最近在做docker 数据文件的迁移，按指引创建，遇到了一些问题，把步骤和解决方案记录一下。

1. 停止docker服务

systemctl stop docker

2.创建docker新目录

mkdir -p /data/docker/lib

3.安装迁移软件包

yum install rsync -y

或者

sudo apt-get install rsync

4.开始迁移

rsync -avzP /var/lib/docker /data/docker/lib/

注：这个不是必须的，也可以用mv命令

5.修改docker配置文件

vim /lib/systemd/system/docker.service

在ExecStart=/usr/bin/dockerd -H fd:// --containerd=/run/containerd/containerd.sock后添加--graph=/data/docker/lib

注意：这里有个坑，最新的docker版本（≥ version 23.0.0 ) 这个参数（–graph）要改为 --data-root ，也就是： --data-root=/data/docker/lib

6.重启docker

systemctl daemon-reload
systemctl restart docker

7.确认docker没有问题，删除原目录

rm -rf /var/lib/docker

1.APIView的使用：

1.1 在 user/urls.py 中添加路由

1
2
3
4
5
6
7
8
9

from django.contrib import admin
from django.urls import path
from bookapp.views import *

urlpatterns = [
    path('admin/', admin.site.urls),
    path('book/cate/', CateView.as_view()),

]

1.2创建user/serializers.py写序列化器

1
2
3
4
5
6
7
8
9
10
11

from rest_framework import serializers
from .models import *

class Cateser(serializers.ModelSerializer):
    class Meta:
        model = Cate	  #数据库表名
        fields = "__all__" #序列化所有字段      
        #depth = 1  # 外键序列化 添加了这个关联的外键都会查询出来*class Bookser(serializers.ModelSerializer):
    class Meta:
        model = Book
        fields = "__all__"

1.3 在 user/views.py 中添加视图函数

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50

from .models import *
from rest_framework.views import APIView
from rest_framework.response import Response
from .sers import *

class CateView(APIView):
    # get是查询数据  post是添加数据
    def get(self, request):
        cate = Cate.objects.all()  # 查询所有数据 他是一个查询集
        ser = Cateser(cate, many=True)  # 因为查询的是一个查询集 所以需要些many=True
        return Response(ser.data)

    def post(self, request):
        ser = Cateser(data=request.data)
        resp = {}
        if ser.is_valid():
            ser.save()
            resp['code'] = 200
            resp['code'] = ser.data
        else:
            print(ser.errors)
            resp['code'] = 400
            resp['code'] = ser.errors
        return Response(resp)

    def put(self, request):  # put 修改数据 完全修改数据  patch 部分修改数据# 想要修改的话 需要知道要修改谁 还要知道最新的数据 data=xxx 传递的新的值
        id = request.GET.get('id')
        # first是从查询集中 获取一个model对象
        cate = Cate.objects.filter(id=id).first()  
        # 传递 两个参数 参数1是要修改的数据  参数2是要赋予的新值
        ser = Cateser(instance=cate, data=request.data)  
        resp = {}
        if ser.is_valid():
            ser.save()
            resp['code'] = 200
        else:
            resp['code'] = 400
        return Response(resp)

    def delete(self, request):
        # 需要知道删除谁
        id = request.GET.get('id')
        resp = {}
        try:
            Cate.objects.filter(id=id).delete()
            resp['code'] = 200
        except Exception as e:
            print(e)
            resp['code'] = 400
        return Response(resp)

背景

最简单的Dockerfile指令打包一个项目（以某python项目为例）：

1
2
3
4
5
6
7
8
9
10

# 选择一个基础镜像
FROM python:3.6 
# 设置虚拟机中的工作路径 
WORKDIR /qqzone
# 将当前目录下所有文件拷贝到工作路径中  
COPY . /qqzone  
# 执行命令，安装依赖
RUN pip install -r requirements.txt
# 执行命令，启动服务
CMD python src/web/server.py

但是这样存在一个巨大的问题，每次更新代码后重新build镜像都会重新安装依赖，会浪费大量时间。

解决方案

有两种途径可以解决这个问题，一是将安装依赖后的环境打包为一个镜像，但是这样做显然有点麻烦，并且每次更新依赖后都得重新打包，因此推荐下面这种方式：使用缓存

先安装依赖再拷贝代码时就会显示Using cache

只需要更改上面的Dockerfile命令如下：

1
2
3
4
5
6
7
8
9

FROM python:3.6
WORKDIR /qqzone
# 先将依赖文件拷贝到项目中
COPY requirements.txt /qqzone
# 执行指令，安装依赖
RUN pip install -i -r requirements.txt
# 拷贝项目文件和代码
COPY . /qqzone
CMD python src/web/server.py

与之前代码不同的是，先单独拷贝依赖文件（requirements.txt）到docker中，再立即安装依赖。由于通常在更新代码之后，依赖文件并没有改变（改变的代码部分在下一步才会被拷贝到镜像中），因此docker在build中会显示“using cache”（调用缓存），从而避免了重新安装依赖。

原因

在执行git pull的时候会报错:
Your configuration specifies to merge with the ref ‘refs/heads/master’ from the remote, but no such ref was fetched
原因是，现在默认分支已更名为 “main”，但本地git仍试图从 "master "中提取，因此出现了此消息。

解决方案：执行以下脚本：

1
2
3
4

git branch -m master main
git fetch origin
git branch -u origin/main main
git remote set-head origin -a

概述

本地有一些程序文件用Vim 编辑有点不方便，打算上传到github后，用网页编辑器编辑。下面是具体步骤

一、建立本地仓库

1.初始化本地仓库

git init

2.添加所有文件

git add .

