DigitalOceanAPI快速创建Swarm集群

下面将继续使用vfarcic/cloud-provisioning代码库（https：//github．com/ vfarcic/cloud-provisioning）。它包含可以帮助我们的配置和脚本，你已经克隆了它。为了安全起见，我们将拉取最新的版本：

让我们创建第一个droplet：

在环境变量DIGITALOCEAN_REGION所定义的区域中，指定Docker Machine应该使用digitalocean驱动程序来创建一个实例。droplet的大小是1 GB，并且启用了private networking。

Docker Machine启用了一个DigitalOcean droplet，为它配置了Ubuntu，并安装和配置了Docker Engine。

毫无疑问，你已经注意到，每个人都试图为同一件事想出一个不同的名字。DigitalOcean也不例外。他们想出了“droplet”这个词。这是一个虚拟私有服务器的不同名称。同样的事情，不同的名称。

现在可以初始化集群了。节点之间的所有通信应该使用私有IP地址。不幸的是，docker-machine ip命令只返回公开的IP地址，因此，我们必须采用不同的方法来获得私有IP地址。

现在可以给droplets API发送一个GET请求：

部分输出如下：

droplets API会返回我们拥有的droplets（目前只有一个）的所有信息，我们只对新创建的名为swarm-1的实例的私有IP感兴趣。可以通过过滤结果得到私有IP，只包括名为swarm-1的droplet，并选择类型为私有的v4元素。

下面将使用jq（https：//stedolan.github.io/jq/）过滤输出，并得到我们想要的东西。如果还没有jq，请下载并安装适合你的操作系统的jq发行版。发送请求、过滤结果并将私有IP存储为环境变量的命令如下：

我们向droplets API发送了一个GET请求，使用jq select语句来丢弃名为swarm-1以外的所有条目。后面跟着另一条select语句，该语句只返回私有地址。输出保存在环境变量MANAGER_IP中。

为了安全起见，可以输出新创建的变量的值：

输出如下：

现在以与前面几章相同的方式执行swarm init命令：

让我们确认集群确实已经初始化了：

输出如下（为简洁起见，移除了ID）：

现在已经初始化了集群，可以添加更多的节点了。首先，创建两个新实例，并将它们作为manager加入集群中：

没有必要解释刚刚执行的命令，因为它们是以前使用过的命令的组合。

下面还将加入几个worker节点：(www.xing528.com)

让我们确认所有五个节点确实构成了集群：

输出如下（为简洁起见，移除了ID）：

就是这样。集群已经就绪。剩下的就是部署几个服务并确认集群是否工作正常。

因为已经多次创建了服务，所以我们将使用vfarcic/docker-flow-proxy/ docker-compose-stack.yml（https：//github．com/vfarcic/docker-flow-proxy/blob/master/ docker-compose-stack.yml）和vfarcic/go-demo/docker-compose-stack.yml（https：//github．com/vfarcic/go-demo/blob/master/docker-compose-stack.yml）Compose stack来加速该过程。下面将创建proxy、swarm-listener、go-demo-db和go-demo服务：

非Windows用户不需要登录swarm-1机器，并且可以从其笔记本电脑上直接部署栈来实现相同的结果。

下载所有镜像需要一些时间。稍后，service ls命令的输出应该如下（为简洁起见，移除了ID）：

让我们确认go-demo服务是可访问的：

输出如下：

使用Docker Machine和DigitalOcean API建立整个Swarm集群。这是我们所需的吗？这取决于我们为集群定义的需求。我们应该增加一些浮动IP地址。

DigitalOcean浮动IP地址是一个可公开访问的静态IP地址，可以分配给你的droplets。浮动IP地址也可以通过DigitalOcean的控制面板或API立即重新映射到同一数据中心的其他droplets。通过给入口点或网关以及你的服务器添加冗余，这种立即重新映射的能力能够让你创建没有单点失效的高可用性（HA）服务器基础设施。

换句话说，应该至少设置两个浮动IP地址，并将它们映射到集群中的两个droplets上。这两个（或更多）IP地址将被设置为DNS记录。这样，当一个实例发生故障时，可以使用一个新的实例替换它，可以在不影响用户的情况下重新映射弹性IP地址。

还可以做很多其他的改进。但是，这会让我们陷入尴尬的境地。现在使用的工具不是用来配置复杂集群的。

创建虚拟机的速度非常慢。Docker Machine花了很长时间为它配置Ubuntu并安装Docker Engine。在安装前，可以使用Docker Engine创建快照来节省时间。然而，如果这样做的话，那么将不再存在使用Docker Machine的主要原因。它的主要用处是简单化。一旦开始将与其他资源相关的配置复杂化，就会意识到简单化正在被大多数临时命令所取代。

当处理一个小型集群时，运行与API请求相结合的docker-machine非常有效，特别是，当想要创建一些快速且可能不太持久的东西时。最大的问题是，到目前为止，我们所做的一切都是临时命令。很可能我们无法在第二次重复相同的步骤。由于基础设施没有文档化，所以我们的团队无法知道集群的构成。

建议在DigitalOcean中使用docker-machine作为一种快捷实用的方式来创建一个集群，主要用于演示目的。只要集群相对较小，它对生产系统就是有用的。

如果想要建立一种更复杂、更大、更持久的解决方案，我们应该考虑其他选项。

让我们删除创建的集群，并从头开始探索备选方案：

如果你阅读了第12章，那么你可能会期待看到“Docker for DigitalOcean”的子章节。这样的东西并不存在。至少在我撰写本章的时候没有。因此，下面将直接进入Packer和Terraform。