

    为了搭建 React 应用程序,首先在终端中进入目录 sa-frontend。然后运行如下命令:

    npm run build

    该命令会在项目的文件目录中生成一个名叫“build”的文件夹。该文件夹内包含了 ReactJS 应用程序所需的所有静态文件。

    利用 Nginx 提供静态文件

    首先安装并启动 Nginx 网络服务器。然后将 sa-frontend/build 目录内的文件移动到 [nginx安装目录]/html。

    如此一来,我们就可以通过 [nginx安装目录]/html/index.html 来访问 index.html 文件了,而它是 Nginx 服务的默认文件。

    默认情况下,Nginx 网络服务器会监听端口 80。你可以通过修改 [nginx安装目录]/conf/nginx.conf 文件中的 server.listen 字段来指定不同的端口。

    打开浏览器,并访问端口 80,可以看到 ReactJS 应用程序加载成功。

    图3:Nginx 提供的 React 应用程序服务

    在输入框“Type your sentence”(输入句子)中输入句子,然后点击 SEND(发送)按钮,但是页面会返回错误 404(你可以检查浏览器的控制台)。为什么?让我们检查一下代码。

    检查代码

    我们可以在 App.js 文件中看到,点击“SEND”按钮会触发 analyzeSentence。该方法的代码如下所示(我们对每一段代码进行了编号“#号码”,具体解释如下所示):

    analyzeSentence() { fetch('http://localhost:8080/sentiment', { // #1 method: 'POST',headers: {'Content-Type': 'application/json' },body: JSON.stringify({sentence: this.textField.getValue()})// #2 }) .then(response => response.json()) .then(data =>this.setState(data)); // #3}

    #1:POST 方法调用的 URL(应用程序应该在该 URL 上监听访问);#2:发送到应用程序的请求主体如下所示:

    {sentence: “I like yogobella!”}

    #3:返回值将更新该组件的状态,而状态的变更将重新渲染这个组件。如果我们收到数据(即包含用户输入的句子和极性的 JSON 对象),那么我们会显示组件 polarityComponent,因为满足条件而且我们可以如下定义该组件:

    const polarityComponent = this.state.polarity !== undefined ? :null;

    一切看起来都很好。但是我们还差什么呢?你可能已经发现我们没有在 localhost:8080 上设置任何东西!我们必须启动 Spring 网络应用程序监听这个端口!

    图4:缺失的 Spring 网络应用程序微服务

    建立 Spring 网络应用程序

    为了设置 Spring 网络应用程序,你必须安装 JDK8 和 Maven,并设置它们的环境变量。设置好后,我们继续下个部分。

    将应用程序打包成 Jar 文件

    在终端中进入 sa-webapp 目录,并运行如下命令:

    mvn install

    该命令会在目录 sa-webapp 中生成一个名叫 target 的文件夹。target 文件夹内有打包好的 Java 应用程序包:’sentiment-analysis-web-0.0.1-SNAPSHOT.jar’。

    启动应用程序

    进入 target 目录,并通过如下命令启动应用程序:

    java-jarsentiment-analysis-web-0.0.1-SNAPSHOT.jar

    等等……出错了。应用程序启动失败,我们可以看到如下异常信息:

    Error creating bean with name 'sentimentController': Injection of autowired dependencies failed; nested exception is java.lang.IllegalArgumentException: Could not resolve placeholder 'sa.logic.api.url'in value "${sa.logic.api.url}"

    这里显示的重要信息是 SentimentController 中的 sa.logic.api.url。我们检查一下这段代码。

    检查代码

    @CrossOrigin(origins = "*")@RestControllerpublicclassSentimentController{@Value("${sa.logic.api.url}")// #1private String saLogicApiUrl;@PostMapping("/sentiment")public SentimentDto sentimentAnalysis(@RequestBody SentenceDto sentenceDto) { RestTemplate restTemplate = new RestTemplate();return restTemplate.postForEntity( saLogicApiUrl + "/analyse/sentiment", // #2 sentenceDto, SentimentDto.class) .getBody(); }}

