网站鼠标悬停动态效果代码/怎么做游戏推广员

Docker容器仓库的主要职能是存储和分布Docker镜像。这是个看似容易的任务，但是当计算集群达到Uber的规模后，容器仓库很容易成为系统的瓶颈。尤其在混合云多活架构下，镜像分布变得更加复杂。
为了解决私有容器仓库的性能问题，Uber开发了P2P的镜像仓库——Kraken（海怪）。
容器技术一直以来是Uber架构的基础（Uber为此还开发了自己的镜像生成工具Makisu——卷帘），但是随着计算集群的增长，简单在私有容器仓库的基础上做数据分片和增加cache无法提供Uber所需的流量。
Kraken在2016年应运而生。这个项目着重于可扩展性和可用性，并且适用于再混合云架构中的镜像管理，复制和分布。Kraken还支持后台扩展，可以以其他容器仓库为后台，单纯的作为发布层来部署。

架构

Uber的工程师经过了几轮设计，最终选定P2P的架构。Kraken使用的P2P协议基于BitTorrent，但是加以了改进，使其更适合在数据中心内部署的企业级应用。
Kraken本身不负责数据的存储，而是支持多种存储后台，比如AWS S3，HDFS，甚至是其他的应用仓库。存储后台的界面设计非常通用，开发者可以轻松的加入新的实现。
Kraken的各个部分都可以自我修复，任意单一机器的问题都不会对系统整体造成影响。假如有多个异地集群，Kraken还支持基于镜像名的异地无损复制。

性能

Kraken在2018年初被部署入生产环境。自那以后，曾经的镜像仓库性能问题不复存在。
最忙碌的一个Kraken集群每天分布超过一百万个镜像层，其中有十万个以上大小超过1GB。在高峰时期，Kraken可以在30秒内分布2万个大小在100MB和1GB之间的镜像层。
Kraken的可扩展性使其可以轻松支持超过8000台机器的计算集群，而且可以以最大下载速度50%以上的速度向集群中每台机器分布镜像。事实上在Uber收集到的数据中，集群和镜像的大小对下载速度没有明显的影响。

对比

对于第一次听说Kraken的开发者而言，难免会问到Kraken和阿里巴巴Dragonfly（蜻蜓）项目的区别。Dragonfly的架构中，由超级节点决定每一块4MB数据块的流向。虽然超级节点理论上可以做出最优的选择，但是整个集群的流量会被一台或几台机器的处理能力所限制。随着集群或镜像大小的增加，性能会呈线性下降。
Kraken的架构中，中心部件Tracker只负责搭建起一个随机正则图的网络拓扑结构，但是具体的数据传输的协商是由每台机器上的peer进程负责，所以Kraken的性能不会太受集群和镜像大小的影响。此外，Kraken是一个高可用性的系统，并且支持异地无损复制，适合使用于混合云环境。

开源

自从内部使用以来，Kraken已被用来管理Uber的所有镜像。
Uber希望可以通过开源这个项目，来引发更多Docker相关领域的讨论。
假如您对Kraken的实现细节有兴趣，请访问Kraken的GitHub页面：https://github.com/uber/kraken。
原文链接：https://eng.uber.com/introducing-kraken/

Service Mesh入门与进阶实战培训

Service Mesh实战培训将于2019年3月22日在北京开课，3天时间带你系统掌握Service Mesh，学习效果不好可以继续学习。本次培训包括：Istio介绍、核心功能、使用场景、安装与配置、升降级，Envoy介绍、架构、内部实现，Istio控制面板，Mixer核心功能与规则、监控、工作原理，Pilot介绍与配置，Istio安全，主要资源配置，策略配置，遥测，落地实践，传统微服务架构改造，Istio运维等，点击下面图片查看具体详情。