共计 12166 个字符，预计需要花费 31 分钟才能阅读完成。
[TOC]
对于应用 docker/docker-compose/docker stack 进行开发、部署的用户，可能会遇到以下问题
- 如何无效地区分 develop/staging/production 环境配置？
- 如何有效应对在不同环境甚至差别的架构下部署的需要？
有教训的同学晓得环境变量是问题的答案，但本内容并不止于夸夸其谈，而是联合 aspnet core 示例进行阐明，并给出 GNU 工具阐明和进行 python 实现。
docker-compose
咱们经常基于 compose 文件进行部署，但纯动态的 compose 文件可能无奈满足以下需要
- 为了从宿主机读取数据或者从容器长久化数据，咱们须要调整目录挂载地位；
- 为了防止端口抵触咱们须要批改端口映射；
环境变量
docker-compose 反对环境变量，咱们能够在 compose 文件中退出动静元素来批改局部行为，一个应用变量进行目录和端口映射的 compose 文件如下：
version: '3'
networks:
default:
services:
nginx:
image: nginx
networks:
- default
volume:
- ${nginx_log}:/var/log/nginx
ports:
- ${nginx_port-81}:80该 compose 文件对变量 nginx_port 提供了默认值 81。在 linux 下为了应用环境变量咱们有若干种形式：
- 全局环境变量：能够应用 export 申明
- 过程级别环境变量：能够应用 source 或 env 引入
souce 是 bash 脚本的一部分，这会引入额定的复杂度，而 env 应用起来很简略，应用它加上键值对及指标命令即可，模式如 env [OPTION]... [-] [NAME=VALUE]... [COMMAND [ARG]...]，咱们应用它进行演示。
$ rm .env
$ docker-compose up -d
WARNING: The Docker Engine you're using is running in swarm mode.
Compose does not use swarm mode to deploy services to multiple nodes in a swarm. All containers will be scheduled on the current node.
To deploy your application across the swarm, use `docker stack deploy`.
Starting docker-compose-env-sample_nginx_1 ... done
$ docker-compose ps
Name Command State Ports
-----------------------------------------------------------------------------------------------
docker-compose-env-sample_nginx_1 /docker-entrypoint.sh ngin ... Up 0.0.0.0:81->80/tcp
$ docker-compose down
$ env nginx_port=82 docker-compose up -d
WARNING: The Docker Engine you're using is running in swarm mode.
Compose does not use swarm mode to deploy services to multiple nodes in a swarm. All containers will be scheduled on the current node.
To deploy your application across the swarm, use `docker stack deploy`.
Creating network "docker-compose-env-sample_default" with the default driver
Creating docker-compose-env-sample_nginx_1 ... done
$ docker-compose ps
Name Command State Ports
-----------------------------------------------------------------------------------------------
docker-compose-env-sample_nginx_1 /docker-entrypoint.sh ngin ... Up 0.0.0.0:82->80/tcp能够看到应用 env 申明的变量 nginx_port=82 批改了容器的端口映射。尽管 env 反对多条键值对，但实在环境里变量较多、变量值简短，尽管能够通过 bash 脚本来治理，但可读性、可维护性太差，所以 docker-compose 提供了基于文件的环境变量机制。
.env 文件
浏览认真的同学看到命令起始语句 rm .env 时可能心生疑难，这便是反对的基于文件的环境变量机制，它寻找 docker-compose.yml 文件同目录下的 .env 文件，并将其解析成环境变量，以影响 docker-compose 的启动行为。
咱们应用以下命令生成多行键值对作为 .env 文件内容，留神 > 和 >> 的差别
$ echo 'nginx_log=./log' > .env
$ echo 'nginx_port=83' >> .env
$ cat test
nginx_log=./log
nginx_port=83重新启动并查看利用，能够看到新的端口映射失效了。
$ docker-compose down
Removing docker-compose-env-sample_nginx_1 ... done
Removing network docker-compose-env-sample_default
$ docker-compose up -d
WARNING: The Docker Engine you're using is running in swarm mode.