    #1:SentimentController 有一个名叫 saLogicApiUrl 的字段。这个字段的赋值是由 sa.logic.api.url 属性定义的。#2:saLogicApiUrl 与值“/analyse/sentiment”连接在一起,共同构成了 Sentiment Analysis 请求的 URL。

    定义属性

    在 Spring 中默认的属性资源是 application.properties(具体位置在 sa-webapp/src/main/resources 中)。但是这不是定义属性的唯一方式,我们可以通过之前的命令完成属性定义:

    java -jar sentiment-analysis-web-0.0.1-SNAPSHOT.jar --sa.logic.api.url=WHAT.IS.THE.SA.LOGIC.API.URL

    应该由 Python 应用程序运行时定义的值初始化该属性,如此一来 Spring 网络应用程序就可以知道在运行时把信息传递到哪里了。

    为了简单起见,我们假设在 localhost:5000 上运行 Python 应用程序。请记得哦!

    运行如下命令,然后我们来看看最后一个服务:Python 应用程序。

    java -jar sentiment-analysis-web-0.0.1-SNAPSHOT.jar --sa.logic.api.url=http://localhost:5000

    建立 Python 应用程序

    为了启动 Python 应用程序,首先我们需要安装 Python3 和 Pip,以及设置它们的环境变量。

    安装依赖

    在终端中进入 sa-logic/sa (代码库),然后运行如下命令:

    python-mpipinstall-rrequirements.txtpython-mtextblob.download_corpora

    启动应用

    在利用 Pip 安装好依赖后,我们就可以通过运行如下命令启动应用程序了:

    python sentiment_analysis.py* Running on http://0.0.0.0:5000/ (Press CTRL+C to quit)

    这意味着应用程序已经启动,并在 localhost 的端口 5000 上监听 HTTP 请求了。

    检查代码

    让我们检查代码,看看处理逻辑部分的 Python 应用程序在干什么:

    from textblob import TextBlobfrom flask import Flask, request, jsonifyapp = Flask(__name__) #1@app.route("/analyse/sentiment", methods=['POST']) #2def analyse_sentiment(): sentence = request.get_json()['sentence'] #3 polarity = TextBlob(sentence).sentences[0].polarity #4return jsonify( #5 sentence=sentence, polarity=polarity )if __name__ == '__main__': app.run(host='0.0.0.0', port=5000) #6

    #1:实例化一个 Flask 对象;#2:定义 POST 请求访问的路径;#3:从请求主体内抽出“sentence”属性;#4:初始化匿名 TextBlob 对象,并从第一个句子(我们只有一个)中获取极性;#5:在相应体内返回句子和极性;#6:运行 flask 对象应用来监听 localhost:5000 上的请求。

    所有的服务都设置好,可以互相交流了。试试看重开前端的 localhost:80。

    图6:微服务架构完成

    在下面一节中,我们将介绍如何在 Docker 容器内启动这些服务,因为这是在 Kubernetes 集群内运行这些服务的前提条件。

    为每个服务创建容器映像

    Kubernetes 是容器管理平台。可想而知我们需要容器去管理它们。但是容器是什么?Docker 官方文档的最佳答案如下:

    容器映像是轻量级的、独立的、可执行软件包,包含所有可运行的东西:代码、运行时、系统工具、系统库、设置。对于基于 Linux 和 Windows 的应用,不论环境如何,容器化的软件都可以照常运行。

    这意味着容器可以在任何计算机上运行,甚至是在产品服务器上,都没有任何差别。

    为了更形象地描述,让我们来对比一下 React 应用程序在虚拟机上和容器内运行的情况。

    通过虚拟机提供 React 静态文件

    使用虚拟机的缺点包括:

