（圖片來源：leiphone.com）

  2月12日，媒體報導，樂視網資訊技術（北京）股份有限公司稱計畫投資數十億美元開發電動汽車，將美國定為首要目標市場。   此前的1月19日，樂視網正式確認「SEE計畫」即樂視超級汽車計畫。公司表示，這是由控股股東樂視控股所開展的一項旨在打造一個全球獨有的垂直整合汽車互聯網生態系統的重要戰略。   受超級汽車計畫等一系列利好影響，2月11日，樂視網以584億元人民幣（下同）的市值躍升創業板首位。自去年12月23日起，其股價從28.2元的底部漲至11日的69.43元，大漲146%。  
動態：正就專案資金與投資方磋商   上任伊始的樂視汽車業務中國負責人呂征宇接受電話採訪時表示，樂視計畫招聘更多人才以加強現有大約260人的電動汽車專案團隊。他說，樂視將這個專案視為一項長期投資，正在就專案資金與投資方進行磋商。樂視計畫投資數十億美元，將美國定為首要目標市場。他沒有透露更多細節。   樂視董事長賈躍亭誓言「顛覆」傳統汽車行業，宣佈要打造一款智慧化和互聯化程度更高的汽車。其目標是比亞迪和長城汽車等更成熟的中國車企未能實現的目標：把汽車賣給美國消費者。   呂征宇曾在日產汽車旗下英菲尼迪供職。他確信，就像賈躍亭所說的那樣，對於每件新生事物，當人們第一次看到的時候，首先會忽視你，然後會笑話你，再然後會反對你，然後你就贏了；利用自己在設計、製造和分銷方面的優勢，樂視有機會顛覆傳統汽車行業。  
回顧：北汽曾表示願意代工   2014年7月21日，國務院公佈《關於加快新能源汽車推廣應用的指導意見》，阿里巴巴與樂視網分別傳出要進軍汽車領域，一個牽手上汽，一個牽手北汽。   2014年4月份，北汽董事長徐和誼在一次公開場合就提出，「汽車企業未來可能會成為互聯網企業的貼牌製造商」這一觀點，甚至點名「樂視網」，表示願意「代工生產樂視汽車」。   在徐和誼看來，新能源汽車按照傳統汽車模式肯定不行。新能源汽車產業與傳統汽車產業不只是在燒油與用電方面的區別，「新能源汽車是一個全新的行業，必須要用全新的模式與之相適應」，而這個新模式的合作物件目前來看首選樂視的可能很大。   知名產業評論家信海光在微信中披露，樂視CEO賈躍亭在美期間，除了佈局海外市場，在美國創立兩家子公司，推動樂視生態業務全球化全面啟動外，另一高度保密專案，就是樂視汽車專案。據悉，賈躍亭在美國和徐和誼密會，初步達成合作汽車的意向，至於細節不得而知。   2014年4月9日，賓士CLA與樂視強強聯合上演了一場時尚行銷秀。賓士發言人表示其品牌看中了樂視網中極具潛力、並願為生活品質買單的高端用戶，而這批用戶對於北汽開拓新能源汽車市場十分關鍵。此外，寶馬、英菲尼迪等高端車企品牌也都上過樂視超級電視廣告。樂視一直強調的「生態」建設，是樂視進軍汽車業的驅動力，也是樂視推出互聯網汽車的良好土壤。   按照目前的樂視產品思路，互聯網行銷方式與產品價格將是撒手鐧，評論人士認為，樂視汽車一旦推向市場，會很大程度推動新能源車或者互聯網汽車的市場普及，而樂視網本身也會很快走向年營收千億元這一量級。  
影響：超級計畫引爆股價   2015年2月11日，樂視網收穫本週第2個、今年第5個漲停板。憑藉密集發力榮登創業板老大的樂視網，以市值584億元遠遠甩開第二名東方財富，後者總市值為498億元。   樂視網市值躍升首位，用了35個交易日。自去年12月23日起，其股價從28.2元的底部漲至11日的69.43元，大漲146%。   市場人士認為，樂視網已經與京東、小米、360一起，組成繼百度、阿里巴巴和騰訊之後的中國互聯網第二梯隊。樂視的總市值已經超越奇虎360，資料顯示，在納斯達克上市的360市值為78億美元，約合人民幣488億元。   樂視網股價任性飆升的背後，是電動超級汽車等計畫獲得了市場認同。   1月14日，美國影響力最大的商業科技媒體Business Insider刊發文章，認為中國互聯網公司樂視CEO賈躍亭將憑藉電動超級汽車，與推出特斯拉電動汽車的埃隆•馬斯克一樣，成為全球矚目的明星企業家。Business Insider文中稱：賈躍亭將是中國的「埃隆•馬斯克」。   1月19日，樂視網正式確認「SEE計畫」即樂視超級汽車計畫。公司表示，這是由控股股東樂視控股所開展的一項旨在打造一個全球獨有的垂直整合汽車互聯網生態系統的重要戰略，樂視網與其運營主體並無股權關係，短期內也不會對公司業績構成影響。   連結：特斯拉跌落神壇敲響警鐘   2月11日，特斯拉中國1月銷量僅為120輛的消息幾乎佔據了各大財經和科技媒體的頭條。這家曾經令中國媒體不惜溢美之詞、引得自主品牌車企紛紛一探究竟的電動車製造企業，在一年後跌落神壇。   特斯拉的失敗不可避免地讓一大批揮師進軍汽車行業的互聯網公司坐立難安。通過「電腦+四個輪子」的品牌形象和打破4S經銷體系、主打直營的銷售模式，特斯拉吸引了不少中國擁躉，其中不乏小米和樂視這樣靠垂直整合起家的手機和電視廠商。   從目前已經公佈的樂視超級汽車等方案來看，特斯拉的這批中國學徒們均給自己貼上了「智慧汽車」、「互聯網汽車」的標籤，但在電動車最核心的電池、電機、電控及底盤技術上卻諱莫如深。   特斯拉希望通過推出廉價版的Model X來緩解單產品線的窘境，而電池成本的下降是實現低價版車型量產的基礎。馬斯克曾樂觀預計10年內特斯拉能夠將電池成本降到100美元/千瓦時，但包括電池專家在內紛紛對馬斯克的預期予以駁斥：不僅在2025年之前，電池成本不可能降低至167美元/千瓦時，而且特斯拉Model X價格將從原本的3萬美元定價提高到5-8萬美元。   特斯拉在中國市場陷入泥潭戳破了電動車的泡沫，當樂視小米們在造車的道路上越走越遠時，不得不回頭看看特斯拉的警示。   （文章來源：長江商報）

本站聲明:網站內容來源於EnergyTrend https://www.energytrend.com.tw/ev/,如有侵權,請聯繫我們,我們將及時處理

【其他文章推薦】

※新北清潔公司,居家、辦公、裝潢細清專業服務

※別再煩惱如何寫文案,掌握八大原則!