概述

想实现通过开发系统打包Docker，上传到私有部署的Hub。生产系统下载更新包，发布新版本，以下是对应的脚本文件。

开发系统打包上传

脚本文件：

1
2
3

sudo docker build . -t my-app:latest
sudo docker tag my-app:latest 192.168.50.188:5000/my-app:v1
sudo docker push 192.168.50.188:5000/my-app:v1

其中 192.168.50.188:5000 是私有仓库地址

生产系统下载发布

脚本文件：

1
2
3
4

sudo docker pull 192.168.50.188:5000/my-app:v1
sudo docker stop my-app
sudo docker rm /my-app
sudo docker run -it -d -p 8000:8000 --name my-app 192.168.50.188:5000/my-app:v1

测试成功，记录一下。

graph LR
  U型思考 --> 问
  U型思考 --> 挖
  U型思考 --> 破
  U型思考 --> 立

  问--> 认知差定胜负
  问--> 透视U型思考
  问--> 好问题的力量

  挖--> 追问法
  挖--> 框架法
  挖--> 类推法与假设法

  破--> 破界法
  破--> 升维法
  破--> 优势法

  立--> 飞轮法
  立--> 价值网法与画布法
  立--> 跨越未知之墙

概述

仓库（Repository）是集中存放镜像的地方。
一个容易混淆的概念是注册服务器（Registry）。实际上注册服务器是管理仓库的具体服务器，每个服务器上可以有多个仓库，而每个仓库下面有多个镜像。从这方面来说，仓库可以被认为是一个具体的项目或目录。例如对于仓库地址 docker.io/ubuntu 来说，docker.io 是注册服务器地址，ubuntu 是仓库名。
大部分时候，并不需要严格区分这两者的概念。

私有仓库搭建

有时候使用 Docker Hub 这样的公共仓库可能不方便，用户可以创建一个本地仓库供私人使用。
docker-registry 是官方提供的工具，可以用于构建私有的镜像仓库。

获取镜像/启动服务

说明：registry 镜像选择 registry:2 和 registry:2.4.1 都可以。
拉取私有镜像仓库

1
2

docker pull registry:2
docker run -d -v /opt/registry:/var/lib/registry -p 5000:5000 --name myregistry registry:2

一、耦合度

模块间的耦合度是指模块之间的依赖关系，包括控制关系、调用关系、数据传递关系。模块间联系越多，其耦合性越强，同时表明其独立性越差。
降低模块间的耦合度能减少模块间的影响，防止对某一模块修改所引起的“牵一发动全身”的水波效应，保证系统设计顺利进行

二、紧密耦合的系统在开发阶段有以下的缺点

一个模块的修改会产生涟漪效应，其他模块也需随之修改。
由于模块之间的相依性，模块的组合会需要更多的精力及时间。
由于一个模块有许多的相依模块，模块的可复用性低。

三、降低耦合度的方法

1. 少使用类的继承，多用接口隐藏实现的细节。 java面向对象编程引入接口除了支持多态外， 隐藏实现细节也是其中一个目的。
2. 模块的功能化分尽可能的单一。道理也很简单，功能单一的模块供其它模块调用的机会就少。
3. 遵循一个定义只在一个地方出现。（对一个功能、类只定义在一个地方）。
   • 修改时永远只修改这一个地方。
   • 增加功能时也只在一个地方修改。
   • 将变动只缩小到一个地方。
   • 一处修改，所有用它的地方都生效。
4. 少使用全局变量。
   • 由于全局变量，程序运行期间，始终占有那块存储区，所以空间利用率比较低，大量的全局变量，很快就会把内存用光
   • 全局变量由于每个函数都可以使用，所以任何一个函数的修改，如果修改了全局变量，都有可能影响到其他函数，所以不利于调试
5. 类属性和方法的声明少用public，多用private关键字（公共的就有可能被到处调用，到处new对象）
6. 多用设计模式，比如采用MVC的设计模式就可以降低界面与业务逻辑的耦合度。
7. 尽量不用“硬编码”的方式写程序，同时也尽量避免直接用SQL语句操作数据库。

基本知识

大型网站架构设计必备的三板斧：

• 高性能架构设计： 熟悉系统常见性能优化手段比如引入 读写分离、缓存、负载均衡、异步 等等。
• 高可用架构设计 ：CAP理论和BASE理论、通过集群来提高系统整体稳定性、超时和重试机制、应对接口级故障：降级、熔断、限流、排队。
• 高扩展架构设计 ：如何拆分系统。按照不同的思路来拆分软件系统，就会得到不同的架构。

基本原则

合适优于先进 > 演化优于一步到位 > 简单优于复杂

常见的性能优化策略

性能优化之前我们需要对请求经历的各个环节进行分析，排查出可能出现性能瓶颈的地方，定位问题。

下面是一些性能优化时常见问题：

1. 当前系统的SQL语句是否存在问题？
2. 当前系统是否需要升级硬件？
3. 系统是否需要缓存？
4. 系统架构本身是不是就有问题？
5. 系统是否存在死锁的地方？
6. 数据库索引使用是否合理？
7. 系统是否存在内存泄漏？
8. 系统的耗时操作进行了异步处理？