    资源效率低下,每个虚拟机都需要一个完全成熟的操作系统;对平台有依赖性。本地机器上运行得很好的功能未必能在产品服务器上正常工作;与容器相比,更重而且规模伸缩较慢。

    图7:虚拟机上提供静态文件的 Nginx 网络服务器

    通过容器提供 React 静态文件

    使用容器的优点包括:

    资源效率很高,在 Docker 的帮助下使用主机操作系统;对平台没有依赖性。可以在本地机器上运行的容器可以在任何机器上正常工作;通过映像层提供轻量级服务。

    图8:在容器内提供静态文件的 Nginx 网络服务器

    以上是使用容器最突出的特色和优势。更多信息,请参阅 Docker 官方文档:https://docker/what-container。

    为 React 应用建立容器映像(Docker 简介)

    Docker 容器最基本的组件是 .dockerfile。该 Dockerfile 文件最基本的组成是容器镜像,我们将通过下列一系列说明,介绍如何创建一个符合应用程序需求的容器镜像。

    在开始定义 Dockerfile 之前,让我们先回想一下使用 Nginx 服务 React 静态文件的步骤:

    创建静态文件(npm run build);启动 Nginx 服务器;将前端项目的 build 文件夹的内容复制到 nginx/html 目录中。在下一节中,你会注意到创建容器与建立本地 React 的过程非常相似。

    为前端定义 Dockerfile

    前端 Dockerfile 的建立只有两个步骤。这是因为 Nginx 团队为我们提供了基本的 Nginx 映像,我们可以直接利用。这两个步骤如下:

    启动基本的 Nginx 映像;将 sa-frontend/build 目录复制到容器的 nginx/html 中。转换成的Dockerfile如下所示:

    FROM nginxCOPY build /usr/share/nginx/html

    很惊讶吧?这个文件是可读的,我们可以概括为:

    从 Nginx 映像开始(不管里面是什么)。将 build 目录复制到映像的 nginx/html 目录中。然后就好了!

    你可能在想,我该从哪儿复制 build 文件呢?例如:/usr/share/nginx/html。非常简单:在 Docker Hub 的 Nginx 映像文档中有记载。

    建立并推送容器

    在推送映像之前,我们需要一个容器注册来托管映像。Docker Hub 是一个免费的云容器服务,我们将使用它来做演示。接下来有 3 个任务需要完成:

    安装 Docker CE;注册 Docker Hub;在终端中运行如下命令登录:docker login -u="$DOCKER_USERNAME" -p="$DOCKER_PASSWORD"

    在完成上述任何后,请进入目录 sa-frontend。然后运行如下命令(请用你的 docker hub 用户名替换 $DO...

  • ?

    终于!Keras官方中文版文档正式发布了

    萨布丽娜

    展开

    今年 1 月 12 日,Keras 作者 Franois Chollet 在推特上表示因为中文读者的广泛关注,他已经在 GitHub 上展开了一个 Keras 中文文档项目。而昨日,Franois Chollet 再一次在推特上表示 Keras 官方文档已经基本完成!他非常感谢翻译和校对人员两个多月的不懈努力,也希望 Keras 中文使用者能继续帮助提升文档质量。

    这一次发布的是 Keras 官方中文文档,它得到了严谨的校对而提升了整体质量。但该项目还在进行中,虽然目前已经上线了很多 API 文档和使用教程,但仍然有一部分内容没有完成。其实早在官方中文文档出现以前,就有开发者构建了 Keras 的中文文档,而且很多读者都在使用 MoyanZitto 等人构建的中文文档。

    Keras 官方文档:https://keras.io/zh/

    Keras 第三方文档:http://keras-cn.readthedocs.io/en/latest/

    以下我们将简要介绍这次官方发布的 Keras 文档。

    Keras 是一个用 Python 编写的高级神经网络 API,它能够以 TensorFlow、CNTK、或者 Theano 作为后端运行。Keras 的开发重点是支持快速的实验。能够以最小的时延把你的想法转换为实验结果,是做好研究的关键。