※網頁設計一頭霧水該從何著手呢? 台北網頁設計公司幫您輕鬆架站!

※超省錢租車方案

我是風箏，公眾號「古時的風箏」，一個兼具深度與廣度的程序員鼓勵師，一個本打算寫詩卻寫起了代碼的田園碼農！
文章會收錄在 JavaNewBee 中，更有 Java 後端知識圖譜，從小白到大牛要走的路都在裏面。

程序員上班戴耳機聽歌難道不是正常的嗎，真的還有公司不允許程序員戴耳機的嗎？不戴耳機能寫代碼？

那程序員的耳機里聽的是什麼呢？我採訪了一眾程序員朋友。

鋼鐵程序員王二麻子同學

聽的什麼？我根本就不知道，我只是不想讓別人打擾我

有時候開發確實是比較費腦子的，尤其是遇到複雜邏輯的時候。正當思如泉涌、靈感迸發的時候，旁人看着我坐在那裡一動不動，好像什麼都沒有做，其實我腦子里正在構思一個複雜的流程。

這時候，突然有個人走過來打斷我，前面的思考都白費了，你說傷心不，你說氣人不。

所以，為了防止上面的情況出現，不得不戴上耳機。至於聽什麼，不重要，我只是告訴別人，別過來，我現在沒時間。

生活需要儀式感的劉精神同學

聽什麼不重要，關鍵是儀式感

生活需要儀式感，寫代碼也需要儀式感啊。當我戴上耳機的那一刻，我感覺精神抖擻，彷彿遊離的三魂六魄都回來了，寫代碼更有動力。

要是不戴耳機，感覺渾身無力，只想摸魚，寫代碼什麼的，根本想都想不起來。

心疼自己的高愛己同學

其實我就是不想聽我的机械鍵盤聲音，實在太吵了

你也知道，筆記本自帶的鍵盤總感覺軟綿綿的，敲起來實在不給力，嚴重影響我的工作效率。那必須得買個鍵盤啊，在多個朋友的推薦下，我就買了一個青軸鍵盤。你別說，觸感真不錯，每按一下，都感覺指尖有一股電流滑過，同時伴隨着啪啪啪的聲音，感覺寫代碼效率明顯變高了，更神奇的是 bug 都比以前少了，你說神奇不。

但是呢，有個缺點，就是時間久了吧，感覺稍微有那麼一點點吵，所以我就配了個耳機，從此之後，既得到了直達靈魂的觸感，又不會感覺吵了。更神奇的一點是，以前罵我的同事好像都不罵我了。

真的在聽東西的同學

雖然存在以上幾位同學說的情況，但大多數情況下， 我們是真的在聽東西。比如我，為了聽高品質的，還專門買了網易雲音樂的 VIP 。

為什麼是東西，而不是音樂呢，因為有的人不是在聽音樂。

我聽說有人在寫代碼的時候聽評書，更有厲害的，竟然聽相聲。那我想只有三種可能。

1. 根本沒在寫代碼，可能是在摸魚。
2. 評書一點都不精彩，相聲一點都不好笑，僅僅是一門語言的藝術而已。
3. 這是個大佬，已經進入忘我的境界，聽到的不是語言，而是聲音解析成比特位時產生的白噪音，一般人聽不到，只有某些段位的大佬可以。

當然畢竟大佬不常有，而普通群眾常用。大部分人聽的確實是音樂。比如我吧，我戴耳機真的是在聽音樂，為了降噪、減少干擾，提高專註力，提升效率。

什麼類型的音樂更受程序員歡迎呢

英文歌

英文歌是大多數程序員的最愛。請看網易雲音樂給我的每日歌曲推薦，除了伍佰的一首中文歌亂入，剩下的都是英文歌。

你真的認為我英語很好嗎，正好相反，之所以英文歌那麼受歡迎，就是因為聽不懂歌詞是什麼意思，這樣才不會被歌詞帶跑偏，沒錯，我們聽的就是這個節奏。

那要是中文歌就不一樣了，比如說當我聽到「你的酒館對我打了烊，子彈在我心頭上了膛」的時候，我就以為真的要打烊了，子彈真的要上膛了，從而引發一系列思考，酒館為什麼對我打烊，子彈為什麼要上膛，生意不做了嗎，刑法基本法則不懂嗎。

為了證明這一點，我到網易雲音樂上搜了「程序員」相關的歌單，點進去一看，大部分也都是英文歌，看來大家英文都不太好。

然後我又搜了「產品狗」相關的歌單，同樣也是英文歌為主，可見我們雖然不太對付，請參考歌單『產品狗如何說服程序猿』和『程序員如何回應產品狗』，但是方法論還是差不多的。

純音樂

純音樂也是很受歡迎的，我有個同事最喜歡聽貝多芬的命運交響曲，我就沒那麼文藝了。我一般都是聽那種激昂的小提琴或者聽完感覺自己馬上要登基了的那種，不容易犯困。

白噪音

小提琴太勁爆，不能常聽，犯困的下午聽聽可以提神，bug 太多又不想改的時候可以聽聽。大多數時候，不需要那麼亢奮，保持內心的平靜就是寫代碼最好的狀態。那就聽聽白噪音好了，比如雨聲、風聲、溪水聲、鳥唱蟬鳴。