Compose does not use swarm mode to deploy services to multiple nodes in a swarm. All containers will be scheduled on the current node.
To deploy your application across the swarm, use `docker stack deploy`.
Creating network "docker-compose-env-sample_default" with the default driver
Creating docker-compose-env-sample_nginx_1 ... done
$ docker-compose ps
Name Command State Ports
-----------------------------------------------------------------------------------------------
docker-compose-env-sample_nginx_1 /docker-entrypoint.sh ngin ... Up 0.0.0.0:83->80/tcp通过 .env 文件的应用，咱们能将相干配置管理起来，升高了复杂度。
env_file
即使利用曾经打包，咱们依然有动静配置的需要，比方 aspnet core 程序应用 ASPNETCORE_ENVIRONMENT 管制异样显示、postgresql 应用 POSTGRES_USER 和 POSTGRES_PASSWORD 传递凭据。由前文可知咱们能够将变量存储在额定的 env 文件中，但业务应用的环境变量与 compose 文件混淆在一起并不是很好的实际。
比方咱们有用于微信登录和反对的站点，它带来大量的配置变量，可能的 compose 文件内容如下：
version: '3'
networks:
default:
services:
pay:
image: mcr.microsoft.com/dotnet/core/aspnet:3.1
volumes:
- ${site_log}:/app # 日志门路
- ${site_ca}: /ca # 领取证书
working_dir: /app
environment:
- ASPNETCORE_ENVIRONMENT: ${ASPNETCORE_ENVIRONMENT}
- redis: ${redis}
- connection_string: ${connection_string}
- wechat_app_id: ${wechat_app_id}
- wechat_app_secret: ${wechat_app_secret}
- wechat_mch_app_id: ${wechat_mch_app_id}
entrypoint: ['dotnet', 'some-site.dll']
ports:
- ${site_port}:80
mall:
image: openjdk:8-jdk-alpine
environment:
- ?
# 疏忽真实情况下配置项可能更多，这应用 compose 文件简短，带来各种治理问题。对此 compose 文件反对以 env_file 简化配置，参考 compose-file/#env_file，咱们能够应用独自的文件寄存和治理 environment 选项。
- environment:
- - ASPNETCORE_ENVIRONMENT: ${ASPNETCORE_ENVIRONMENT}
- - redis: ${redis}
- - connection_string: ${connection_string}
- - wechat_app_id: ${wechat_app_id}
- - wechat_app_secret: ${wechat_app_secret}
- - wechat_mch_app_id: ${wechat_mch_app_id}
+ env_file:
+ - pay_env 至此咱们能够将系统配置与业务配置拆散。env_file 应用和 .env 机制类似，不再赘述。
docker stack
和 docker-compose 比起来，docker stack 带来了诸多变动。
- 从技术上来说，docker-compose 应用 python 编写，而 docker stack 是 docker engine 的一部分。前者只是单机实用，后者带来了 swarm mode，使可能分布式部署 docker 利用。尽管不能疏忽 Kubernetes 的存在，但 docker swarm 提供必要个性时放弃了足够轻量。
- 从跨平台需要来说，docker-compose 目前只散发了 x86_64 版本，docker stack 无此问题。
不反对基于文件的环境变量
能够看到 docker stack 是 docker-compose 的代替，但 在 compose 文件规格上，docker-compose 与 docker stack 有显著差别，后者不反对基于文件的环境变量，但反对容器的 env_file 选项，咱们应用 docker stack 对前文的示例进行测试。
$ rm .env
$ docker stack deploy -c docker-compose.yml test
Creating network test_default
Creating service test_nginx
$ docker service ls
ID NAME MODE REPLICAS IMAGE PORTS
4np70r5kl01m test_nginx replicated 0/1 nginx:latest *:81->80/tcp
$ docker stack rm test
Removing service test_nginx
Removing network test_default
$ env nginx_port=82 docker stack deploy -c docker-compose.yml test