    如果你有如下需求,请选择 Keras:

    允许简单而快速的原型设计(用户友好,高度模块化,可扩展性)。

    同时支持卷积神经网络和循环神经网络,以及两者的组合。

    在 CPU 和 GPU 上无缝运行与切换。

    Keras 兼容的 Python 版本: Python 2.7-3.6。

    Keras 相对于其它深度学习库非常容易构建:首先它提供一致和简单的 API;其次,它提供独立的、完全可配置的模块构成序列或图表以完成模型;最后,作为新的类和函数,新的模块很容易扩展。这样说可能比较抽象,但正如文档中所描述的,我们甚至在 30 秒就能快速上手 Keras。所以在坑外徘徊或准备入坑 Keras 的小伙伴可以开心地开始你们的 30 秒。

    快速开始:30 秒上手 Keras

    Keras 的核心数据结构是 model,一种组织网络层的方式。最简单的模型是 Sequential 模型,它是由多网络层线性堆叠的栈。对于更复杂的结构,你应该使用 Keras 函数式 API,它允许构建任意的神经网络图。

    Sequential 模型如下所示:

    from keras.models import Sequentialmodel = Sequential()

    可以简单地使用 .add() 来堆叠模型:

    from keras.layers import Densemodel.add(Dense(units=64, activation='relu', input_dim=100))model.add(Dense(units=10, activation='softmax'))

    在完成了模型的构建后, 可以使用 pile() 来配置学习过程:

    modelpile(loss='categorical_crossentropy',optimizer='sgd', metrics=['accuracy'])

    如果需要,你还可以进一步地配置优化器。Keras 的一个核心原则是使事情变得相当简单,同时又允许用户在需要的时候能够进行完全的控制(终极的控制是源代码的易扩展性)。

    modelpile(loss=keras.losses.categorical_crossentropy,optimizer=keras.optimizers.SGD(lr=0.01, momentum=0.9, nesterov=True))

    现在,你可以批量地在训练数据上进行迭代了:

    # x_train and y_train are Numpy arrays --just like in the Scikit-Learn API.model.fit(x_train, y_train, epochs=5, batch_size=32)

    或者,你可以手动地将批次的数据提供给模型:

    model.train_on_batch(x_batch, y_batch)

    只需一行代码就能评估模型性能:

    loss_and_metrics = model.evaluate(x_test, y_test, batch_size=128)

    或者对新的数据生成预测:

    classes = model.predict(x_test, batch_size=128)

    构建一个问答系统,一个图像分类模型,一个神经图灵机,或者其他的任何模型,就是这么的快。深度学习背后的思想很简单,那么它们的实现又何必要那么痛苦呢?

    使用简介

    Keras 模型的使用一般可以分为顺序模型(Sequential)和 Keras 函数式 API,顺序模型是多个网络层的线性堆叠,而 Keras 函数式 API 是定义复杂模型(如多输出模型、有向无环图,或具有共享层的模型)的方法。以下将简要介绍两种模型的使用方法:

    1.Keras 顺序模型

    你可以通过将层的列表传递给 Sequential 的构造函数,来创建一个 Sequential 模型:

    from keras.models import Sequentialfrom keras.layers import Dense, Activationmodel = Sequential([Dense(32, input_shape=(784,)),Activation('relu'),Dense(10),Activation('softmax'),])

    也可以使用 .add() 方法将各层添加到模型中:

    model = Sequential()model.add(Dense(32, input_dim=784))model.add(Activation('relu'))