我最喜歡的就是雨聲，嘩啦啦的大雨，再配上驚雷，簡直不要太平靜，innerpeace。

比如下面這個，一聽就是一個小時。

保留曲目

每個人都有自己家私藏的歌單，百聽不厭的那種，當然每個人的品位不一樣、口味兒不一樣，比如當年有個哥們兒異常興奮的把他的珍藏歌單分享給我，我當即表示很感動，一定要認真聽一聽。可當我硬着頭皮聽完第二首的時候，我內心是拒絕的，只能委婉的跟哥們兒說：這 TM 什麼玩意兒。當然是不會破壞友誼的小船的，如果是不熟的朋友，那肯定會豎起大拇指，並且連連點頭稱讚：真不錯，品位棒棒噠。

我沒有薦歌啊，向別人推薦歌曲犹如喂別人食物，你覺得好吃別人並一定覺得好吃。下面是我的 2018 年年度聽歌報告，Sophie Zelmani（蘇菲.珊曼妮）的熱門50單曲就是我的保留曲目，白聽不厭，而且更重要的不仔細聽，還是聽不出歌詞的意思，正好適合寫代碼用。

另外，作為一個程序員鼓勵師，為了鼓勵我自己，我也創建了一個「程序員鼓勵師」的歌單，經常拿出來聽聽接收鼓勵。

作為程序員的你，耳機里有什麼特殊的內容嗎？

壯士且慢，先給點個贊吧，總是被白嫖，身體吃不消！

我是風箏，公眾號「古時的風箏」。一個兼具深度與廣度的程序員鼓勵師，一個本打算寫詩卻寫起了代碼的田園碼農！你可選擇現在就關注我，或者看看歷史文章再關注也不遲。

本站聲明:網站內容來源於博客園,如有侵權,請聯繫我們,我們將及時處理

【其他文章推薦】

※網頁設計一頭霧水該從何著手呢? 台北網頁設計公司幫您輕鬆架站!

※網頁設計公司推薦不同的風格，搶佔消費者視覺第一線

※想知道購買電動車哪裡補助最多?台中電動車補助資訊懶人包彙整

※南投搬家公司費用,距離,噸數怎麼算?達人教你簡易估價知識!

※教你寫出一流的銷售文案?

※超省錢租車方案

Overview

TurboTransformers是騰訊最近開源的BERT推理模型，它的特點就是一個字，快。本人用BERT（huggingface/transformers）在V100上做了測試，測試結果和官宣的基本一致：TurboTransformers的推理速度要比Pytorch快上1~4倍。

它之所以快，是因為它是專用於BERT的輕量級推理模型。

分層

不管是計算機的硬件、軟件，還是現在的深度學習，它們都遵循着一個很重要的設計思想–分層：

• 用簡單的代碼（或電路）來實現一個基本功能組件。
• 用幾個基本組件組合成一個功能更強的複雜組件。
• 從簡單到複雜，像搭積木一樣，一層層地搭建出擁有很強功能的組件。

開發者只需要基於PyTorch的幾個基本組件就能搭建出BERT模型，而且這些組件本身對他們來說都是透明的。正因如此，PyTorch才越來越受到研究者青睞。

分層設計的優點很多，例如，可以簡化問題、降低創新門檻、加速開發等，但它的缺點也很明顯：

• 流程固定化
• 存在中間層延遲

深度神經網絡里有個經典套路：一個激活函數層後面緊跟着一個dropout層。PyTorch需要lanuch兩個GPU kernel程序來完成這兩步計算。

F.dropout(F.relu(x))

實際上，這兩項計算都是element-wise的，是可以合併成一個kernel的。但目前來說，不管是PyTorch，還是其他的通用訓練框架，它們都很少有提供這種融合計算的API。

至於中間層延遲，最經典的要屬“hello world”程序。雖然只有幾行代碼，但實際上要經過的中間層數根本數不過來。

你可以閱讀深入淺出PyTorch（算子篇）來了解下矩陣相乘這個最基本的計算在PyTorch里要經過多少个中間層。

分層展開

要想將程序的低延遲最大化，就需要把分層的代碼完全展開，並重構代碼。典型例子就是嵌入式系統，為了實現某種需求，它可以打破應用程序、程序庫、操作系統甚至是硬件設備的界限，打造一個軟硬件一體化產品。

這種分層展開的設計模式當然也有它的局限性：專用。由於高度定製化，它通常只能用於完成某個特定功能。低延遲和專用化是呈絕對的正相關的。

TurboTransformers就是採用這種設計：只實現BERT模型前向傳播所需要的算子，並融合那些可以合併的算子。

turbo.Tensor

首先，它用CUDA開發了一個輕量級的tensor計算庫，所謂的輕量級，指的是不用考慮反向傳播、稀疏矩陣等操作，只實現BERT前向傳播所必需的operator。

雖然tensor庫是用C++寫的，但考慮到python在AI開發中的地位，它用pybind11將C++ API暴露給前端的python Tensor類。

# turbo_transformers/python/pybind.cpp
 72   py::class_<core::Tensor>(m, "Tensor")                      
 73       .def_static("from_dlpack",
 74                   [](py::capsule capsule) -> std::unique_ptr<core::Tensor> {
 75                     auto tensor = (DLManagedTensor *)(capsule);
 76                     PyCapsule_SetName(capsule.ptr(), "used_tensor");
 77                     return absl::make_unique<core::Tensor>(tensor);
 78                   })
 79       .def("to_dlpack",
 80            [](core::Tensor &tensor) -> py::capsule {
 81              auto *dlpack = tensor.ToDLPack();                    
 82              return py::capsule(dlpack, "dltensor", DLPack_Capsule_Destructor);
 83            })
 84       .def("n_dim", &core::Tensor::n_dim)
 85       .def("shape", &core::Tensor::shape)