Creating network test_default
Creating service test_nginx
$ docker service ls
ID NAME MODE REPLICAS IMAGE PORTS
jz16fgu76btp test_nginx replicated 0/1 nginx:latest *:82->80/tcp
$ echo 'nginx_port=83' > .env
$ docker stack rm test
Removing service test_nginx
Removing network test_default
$ docker stack deploy -c docker-compose.yml test
Creating network test_default
Creating service test_nginx
$ docker service ls
ID NAME MODE REPLICAS IMAGE PORTS
4lmoexqbyexc test_nginx replicated 0/1 nginx:latest *:81->80/tcp能够看到 docker stack 并不反对基于文件的环境变量，这会使得咱们开倒车增加了 export 或 source 或 env 的 bash 脚本和部署吗？
envsubst
envsubst 是 Unix/Linux 工具，CentOS 装置命令为 yum install -y gettext，它反对将模板内容中的占位变量替换成环境变量再输入后果，文件 docker.yml 蕴含了两个变量 redis_tag 和 redis_port，咱们用作示例演示 envsubst 的能力。
$ cat docker.yml
version: '3'
services:
redis:
image: redis:${redis_tag}
ports:
- ${redis_port}:6379咱们应用 env 提供环境变量，将文件 docker.yml 提供给 envsubst。
$ env redis_tag=6.0.5 redis_port=6379 envsubst < docker.yml
version: '3'
services:
redis:
image: redis:6.0.5
ports:
- 6379:6379能够看到 redis_tag 和 redis_port 被替换成变量值，envsubst 就像 aspnet razor 一样把输出参数当作模板解析进去了。聪慧的你马上可能理解能够行部署构造与步骤：
- 提供基于变量的 compose 文件
- 提供差异化的环境变量文件
- 须要部署时，应用 envsub 填充 / 解析 compose 文件，作为具体的运行文件
一个可行的目录构造如下：
$ tree .
.
├── develop.env
├── docker.debug.yml
├── docker.production.yml
├── docker.yml
└── production.env
0 directories, 5 files该目录中，docker.debug.yml 和 docker.production.yml 是模板解析的输入文件，用于具体部署。为了生成该文件，咱们能够应用 bash 脚本解析 develop.env 或 production.env，用于为 env 及 envsubst 提供参数，Parse a .env (dotenv) file directly using BASH 既是相干探讨，能够看到花样百出的解析方法。而对 envsubst 的进一步理解，我意识到它的规定有些许困惑：
- 默认应用零碎环境变量下；
- 未提供参数列表时，所有变量均被解决，查找失败的变量被当作空白字符；
- 提供参数列表时，跳过没有列出的变量，查找失败的变量被疏忽并放弃原样；
为了改良，这里额定进行了 python 实现。
envsubst.py
envsubst.py 代码仅 74 行，可见于文章开端，它基于以下指标实现。
- [x] 零依赖
- [x] 反对行内键值对
- [x] 反对基于文件的键值对
- [x] 反对手动疏忽内部环境变量
- [x] 反对行内模板输出
- [x] 反对基于文件的模板输出
- [] 严格模式
1. 应用行内键值对
$ python envsubst.py --env user=root password=123456 -i '${OS} ${user}:${password}'
Windows_NT root:1234562. 疏忽环境变量
$ python src/envsubst.py --env user=root password=123456 --env-ignore -i '${OS} ${user}:${password}'
${OS} root:1234563. 应用基于文件的环境变量
$ echo 'OS=macOS' > 1.env
$ python src/envsubst.py --env-file 1.env -i '${OS} ${user}:${password}'
macOS ${user}:${password}4. 应用文本内容作为输出参数
$ echo '${OS} ${user}:${password}' > 1.yml
$ python src/envsubst.py --env-file 1.env -f 1.yml
macOS ${user}:${password}至此咱们的能力被大大加强，应用 envsubst.py 能够实现以下性能：
- 实现基于文件的环境变量解析，联合 env 命令实现 docker stack 应用；
- 联合环境变量转换各种模板内容，像 compose 文件、系统配置等，间接应用转换后的内容。
envsubst.py 关注易于应用的变量提供与模板解析，为放弃简略有以下限度：
- 变量记法
$user和${user}在 bash 脚本和 envsubst 中均无效，为防止复杂度和代码量晋升，未予反对； - envsubst 中形如