    如下展示了一个完整的模型,即基于多层感知器 (MLP) 的 softmax 多分类:

    import kerasfrom keras.models import Sequentialfrom keras.layers import Dense, Dropout, Activationfrom keras.optimizers import SGD# 生成虚拟数据import numpy as npx_train = np.random.random((1000, 20))y_train = keras.utils.to_categorical(np.random.randint(10, size=(1000, 1)), num_classes=10)x_test = np.random.random((100, 20))y_test = keras.utils.to_categorical(np.random.randint(10, size=(100, 1)), num_classes=10)model = Sequential()# Dense(64) 是一个具有 64 个隐藏神经元的全连接层。# 在第一层必须指定所期望的输入数据尺寸,在这里是一个 20 维的向量。model.add(Dense(64, activation='relu', input_dim=20))model.add(Dropout(0.5))model.add(Dense(64, activation='relu'))model.add(Dropout(0.5))model.add(Dense(10, activation='softmax'))sgd = SGD(lr=0.01, decay=1e-6, momentum=0.9, nesterov=True)modelpile(loss='categorical_crossentropy',optimizer=sgd,metrics=['accuracy'])model.fit(x_train, y_train,epochs=20,batch_size=128)score = model.evaluate(x_test, y_test, batch_size=128)

    2. Keras 函数式 API

    利用函数式 API,可以轻易地重用训练好的模型:可以将任何模型看作是一个层,然后通过传递一个张量来调用它。注意,在调用模型时,您不仅重用模型的结构,还重用了它的权重。

    以下是函数式 API 的一个很好的例子:具有多个输入和输出的模型。函数式 API 使处理大量交织的数据流变得容易。

    来考虑下面的模型。我们试图预测 Twitter 上的一条新闻标题有多少转发和点赞数。模型的主要输入将是新闻标题本身,即一系列词语,但是为了增添趣味,我们的模型还添加了其他的辅助输入来接收额外的数据,例如新闻标题的发布的时间等。该模型也将通过两个损失函数进行监督学习。较早地在模型中使用主损失函数,是深度学习模型的一个良好正则方法。

    模型结构如下图所示:

    让我们用函数式 API 来实现它(详细解释请查看中文文档):

    from keras.layers import Input, Embedding, LSTM, Densefrom keras.models import Model# 标题输入:接收一个含有 100 个整数的序列,每个整数在 1 到 10000 之间。# 注意我们可以通过传递一个 `name` 参数来命名任何层。main_input = Input(shape=(100,), dtype='int32', name='main_input')# Embedding 层将输入序列编码为一个稠密向量的序列,每个向量维度为 512。x = Embedding(output_dim=512, input_dim=10000, input_length=100)(main_input)# LSTM 层把向量序列转换成单个向量,它包含整个序列的上下文信息lstm_out = LSTM(32)(x)auxiliary_output = Dense(1, activation='sigmoid', name='aux_output')(lstm_out)auxiliary_input = Input(shape=(5,), name='aux_input')x = keras.layers.concatenate([lstm_out, auxiliary_input])# 堆叠多个全连接网络层x = Dense(64, activation='relu')(x)x = Dense(64, activation='relu')(x)x = Dense(64, activation='relu')(x)# 最后添加主要的逻辑回归层main_output = Dense(1, activation='sigmoid', name='main_output')(x)model = Model(inputs=[main_input, auxiliary_input], outputs=[main_output, auxiliary_output])modelpile(optimizer='rmsprop', loss='binary_crossentropy',loss_weights=[1., 0.2])model.fit([headline_data, additional_data], [labels, labels],epochs=50, batch_size=32)modelpile(optimizer='rmsprop',loss={'main_output': 'binary_crossentropy', 'aux_output': 'binary_crossentropy'},loss_weights={'main_output': 1., 'aux_output': 0.2})# 然后使用以下方式训练:model.fit({'main_input': headline_data, 'aux_input': additional_data},{'main_output': labels, 'aux_output': labels},epochs=50, batch_size=32)

    以上只是一个简单的案例,Keras 函数式 API 还有非常多的应用案例,包括层级共享、有向无环图和残差网络等顶尖视觉模型,读者可以继续阅读中文文档了解更多

    文档的后一部分更多是描述 Keras 中常用的函数与 API,包括 Keras 模型、层级函数、预处理过程、损失函数、最优化方法、数据集和可视化等。这些 API 和对应实现的功能其实很多时候可以在实际使用的时候再查找,当然最基本的 API 我们还是需要了解的。以下将简要介绍 Keras 模型和层级 API,其它的模块请查阅原中文文档。