從預訓練模型（PyTorch）那遷移參數時，turbo.Tensor不能直接對接torch.Tensor，需要先將PyTorch的參數轉成dlpack格式, 再通過from_dlpack()將這些數據導入生成TurboTransformers tensor。除了dlpack之外，還支持*.npz文件格式。

turbo.xxxlayer

TurboTransformers用CUDA重構了Embedding、self-attention、intermediate、output、LayerNorm和pooler等layer。turbo.layer不僅代碼結構簡潔，overhead少，還合併了一部分算子。

這裏以intermediate layer為例，來分析這些算子的特點。

intermediate layer的實現比較簡單：一個Linear layer後面緊跟着一個gelu activation layer。

PyTorch的intermediate layer的會lanuch 3個kernel來完成這部分計算：

• #1: y = input.matmul(weight)
• #2: y = y + bias
• #3: y = gelu(y)

由於#2和#3都是element-wise kernel，turbo把它們進行了融合–AddBiasAct()，相同的計算操作，只需要lanuch 2個kernel，計算速度當然更快。

和PyTorch一樣，turbo的MatMul算子也是調用cuBLAS來進行矩陣運算，而且turbo還啟用了Tensor Core來加速計算（CUBLAS_TENSOR_OP_MATH）。

總結

到此，本文基本上講清了TurboTransformers的速度優勢來源，由於篇幅所限，不能分析所有的算子。BERT的核心模塊是self-attention，如果想了解更多，可以閱讀深入淺出Transformer。

更多精彩文章，歡迎掃碼關注下方的公眾號 ~~ 歡迎關注和點贊，你的鼓勵將是我創作的動力

歡迎轉發至朋友圈，公眾號轉載請後台留言申請授權～

本站聲明:網站內容來源於博客園,如有侵權,請聯繫我們,我們將及時處理

【其他文章推薦】

※網頁設計一頭霧水該從何著手呢? 台北網頁設計公司幫您輕鬆架站!

※網頁設計公司推薦不同的風格，搶佔消費者視覺第一線

※Google地圖已可更新顯示潭子電動車充電站設置地點!!

※廣告預算用在刀口上，台北網頁設計公司幫您達到更多曝光效益

※別再煩惱如何寫文案,掌握八大原則!

Windbg是.NET高級調試領域中不可或缺的一個工具和利器，也是日常我們分析解決問題的必備。準備近期寫2篇精華文章，集中給大家分享一下如果通過Windbg進行.NET高級調試。

今天我們來一篇入門的文章。首先，Windbg是什麼？

Windows Debugger，簡稱WinDbg，.NET 最強分析調試利器。它可以用來：

• 調試內核模式和用戶模式代碼
• 分析Crash dump
• 分析代碼執行時 CPU 寄存器信息

我們可以通過WinDbg調試以下具體問題：

• 線程阻塞
• 內存泄露
• 分析查詢運行時線程堆棧和變量
• 分析進程Crash原因
• 分析消耗CPU原因
• 查看並調試CLR異常
• …

那麼，首先我們先進行Windbg下載安裝、配置。

一、下載安裝WinDbg，配置調試環境

1. 推薦下載鏈接

https://raw.githubusercontent.com/EasyDarwin/Tools/master/Windbg_x86_x64/dbg_amd64.msi

或者從Windows Store下載 WingDbg Preview版本

下載后一步一步安裝即可

 2. 配置調試符號

大家會問一個問題：為什麼要配置調試符號？

若要使用 WinDbg 提供的所有高級功能，必須加載適當的符號：比如說我們可以調試、查看.NET CLR程序堆棧，此時要加載對應的調試符號。

 微軟提供了統一的調試服務服務器地址：

http://msdl.microsoft.com/download/symbols，將這個地址提供的調試符號，下載緩存到本地，Windbg調試的時候可以用上。

srv*c:\symcache*http://msdl.microsoft.com/download/symbols;c:\symcache

　　

3. 下載並使用WinDbg調試器擴展

 Windbg調試器擴展是Windbg調試的精華和核心，可以這麼說，掌握各類Windbg調試器擴展，你就掌握了各類調試技能。

 默認情況下，WinDbg的調試指令是有限的，通過一些WinDbg調試器擴展，可以方便我們進行.NET 程序調試

 SOS調試擴展 : 隨着.NET Framework安裝，可以直接加載:  .load sos clr

 SOS這個dll在哪裡呢（分32位和64位）？

 4.0, 32-bit –> C:\Windows\Microsoft.NET\Framework\v4.0.30319
 4.0, 64-bit –> C:\Windows\Microsoft.NET\Framework64\v4.0.30319

  MEX調試擴展：This extension is widely used by Microsoft Support Engineers in troubleshooting process applications

 下載地址：https://www.microsoft.com/en-us/download/details.aspx?id=53304

 下載完成后，將32/64位的Mex.dll 拷貝到windbg安裝目錄中

 例如：C:\Program Files\Debugging Tools for Windows (x64)\Mex.dll

 詳細使用說明：https://github.com/REhints/WinDbg/tree/master/MEX

 下載、安裝、配置完成Windbg之後，接下來我們了解一下一些基本的調試命令。

二、基本的WinDbg調試指令

1. WinDbg自帶的調試指令

 

   

    更多指令，可以查看一下鏈接：

    https://docs.microsoft.com/zh-cn/windows-hardware/drivers/debugger/getting-started-with-windbg

 2. SOS調試擴展常用的調試指令

   

    

    

 

  

  

  

  

 

  

   3. Mex調試擴展常用的調試指令

   

     

    

    

    

    

     更多Mex調試指令，可以查看鏈接：https://github.com/REhints/WinDbg/tree/master/MEX

 

  以上是整個Windbg調試入門篇的介紹，希望大家能夠掌握，下一篇我們將通過一些具體的案例，示意各個指令的使用場景。

 

周國慶

2020/6/27

 

本站聲明:網站內容來源於博客園,如有侵權,請聯繫我們,我們將及時處理

【其他文章推薦】

※網頁設計公司推薦不同的風格，搶佔消費者視覺第一線

※廣告預算用在刀口上，台北網頁設計公司幫您達到更多曝光效益

※自行創業缺乏曝光? 網頁設計幫您第一時間規劃公司的形象門面

※南投搬家公司費用需注意的眉眉角角，別等搬了再說!