${nginx_ports:-81}:80的默认值写法等个性，未予反对。
当然你能够基于该逻辑进行基于文件的键值对解析，再配合 envsubst 或 env 工作，这齐全没有问题，也没有难点，就不再赘述。
业务中的环境变量
尽管各业务如何应用环境变量是其本身逻辑，但在看到许多 anti-pattern 后我认为相干内容仍值得形容，因为以下事实存在：
- 各种业务零碎的配置形式不统一，第三方组件依赖的配置模式不同，比方少数 aspnet dotnet 利用应用 json 文件进行配置，java 利用应用相似 ini 格局的 properties 文件进行配置，node 利用和 SPA 前端形式更多无奈开展。
- 业务复杂度各不相同，出于便于管理的须要，有些配置被分拆成多个零散文件；
因为业务的差异性与复杂度的客观存在，而开发人员生而自由（笑），利用的配置形式切实难以枚举。这对于运维人员来说不异于劫难，在生产环境因配置不存在导致的事变亘古未有。尽管运维人员难辞其咎，但 开发人员有责任防止零散、简单、难以治理的配置形式。
值得庆幸的是，环境变量是通用语言，少数利用都能够基于环境变量进行配置。以集成 elastic apm 的状况进行阐明，园友文章 应用 Elastic APM 监控你的.NET Core 利用 有所形容，咱们须要以下模式的 ElasticApm 配置：
{
"ElasticApm": {
"LogLevel": "Error",
"ServerUrls": "http://apm-server:8200",
"TransactionSampleRate": 1.0
}
}在部署到生产环境时，咱们须要告之运维同学：”xxxx.json 里有一个叫 ElasticApm 的配置项，须要把它的属性 ServerUrls 值批改到 http://10.xx.xx.xx:8200″, 联合前文形容，咱们看如何改良。
- 增加依赖 Microsoft.Extensions.Configuration.EnvironmentVariables 以启用基于环境的配置
- 增加 env_file，将
ElasticApm__ServerUrls=http://10.xx.xx.xx:8200写入其中
仅此而已，咱们须要理解的内容是：如何增加环境变量，使可能笼罩 json 文件中的配置，文档 aspnetcore-3.1#environment-variables 具体阐明了应用办法：应用双下划线以映射到冒号，应用前缀以过滤和获取所须要环境变量。
示例代码应用了 set 命令增加环境变量，和在 linux 和 cygwin 上应用 export 或 env 成果雷同，留神它们不是必须步骤。
咱们应用以下控制台程序输入失效的配置信息：
static void Main(string[] args)
{var configuration = new ConfigurationBuilder()
.AddJsonFile($"appsettings.json")
.AddEnvironmentVariables(prefix: "TEST_")
.Build();
Console.WriteLine("ElasticApm:ServerUrls = {0}", configuration.GetValue<String>("ElasticApm:ServerUrls"));
}间接应用 dotnet run
$ dotnet run
ElasticApm:ServerUrls = http://apm-server:8200
$ env TEST_ElasticApm__ServerUrls=http://10.x.x.x:8200 dotnet run
ElasticApm:ServerUrls = http://10.x.x.x:8200在 docker 中运行
$ docker run --rm -it -v $(pwd)/bin/debug/netcoreapp3.1:/app -w /app mcr.microsoft.com/dotnet/core/runtime dotnet dotnet-environment-variables.dll
ElasticApm:ServerUrls = http://apm-server:8200
$ docker run --rm -it -e TEST_ElasticApm__ServerUrls=http://10.x.x.x:8200 -v $(pwd)/bin/debug/netcoreapp3.1:/app -w /app mcr.microsoft.com/dotnet/core/runtime dotnet dotnet-environment-variables.dll
ElasticApm:ServerUrls = http://10.x.x.x:8200
$ echo 'TEST_ElasticApm__ServerUrls=http://10.x.x.x:8200' > env
$ docker run --rm -it --env_file $(pwd)/env -v $(pwd)/bin/debug/netcoreapp3.1:/app -w /app mcr.microsoft.com/dotnet/core/runtime dotnet dotnet-environment-variables.dll在 docker-compose 文件中运行
$ echo 'TEST_ElasticApm__ServerUrls=http://10.x.x.x:8200' > env
$ cat docker-compose.yml | grep env
env_file: ./env
entrypoint: ['dotnet', 'dotnet-environment-variables-console-sample.dll']
$ docker-compose up
WARNING: The Docker Engine you're using is running in swarm mode.