    Keras 模型

    在 Keras 中有两类模型,顺序模型 和 使用函数式 API 的 Model 类模型。这些模型有许多共同的方法:

    model.summary(): 打印出模型概述信息。它是 utils.print_summary 的简捷调用。model.get_config(): 返回包含模型配置信息的字典。通过以下代码,就可以根据这些配置信息重新实例化模型:

    config = model.get_config()model = Model.from_config(config)# or, for Sequential:model = Sequential.from_config(config)

    model.get_weights(): 返回模型权重的张量列表,类型为 Numpy array。model.set_weights(weights): 从 Nympy array 中为模型设置权重。列表中的数组必须与 get_weights() 返回的权重具有相同的尺寸。model.to_json(): 以 JSON 字符串的形式返回模型的表示。请注意,该表示不包括权重,只包含结构。你可以通过以下代码,从 JSON 字符串中重新实例化相同的模型(带有重新初始化的权重):

    from keras.models import model_from_jsonjson_string = model.to_json()model = model_from_json(json_string)

    model.to_yaml(): 以 YAML 字符串的形式返回模型的表示。请注意,该表示不包括权重,只包含结构。你可以通过以下代码,从 YAML 字符串中重新实例化相同的模型(带有重新初始化的权重):

    from keras.models import model_from_yamlyaml_string = model.to_yaml()model = model_from_yaml(yaml_string)

    model.save_weights(filepath): 将模型权重存储为 HDF5 文件。model.load_weights(filepath, by_name=False): 从 HDF5 文件(由 save_weights 创建)中加载权重。默认情况下,模型的结构应该是不变的。如果想将权重载入不同的模型(部分层相同),设置 by_name=True 来载入那些名字相同的层的权重。

    Keras 层级

    所有 Keras 层都有很多共同的函数:

    layer.get_weights(): 以 Numpy 矩阵的形式返回层的权重。layer.set_weights(weights): 从 Numpy 矩阵中设置层的权重(与 get_weights 的输出形状相同)。layer.get_config(): 返回包含层配置的字典。此图层可以通过以下方式重置:

    layer = Dense(32)config = layer.get_config()reconstructed_layer = Dense.from_config(config)

    如果一个层具有单个节点 (i.e. 如果它不是共享层), 你可以得到它的输入张量,输出张量,输入尺寸和输出尺寸:

    layer.inputlayer.outputlayer.input_shapelayer.output_shape

    如果层有多个节点,您可以使用以下函数:

    layer.get_input_at(node_index)layer.get_output_at(node_index)layer.get_input_shape_at(node_index)layer.get_output_shape_at(node_index)

    这些是 Keras 模型与层级基本的函数,文档的中心内容也是这一部分和下面描述的 API 用途与参数,它包括完整模型所需要的各个模块,包括数据、预处理、网络架构、训练、评估和可视化等。但这一部分我们并不会介绍,因为很多时候我们只有在遇到未知的函数时才会详细查阅。

    Keras 官方中文文档,欢迎各位徘徊者入坑

  • ?

    什么是配置文件,以及如何编辑它们?

    You

    展开

    我们使用的绝大多数计算机程序 - 无论是办公套件,Web浏览器,还是视频游戏 - 都是通过菜单界面系统配置的。它几乎成了我们使用机器的默认方式。但是有些程序要求你超越它,你实际上必须编辑一个文本文件,以便让它们按你的意愿运行。

    这些文本文件 - 毫不奇怪 - 被称为“配置文件”。如果你想从“用户”到“超级用户”迈出这一步,你将需要知道如何调整他们。

    什么是配置文件?