※新北清潔公司,居家、辦公、裝潢細清專業服務

是不是現在每個團隊都需要上K8s才夠潮流，不用K8s是不是就落伍了。今天，我就通過這篇文章來回答一下。

一、先給出我的看法和建議

我想說的是，對於很多的微小團隊來說，可能都不是一定要上K8s，畢竟上K8s也是需要成本和人力的。對像我司一樣的傳統企業做数字化轉型的信息團隊來講，人數不多，沒有專門的Ops人員，領導又想要儘快迭代支持公司業務發展，而且關鍵還要節省成本（內心想法是：WTF）。

在此之下，信息團隊需要綜合引入先進技術帶來的價值以及需要承擔的成本和風險。任何架構的產生，都會解決一定的問題，但是同樣也會引入新的複雜度，正如微服務架構風格，看着香實際吃着才知道需要承受很多的“苦”（比如數據一致性又比如服務的治理等等）。

因此，結合考慮下來，我的建議是開發測試環境使用Docker Compose進行容器編排即可，而UAT或生產環境則建議使用雲廠商的K8s服務（比如阿里雲ACK服務）而不選擇自建K8s集群。

那麼，今天就跟大家介紹一下如何使用Docker Compose這個輕量級的編排工具實現.NET Core微服務的持續發布。

二、Docker Compose

Docker主要用來運行單容器應用，而Docker Compose則是一個用來定義和應用多容器應用的工具，如下圖所示：

使用Docker Compose，我們可以將多容器的定義和部署方式定義在一個yml文件中，這種方式特別是微服務這種架構風格，可以將多個微服務的定義及部署都規範在一個yml文件中，然後一鍵部署、啟動或銷毀整個微服務應用。所有的一切操作，只需要下面的一句話：

$docker-compose up

Compose 的安裝請參考：https://docs.docker.com/compose/install/#install-compose，這裏就不再贅述，它不是本文重點。

安裝后驗證：

$docker-compose --version
docker-compose version 1.25.1, build a82fef07

三、一個簡單的發布流程示例

本文演示示例的流程大概會如下圖所示：

閱讀過我之前的一篇文章《基於Jenkins Pipeline的ASP.NET Core持續集成實踐》的童鞋應該對這個流程比較熟悉了。這裏，我仍然延續這個流程，作為一個平滑過渡。首先，我們在Jenkins上觸發容器的發布流水線任務，此任務會從Git服務器上拉取指定分支（一般都是測試分支）的最新代碼。

其次，在CI服務器上使用.NET Core SDK執行Build編譯和發布Release文件，基於發布后的Release文件進行鏡像的打包（確保你的項目裏面都有Dockerfile且設置為“始終複製”）。然後，基於打包后的鏡像，將其推送到企業的私有Registry服務器上（即本地鏡像倉庫，可以基於Harbor搭建一個，也可以直接用Docker Registry搭建一個，不建議使用docker hub的公有庫，如何搭建私有鏡像倉庫可以參考我的這一篇文章：《Docker常用流行鏡像倉庫的搭建》）。

最後，在測試服務器或要運行容器的服務器上執行docker compose up完成容器的版本更新。當然，也可以直接在docker-compose.yml文件內設置編譯路徑完成編譯和發布的操作（Dockerfile裏面定義進行Build和Publish）。這裏目的在於讓實例更簡單，且能讓初學者更容易理解，於是我就分開了。

四、.NET Core微服務發布示例

微服務示例準備

假設我們有一堆使用ASP.NET Core開發的微服務，這些微服務主要是為了實現諸如API網關、Identity鑒權、Notification通知、Job中心等基礎設施服務，因此我們將他們整合在一起進行持續集成和部署。

這裏為了讓示例盡可能簡單，每個微服務的Dockerfile只有以下幾句（這裏以一個通知API服務為例）：

FROM reg.xdp.xi-life.cn/xdp-service-runtime:2.2
WORKDIR /app
COPY . /app
EXPOSE 80
ENTRYPOINT ["dotnet", "XDP.Core.Notification.API.dll"]

其中這裏的容器鏡像來自於私有鏡像倉庫，是一個封裝過的用於ASP.NET Core Runtime的容器鏡像。當然，上面說過，也可以在Dockerfile裏面進行服務的編譯和發布。

