2017-12-03

热点新闻

rktlet初长成,rkt CRI带你飞

本文将和大家一起来看看Docker的老对手rkt推出的新武器(看来是想和Docker在容器生态圈一争高下)。

kinvolk

培训

基于Kubernetes的DevOps实践培训

本次培训内容包括:Kubernetes架构、安装、深入了解Kubernetes、Kubernetes高阶——设计与实现、Kubernetes落地实践、微服务、Cloud Native等。

DockOne.io

视频

Autoscaling in Kubernetes

Kubernetes allows developers to automatically adjust cluster sizes and the number of pod replicas based on current traffic and load. These adjustments reduce the amount of unused nodes, saving money and resources. In this talk, Marcin Wielgus of Google walks you through the current state of pod and node autoscaling in Kubernetes: .how it works, and how to use it, including best practices for deployments in production applications.

Kubernetes官方博客

微信群分享

Docker在测试场景中的应用

最近几年虚拟化、容器化的概念越来越火,依托于Docker的业务型公司也是越来越多,大多数情况下Docker都是作为服务部署的容器来使用,那Docker作为客户端又有怎样的发挥空间和优势?

DockOne.io

学习教程

PaaS容器集群优化之路

本文探讨了在一个复杂的PaaS系统中,如何系统化、科学化的进行全系统的性能优化工作。

DockOne.io

基于Go技术栈的微服务构建

在大型系统的微服务化构建中,一个系统会被拆分成许多模块。这些模块负责不同的功能,组合成系统,最终可以提供丰富的功能。在这种构建形式中,开发者一般会聚焦于最大程度解耦模块的功能以减少模块间耦合带来的额外开发成本。同时,微服务面临着如何部署这些大量的服务系统、如何运维这些系统等新问题。

UCloud官方博客

Airbnb从微服务演进过程中获得的十条经验

Airbnb近年来的业务发展非常迅速,技术团队也快速实现了微服务技术演进,Airbnb的软件工程师Melanie Cebula在纽约举行的FutureStack 2017大会上谈到了她们公司从微服务演进之旅中获得的十条经验。

The New Stack

持续集成(二):CI服务器 & 工具集

在持续集成(CI)系列的前面一篇文章里,我们关注了CI的基本概念,它是如何帮助企业减少集成软件时的错误,采用它带来的好处和遇到的难点,以及最后,它是如何助力敏捷开发和DevOps团队文化的推行。在本文中,我们会介绍到一些工具,它们将有助于为组织实现一个强大并有价值的CI流程。

Techtown Training

如何编写 Dockerfile 文件创建 Docker 镜像

文章有讲到构建一个自定义镜像是手动去构建的,虽然步骤清晰,但是操作比较繁琐,镜像分发起来也不是很方便,所以有必要用一种更好的办法去替换这种模式去创建自定义镜像,于是 Dockerfile 就是最优替代方案。

个人博客

Azure Container Instance (ACI)

Azure 容器实例(ACI)提供了在 Azure 中运行容器的最简捷方式,它不需要用户配置任何虚拟机或其它高级服务。ACI 适用于快速突发式增长和资源调整的业务,但功能相对比较简单。对于需要完整容器集群编排功能的场景建议使用 ACS 或 AKS。

个人博客

Docker 核心技术与实现原理

提到虚拟化技术,我们首先想到的一定是 Docker,经过四年的快速发展 Docker 已经成为了很多公司的标配,也不再是一个只能在开发阶段使用的玩具了。作为在生产环境中广泛应用的产品,Docker 有着非常成熟的社区以及大量的使用者,代码库中的内容也变得非常庞大。

个人博客

持续集成(三):最佳实践

这是持续集成系列的最后一篇,在本文中,作者列出了Martin Fowler撰写的CI白皮书里面的一些原则,并介绍了一些个人的实践经验。

Techtown Training

浅尝TensorFlow on Kubernetes

TensorFlow GitHub 70K+ stars,Kubernetes GitHub 27K+ stars,两个都是在各自领域的霸主,本文从TensorFlow running in Kubernetes的角度,对两者的整合进行梳理和思考,看看能擦出什么样的火花。

个人博客