    在我们深入了解技术细节之前,让我们首先具体定义配置文件是什么。

    配置文件本质上是包含成功操作程序所需信息的文件,这些信息以特定方式构成。它们不是在程序中进行硬编码,而是用户可配置的,通常存储在纯文本文件中(尽管我以前见过使用SQLite数据库作为其配置文件的程序)。

    令人惊讶的是,没有关于配置文件应该如何工作的定义标准,或者它们应该是什么样的。这完全取决于程序开发人员的心血来潮。

    一些配置文件的结构采用开发人员自己设计的格式。其他人使用广泛已知的用于构造数据的标准,如JSON(JavaScript Object Notation),YAML(YAML不是标记语言)或XML(可扩展标记语言)格式。某些程序在启动时加载存储在其配置文件中的信息,而其他程序会定期检查它是否已更改。

    如果您是Linux用户,您可能会熟悉这些用户,因为许多基本维护任务都要求您编辑配置文件。如果您想调整GRUB以双启动您的系统,或者设置Web服务器,您将不得不处理它们。

    虽然它不是Linux专用的东西。根据您的操作,您可能需要在Windows或Mac OS X中编辑它们。

    配置文件是什么样的?

    现在,我们来看看一些真实的配置文件。正如我们前面提到的,它们有各种不同的形状和大小。您几乎肯定熟悉的一个配置文件是hosts文件,该文件在Windows,Mac和Linux上用于手动将IP地址映射到主机名。

    在Windows上,您可以在c:\ windows \ system32 \ drivers \ etc \ hosts下找到它。在Mac和Linux上,它将位于/ etc / hosts中。

    正如您将注意到的,hosts文件使用空格来分隔元素,每个主机名都有自己的行。此外,hosts文件允许用户添加注释和注释,这些注释和注释都以井号开头。

    在Linux和Mac OS X上,某些程序要求用户将配置文件存储在主目录中,并在文件名的开头加上句点。这些配置文件有时具有文件扩展名.rc,通俗地称为“dotfiles”。

    遵循此特定约定的一个程序是Vim文本编辑器。过去,我们已经讨论过如何通过编辑配置文件来自定义VIM 。

    视频游戏甚至可以使用配置文件来定义和控制某些行为,例如键映射。下面的配置文件来自Black Mesa--一个粉丝制作的原版Half Life翻版。

    如何编辑配置文件

    所以,现在我们知道配置文件的用途,让我们来谈谈我们如何编辑它们。

    要做到这一点,你需要一个文本编辑器。不要使用文字处理器,因为这些可以为文件添加格式,这将阻止程序读取它们。

    Windows用户已预先安装了文本编辑器。我在谈论记事本。虽然值得强调的是,Windows上有许多优秀的第三方文本编辑器,包括Notepad ++,Atom和Sublime Text Editor。

    在Linux上,最接近记事本的模拟是Gedit。您还可以考虑使用命令行文本编辑器,如Nano或Vim。为了纯粹的效率,我非常倾向于Vim文本编辑器。这使我很容易在配置文件中精确跳转到不同的位置,只需使用少量按键即可。

    在Mac OS X(或MacOS Sierra,它很快就会知道)上,有许多预装的文本编辑器。你可能熟悉TextMate。它还包括许多命令行文本编辑器,如Vim和Nano。

    编辑文件时,确保遵循其约定非常重要。这可以通过查看它来解决。一些配置文件(如hosts文件)将向您解释这些约定。其他人会强迫您阅读一些文档或几篇博文。

    最后,如果正在编辑的配置文件是以JSON或XML格式构建的,您可能希望使用功能更强大的文本编辑器,并使用语法突出显示。我推荐Atom。这会通过在您犯错误时向您显示来提高您的准确性。

    如果它不起作用怎么办?