流水線任務腳本

同樣，為了在Jenkins上快速進行微服務的鏡像構建和推送以及部署，我們也需要編寫一個流水線構建任務。

下面是這個示例流水線任務的腳本：

pipeline{
    agent any
    environment {
        API_CODE_BRANCH="*/master"
        SSH_SERVER_NAME_REGISTRY="XDP-REGISTRY-Server"
        SSH_SERVER_NAME_DEV="XDP-DEV-Server"
        SSH_SERVER_NAME_AT="XDP-AT-Server"
        SSH_SERVER_NAME_SIT="XDP-SIT-Server"
    }
    stages {
        stage('XDP Core APIs Checkout & Build') {
            steps{
             checkout([$class: 'GitSCM', branches: [[name: env.API_CODE_BRANCH]], doGenerateSubmoduleConfigurations: false, extensions: [], submoduleCfg: [], userRemoteConfigs: [[credentialsId: '35b9890b-2338-45e2-8a1a-78e9bbe1d3e2', url: 'http://192.168.18.150:3000/XDP.Core/XDP.Core.git']]])
             echo 'Core APIs Dev Branch Checkout Done' 
             bat  '''
               dotnet build XDP.Core-InfraServices.sln
               dotnet publish "%WORKSPACE%\\src\\services\\XDP.Core\\Components\\XDP.Core.ApiGateway\\XDP.Core.ApiGateway.csproj" -o "%WORKSPACE%\\XDP.Core.ApiGateway.API\\publish" --framework netcoreapp2.2
               dotnet publish "%WORKSPACE%\\src\\services\\XDP.Core\\Components\\XDP.Core.ApiGateway.Internal\\XDP.Core.ApiGateway.Internal.csproj" -o "%WORKSPACE%\\XDP.Core.ApiGateway.Internal.API\\publish" --framework netcoreapp2.2
               dotnet publish "%WORKSPACE%\\src\\services\\XDP.Core\\Services\\XDP.Core.Authorization.API\\XDP.Core.Authorization.API.csproj" -o "%WORKSPACE%\\XDP.Core.Authorization.API\\publish" --framework netcoreapp2.2
               dotnet publish "%WORKSPACE%\\src\\services\\XDP.Core\\Services\\XDP.Core.Authorization.Job\\XDP.Core.Authorization.Job.csproj" -o "%WORKSPACE%\\XDP.Core.Authorization.Job\\publish" --framework netcoreapp2.2
               dotnet publish "%WORKSPACE%\\src\\services\\XDP.Core\\Services\\XDP.Core.Identity.API\\XDP.Core.Identity.API.csproj" -o "%WORKSPACE%\\XDP.Core.Identity.API\\publish" --framework netcoreapp2.2
               dotnet publish "%WORKSPACE%\\src\\services\\XDP.Core\\Services\\XDP.Core.Notification.API\\XDP.Core.Notification.API.csproj" -o "%WORKSPACE%\\XDP.Core.Notification.API\\publish" --framework netcoreapp2.2
               dotnet publish "%WORKSPACE%\\src\\services\\XDP.Core\\Services\\XDP.Core.JobCenter\\XDP.Core.JobCenter.csproj" -o "%WORKSPACE%\\XDP.Core.JobCenter.API\\publish" --framework netcoreapp2.2
               '''
             echo 'Core APIs Build & Publish Done'
            }
        }
        stage('XDP API Gateway Docker Image') {
            steps{
                bat '''
                    docker rmi reg.xdp.xi-life.cn/core-apigateway-portal:latest;
                    cd XDP.Core.ApiGateway.API/publish;
                    docker build -t reg.xdp.xi-life.cn/core-apigateway-portal:latest .;
                    docker push reg.xdp.xi-life.cn/core-apigateway-portal:latest;
                '''
                echo 'XDP Portal API Gateway Deploy Done'    

                bat '''
                    docker rmi reg.xdp.xi-life.cn/core-apigateway-internal:latest;
                    cd XDP.Core.ApiGateway.Internal.API/publish;
                    docker build -t reg.xdp.xi-life.cn/core-apigateway-internal:latest .;
                    docker push reg.xdp.xi-life.cn/core-apigateway-internal:latest;
                '''
                echo 'XDP Internal API Gateway Deploy Done'
            }
        }
        stage('Core Identity API Docker Image') {
            steps{
                ......
            }
        }
        stage('Core Authorization Job Docker Image') {
            steps{
                ......
            }
        }
        stage('Core Notification API Docker Image') {
            steps{
                ......  
            }
        }
        stage('Core JobCenter API Docker Image') {
            steps{
                ......     
            }
        }
        stage('Deploy to Local SIT Server') {
            steps{
                sshPublisher(publishers: [sshPublisherDesc(configName: env.SSH_SERVER_NAME_SIT, 
                    transfers: [sshTransfer(cleanRemote: false, excludes: '', 
                    execCommand: '''
                     cd compose/xdp;
                     IMAGE_TAG=latest docker-compose down;
                     docker rmi $(docker images -q)
                     IMAGE_TAG=latest docker-compose up -d;
                    ''', 
                    execTimeout: 120000, flatten: false, makeEmptyDirs: false, 
                    noDefaultExcludes: false, patternSeparator: '[, ]+', 
                    remoteDirectory: 'compose/xdp/', remoteDirectorySDF: false, 
                    removePrefix: '', 
                    sourceFiles: '', 
                    excludeFiles: '')], 
                    usePromotionTimestamp: false, useWorkspaceInPromotion: false, verbose: false)])
                echo 'Deploy to XDP SIT Server Done'     
            }
        }
    }
}

這個腳本我省去了一些重複的內容，只需要了解它的職責即可。

需要注意的地方有幾點：

（1）在進行dotnet build的時候，要明確SDK使用哪個版本，比如因為這裏的示例代碼是基於.NET Core 2.2開發的因此這裏使用的是2.2。如果你使用的是2.1，則標註2.1，如果是3.1，則標註3.1。

（2）在進行docker build的時候，要明確鏡像使用哪個Tag，這裏因為是本地開發測試環境，所以直接簡單暴力的直接使用了latest這個Tag。

（3）在進行sshPublish的時候，要提前將docker-compose.yml配置拷貝到對應的指定目錄下。當然，這一塊建議也將其納入git倉庫進行統一管理和統一發布到不同的環境的指定目錄下。

（4）如果你的Jenkins是裝在Windows Server上，要記住只有Windows Server 2016及以上版本才支持Docker，否則無法直接進行docker的命令行操作。如果低於2016，Windows 10專業版也可以，不過不建議。

擴展點：

是否可以一套docker-compose方案標準化部署到多個測試環境？是可以的，我們可以在Jenkins構建任務中配置Parameters，這樣就可以一次性部署到多個環境。例如，下面的示例中我設置了一個每次發布可以選擇到底要發布到哪個環境，這裡是單選，你也可以設置為多選。

效果如下：

docker-compose.yml

終於來到了compose的重點內容：docker-compose.yml

這裏我給出上面這個示例的yml示例內容（同樣，也省略了重複性的內容）：

version: '2'

services:
  core_apigateway_portal:
    image: reg.xdp.xi-life.cn/core-apigateway-portal:${IMAGE_TAG}
    container_name: xdp_core_apigateway_portal
    restart: always
    privileged: true
    mem_limit: 1024m
    memswap_limit: 1024m
    env_file:
      - ../docker-variables.env
    ports:
      - 5000:80
    volumes:
      - /etc/localtime:/etc/localtime

  core_apigateway_internal:
    image: reg.xdp.xi-life.cn/core-apigateway-internal:${IMAGE_TAG}
    container_name: xdp_core_apigateway_internal
    restart: always
    privileged: true
    mem_limit: 1024m
    memswap_limit: 1024m
    env_file:
      - ../docker-variables.env
    ports:
      - 5100:80
    volumes:
      - /etc/localtime:/etc/localtime

  core_identity_api:
    image: reg.xdp.xi-life.cn/core-identity-api:${IMAGE_TAG}
    container_name: xdp_core_identity_api
    restart: always
    privileged: true
    mem_limit: 512m
    memswap_limit: 512m
    env_file:
      - ../docker-variables.env
    ports:
      - 6010:80
    volumes:
      - /etc/localtime:/etc/localtime

  core_authorization_api:
    ......

  core_authorization_job:
    ......

  core_notification_api:
    ......

  core_jobcenter_api:
    ......

  bff_xams_api:
    ......