Compose does not use swarm mode to deploy services to multiple nodes in a swarm. All containers will be scheduled on the current node.
To deploy your application across the swarm, use `docker stack deploy`.
Creating network "dotnet-environment-variables-console-sample_default" with the default driver
Creating dotnet-environment-variables-console-sample_dotnet_1 ... done
Attaching to dotnet-environment-variables-console-sample_dotnet_1
dotnet_1 | ElasticApm:ServerUrls = http://10.x.x.x:8201
dotnet-environment-variables-console-sample_dotnet_1 exited with code 0在 docker stack 中运行
与 docker-compose 并无太大区别，只是控制台程序很快退出，无奈看到无效输入，应用 aspnet core 进行验证更适宜，不再赘述，至此咱们对运维人员的配置批改形容有了改良：
- 找到文件 xxxx.json 里有一个叫 ElasticApm 的配置项，把它的属性 ServerUrls 值批改到 http://10.xx.xx.xx:8200
+ 在文件 env 下增加记录 `TEST_ElasticApm__ServerUrls=http://10.x.x.x:8200`小结
本内容形容了基于 docker 部署的状况下环境变量的应用，对工具 env 和 envsubst 的应用进行了示例，并给出了 python 实现 envsubst.py，最初以 dotnet 利用对业务中如何应用环境变量并与 docker 集成进行了示范。
envsubst.py
import argparse
import logging
import os
import sys
from typing import Dict, Iterable
class EnvironmentContext:
_args: Dict[str, str]
def __init__(self, env_ignore: bool):
if env_ignore:
self._args = {}
else:
self._args = os.environ.copy()
def update(self, args: Dict[str, str]):
self._args.update(args)
def transform(self, input: str) -> str:
for k, v in self._args.items():
# ${key} = value
k2 = '${' + k + '}'
input = input.replace(k2, v, -1)
return input
def _parse_env_args(lines: Iterable[str]) -> Dict[str, str]:
dict = {}
for line in lines:
arr = line.split('=', 1)
assert len(arr) == 2, 'Arg"{}"invalid'.format(line)
dict[arr[0]] = arr[1]
return dict
def _parse_env_file(env_file: str) -> Dict[str, str]:
dict = {}
with open(env_file) as f:
for num, line in enumerate(f):
if line and not line.startswith('#'):
arr = line.split('=', 1)
assert len(arr) == 2, 'Arg"{}"invalid'.format(line)
dict[arr[0]] = arr[1].strip().strip('"')
return dict
if __name__ == "__main__":
parser = argparse.ArgumentParser()
parser.add_argument('--env', dest='env', type=str, nargs='*', required=False)
parser.add_argument('--env-file', dest='env_file', action='store', required=False)
parser.add_argument('--env-ignore', dest='env_ignore', help='ignore environment variables', action='store_true', required=False)
parser.add_argument('-f', '--file', dest='file', action='store', required=False)
parser.add_argument('-i', '--input', dest='input', action='store', required=False)
if len(sys.argv) <= 2:
parser.print_help()
else:
argv = parser.parse_args()
context = EnvironmentContext(argv.env_ignore)
if argv.env_file:
env_args = _parse_env_file(argv.env_file)
context.update(env_args)
if argv.env:
env_args = _parse_env_args(argv.env)
context.update(env_args)
input = argv.input
if argv.file:
with open(argv.file) as f:
input = f.read()
output = context.transform(input)
print(output)leoninew 原创，转载请保留出处 segmentfault.com