    最后,让我们谈谈出现问题时会发生什么。根据我自己的经验,与编辑配置文件相关的问题往往分为两个阵营。

    第一个是权限。如果您无法保存更改,可能是因为您尝试以普通用户身份执行此操作。为了防止意外损坏,许多配置文件只能由具有管理员级权限的人编辑。

    解决这个问题很容易。在Mac和Linux上,尝试使用sudo命令升级您的权限。因此,如果您正在编辑主机文件,则运行:

    sudo nano / etc / hosts

    在Windows上,右键单击“记事本”(或您正在使用的任何文本编辑器),然后选择“以管理员身份运行”。

    第二个常见问题是用户错误。如果事情不起作用,那可能是你的错。检查您是否有任何拼写错误,并且您已遵循配置文件的约定。我知道这听起来很明显,但是一个简单的拼写错误,或者忘记关闭一对语音标记会使整个文件无效。

    避免出现问题的一个好方法是在进行任何更改之前复制配置文件。这样,如果出现问题,您可以恢复副本并重新开始!

    配置文件很重要

    更重要的是,它们是使用Linux 的重要部分。知道如何正确编辑它们可以更好的帮助你。

  • ?

    最优秀的智能家居平台homeassistant-hass.io设置指南

    Tesia

    展开

    语音控制好玩,但设置有点枯燥,请大家为了好玩,耐心看完怎么设置homeassistant,最终实现声控万物(绝对不止小米智能家居哟)。前面已经完成homeassistant智能家居平台的HASS.IO方式安装(不知道的翻我前面的文章),下面我们对homeassistant进行设置。

    一、首先安装必要的官方扩展插件

    在设置前我们首先安装两个我们常用的官方扩展插件,一个提供ssh功能的插件(可以让你通过putty软件连接到树莓派,并对树莓派进行命令行操作),另一个是提供Samba功能的插件(方便你用同一局域网的电脑访问及编辑树莓派上的文件,比如下面我们要用的树莓派设置文件)。首先在同一局域网内的另一电脑的浏览器输入你安装homeassistant的树莓派的地址及:8123,进入homeassistant界面,然后点击左上角的菜单选择Hass.io选项卡。点击右上角的商店图标,打开扩展插件库。从内置(built-in add-ons)插件中点击SSH server,然后进入安装界面,点击install进行安装,直至安装完成。同样的方法完成Samba share插件的安装。安装完之后你就可以设置你的homeassistant了。

    二、设置homeassistant

    1、点击win+R打开Windows系统运行界面,在输入框输入\加你树莓派的IP,打开树莓派的共享文件夹。

    2、打开config文件,用notepad++打开configuration.yaml文件(这个就是设置homeassistant及向homeassistant添加设备的文件)。当我们第一次启动homeassistant时,homeassistant会自动创建一个名为configuration.yaml默认的设置文件,这个configuration.yaml文件是用YAML写的。YAML是“另一种标记语言”的外语缩写,它是一种直观的能够被电脑识别的数据序列化格式,是一个可读性高并且容易被人类阅读,容易和脚本语言交互,用来表达资料序列的编程语言。不要被这种语言吓到,其实很简单的。YAML最基本的语法就是集合和键值对。在一个集合每个子项都以短横线“-”开始,而键值对则有这样的格式“键:值”。注意:缩进是YAML定义各项之间关系很重要的手段。缩进相同的项,他们拥有相同的层级。制表符在YAML语言中是不可以用于缩进的,通常两层级间我们都采用缩进两个空格来表达。下面我们举个栗子一看就懂了。

    介绍完YAML简单的语法,我们就可以开始进行设置我们的homeassistant了。我们先进行基础设置。通常homeassitant会根据你的IP地址自动判断你的位置,然后根据定位自动选择温度单位和时区,你可以在configuration.yaml文件中对这些进行重设。

    到此基础设置基本完成。后续我会给大家讲解把常见的小米智能家居设备和broadlink设备接入homeassistant的方法。

所有视频需要登录后,才能观看

请先登录您的帐号,即可完整播放,如果您尚未注册帐号,请先点击注册。