備註：這裏使用的是version:2的語法，因為3開始不支持內存限制mem_limit等屬性設置。當然，你可以使用3的語法，去掉mem_limit和memswap_limit屬性即可。

這裏的env環境變量配置是定義在另外一個單獨的env文件裏面的，建議每個環境建立一個單獨的env文件供docker-compose.yml文件使用，比如下面是一個AT（自動化測試）環境的env文件內容示例：

# define xdp containers env
ASPNETCORE_ENVIRONMENT=at
ALIYUN_ACCESS_KEY=sxxdfdskjfkdsjkds
ALIYUN_ACCESS_SECRET=xdfsfjiwerowuoi
JWT_TOKEN=sdfsjkfjsdkfjlerwewe
IDENTITY_DB_CONNSTR=Server=192.168.16.150;Port=3306;Database=identity_at;Uid=xdpat;Pwd=xdpdba;Charset=utf8mb4
APIGATEWAY_DB_CONNSTR=Server=192.168.16.150;Port=3306;Database=services_at;Uid=xdpat;Pwd=xdpdba;Charset=utf8mb4
......
API_VERSION=AT-v1.0.0

這裏，最主要的環境變量就是ASPNETCORE_ENVIRONMENT，你需要指定這些要編排的微服務容器使用哪個環境的appSettings。同樣，這裏也引申出另一個問題，那就是配置的集中管理，可能你會說出類似Apollo，Spring Cloud Config，K8s Configmap之類的解決方案。這裏不是本文的重點，也就跳過。

快速實操體驗

現在我們來通過在Jenkins中觸發構建任務，可以看到如下圖所示的流水線任務狀態示意：

這樣，一個簡單的快速發布流水線就完成了，在單機多容器編排部署方面，Docker Compose是個不錯的選擇。

五、一些擴展

Consul服務發現容器編排

相比很多童鞋也都在使用Consul作為服務發現組件，我們也可以將Consul納入到Compose中來統一編排。例如，我們可以這樣來將其配置到docker-compose.yml中：

services:
  consul_agent_server:
    image: reg.xdp.xi-life.cn/xdp-consul-runtime:${IMAGE_TAG}
    container_name: xdp_consul_agent_server
    restart: always
    privileged: true
    mem_limit: 1024m
    memswap_limit: 1024m
    env_file:
      - ../docker-variables.env
    ports:
      - 8500:8500
    command: 
      agent -server -bootstrap-expect=1 -ui -node=xdp_local_server -client='0.0.0.0' -data-dir /consul/data -config-dir /consul/config -datacenter=xdp_local_dc
    volumes:
      - /etc/localtime:/etc/localtime
      - /docker/consul/data:/consul/data
      - /docker/consul/conf:/consul/config

這裏只使用到了一個Consul Server Agent，你可以配置一個3個Server節點的Consul Server集群，請自行查閱相關資料。此外，基於Compose我們也可以為API網關設置links從而實現服務發現的效果，當然前提是你的服務數量不多的前提下。這種方式是通過網絡層面幫你做了一層解析，從而實現多個容器之間的互連。這裏也推薦一下俺們成都地區的小馬甲老哥的一篇《docker-compose真香》的文章，他講解了docker的網橋模式。

基於Compose的編譯發布一體化

我們可以看到在很多開源項目中都是將編譯發布一體化的，因此我們可以看到在這些項目的Dockerfile中是這樣寫的：

FROM mcr.microsoft.com/dotnet/core/sdk:3.1 AS build
WORKDIR /app

COPY ./*.sln ./NuGet.Config ./
COPY ./build/*.props ./build/

# Copy the main source project files
COPY src/*/*.csproj ./
RUN for file in $(ls *.csproj); do mkdir -p src/${file%.*}/ && mv $file src/${file%.*}/; done

RUN dotnet restore

# Copy everything else and build app
COPY . .
RUN dotnet build -c Release

# api-publish

FROM build AS api-publish
WORKDIR /app/src/Exceptionless.Web

RUN dotnet publish -c Release -o out

# api

FROM mcr.microsoft.com/dotnet/core/aspnet:3.1 AS api
WORKDIR /app
COPY --from=api-publish /app/src/Exceptionless.Web/out ./
ENTRYPOINT [ "dotnet", "Exceptionless.Web.dll" ]

......

在Dockerfile中我們看到的是拉取.NET Core SDK來進行Restore、Build和Publish，進一步地提高了標準化的遷移性，也盡可能發揮Docker的集裝箱作用。
這時你可以在docker-compose.yml中定義Dockerfile告訴compose先幫我進行Build鏡像（這裏的build配置下就需要指定Dockerfile的位置）：

services:
  api:
    build:
      context: .
    image: exceptionless/api:latest
    restart: always
    ......

六、小結

Docker是容器技術的核心、基礎，Docker Compose是一個基於Docker的單主機容器編排工具，功能並不像Docker Swarm和Kubernetes是基於Docker的跨主機的容器管理平台那麼豐富。

我想你看到這裏也應該有了自己的答案，結合我在最開頭給的建議，如果你處在一個小團隊中，綜合人員水平、技能儲備、運維成本 及 真實業務量要求，可以在開發測試環境（一般都是單主機環境的話）中使用Docker Compose進行初步編排。而在生產環境，即使是小團隊也建議上雲主機，利用雲的彈性為未來的業務發展做基礎，然後可以考慮使用雲上的K8s服務來進行生產級的容器編排。

 

 

作者：周旭龍

出處：https://edisonchou.cnblogs.com

本文版權歸作者和博客園共有，歡迎轉載，但未經作者同意必須保留此段聲明，且在文章頁面明顯位置給出原文鏈接。

本站聲明:網站內容來源於博客園,如有侵權,請聯繫我們,我們將及時處理

【其他文章推薦】

※廣告預算用在刀口上，台北網頁設計公司幫您達到更多曝光效益

※新北清潔公司,居家、辦公、裝潢細清專業服務

※別再煩惱如何寫文案,掌握八大原則!

※教你寫出一流的銷售文案?

※超省錢租車方案

GCC（GNU Compiler Collection，GNU編譯器套件），是由 GNU 開發的編程語言編譯器。它是以GPL許可證所發行的自由軟件，也是 GNU計劃的關鍵部分。GCC原本作為GNU操作系統的官方編譯器，現已被大多數類Unix操作系統（如Linux、BSD、Mac OS X等）採納為標準的編譯器，GCC同樣適用於微軟的Windows。

 

一、源代碼

 

 

二、編譯過程

 

（1）預處理:

 

 預處理就是將要包含(include)的文件插入原文件中、將宏定義展開、根據條件編譯命令選擇要使用的代碼，最後將這些代碼輸出到一個“.i”文件中等待進一步處理。

結果：見文件0617_Demo.i

 

 （2）編譯

 

 

 編譯就是把C/C++代碼(比如上面的“.i”文件)“翻譯”成彙編代碼。

結果：見文件0617_Demo.s

 

 （3）彙編

 

 

 紅色箭頭處的relocatable表示可重定位，也即是可以和庫等依賴文件鏈接。

彙編就是將第二步輸出的彙編代碼翻譯成符合一定格式的機器代碼，在Linux系統上一般表現位ELF目標文件(OBJ文件)。

結果：見文件0617_Demo.o

 

 這個就是沒有連接的目標代碼，也是01序列，需要使用二進制查看器如Hex Editor Neo等查看。

 

（4）鏈接

 

 鏈接就是將彙編生成的OBJ文件、系統庫的OBJ文件、庫文件鏈接起來，最終生成可以在特定平台運行的可執行程序。如圖中紅色箭頭所示。

結果：見文件0617_Demo

 

 總結：在編譯過程中。除非使用了“-c”，“-S”,或“-E”選項(或者編譯錯誤阻止了完整的過程)，否則統一完整鏈接步驟。

 

三、鏈接原理

gcc -c -o 0617_Demo.o 0617_Demo.c 不作最後一步鏈接，得到0617_Demo.o二進制OBJ文件

gcc -v -o 0617_Demo 0617_Demo.o 先看一下鏈接過程是怎樣的：

 

  

l  crt1.o、crti.o、crtbegin.o、crtend.o、crtn.o是gcc加入的系統標準啟動文件，對於一般應用程序，這些啟動是必需的。

l  -lc：鏈接libc庫文件，其中libc庫文件中就實現了printf等函數。

 

 

 

 

 

GCC編譯和鏈接過程

 

GCC（GNU Compiler Collection，GNU編譯器套件），是由 GNU 開發的編程語言編譯器。它是以GPL許可證所發行的自由軟件，也是 GNU計劃的關鍵部分。GCC原本作為GNU操作系統的官方編譯器，現已被大多數類Unix操作系統（如Linux、BSD、Mac OS X等）採納為標準的編譯器，GCC同樣適用於微軟的Windows。

 

一、源代碼

 

二、編譯過程

（1）預處理:

預處理就是將要包含(include)的文件插入原文件中、將宏定義展開、根據條件編譯命令選擇要使用的代碼，最後將這些代碼輸出到一個“.i”文件中等待進一步處理。

結果：見文件0617_Demo.i

 

（2）編譯

編譯就是把C/C++代碼(比如上面的“.i”文件)“翻譯”成彙編代碼。

結果：見文件0617_Demo.s

 

（3）彙編

紅色箭頭處的relocatable表示可重定位，也即是可以和庫等依賴文件鏈接。

彙編就是將第二步輸出的彙編代碼翻譯成符合一定格式的機器代碼，在Linux系統上一般表現位ELF目標文件(OBJ文件)。

結果：見文件0617_Demo.o

這個就是沒有連接的目標代碼，也是01序列，需要使用二進制查看器如Hex Editor Neo等查看。

 

（4）鏈接

鏈接就是將彙編生成的OBJ文件、系統庫的OBJ文件、庫文件鏈接起來，最終生成可以在特定平台運行的可執行程序。如圖中紅色箭頭所示。

結果：見文件0617_Demo

 

總結：在編譯過程中。除非使用了“-c”，“-S”,或“-E”選項(或者編譯錯誤阻止了完整的過程)，否則統一完整鏈接步驟。

 

三、鏈接原理

gcc -c -o 0617_Demo.o 0617_Demo.c 不作最後一步鏈接，得到0617_Demo.o二進制OBJ文件

gcc -v -o 0617_Demo 0617_Demo.o 先看一下鏈接過程是怎樣的：

 

l  crt1.o、crti.o、crtbegin.o、crtend.o、crtn.o是gcc加入的系統標準啟動文件，對於一般應用程序，這些啟動是必需的。

l  -lc：鏈接libc庫文件，其中libc庫文件中就實現了printf等函數。

 

本站聲明:網站內容來源於博客園,如有侵權,請聯繫我們,我們將及時處理

【其他文章推薦】

※自行創業缺乏曝光? 網頁設計幫您第一時間規劃公司的形象門面

※網頁設計一頭霧水該從何著手呢? 台北網頁設計公司幫您輕鬆架站!

※想知道最厲害的網頁設計公司"嚨底家"!

※幫你省時又省力,新北清潔一流服務好口碑

※別再煩惱如何寫文案,掌握八大原則!