Docker Swarm 概述
什么是 Swarm？
Docker Swarm 是 Docker 官方的原生容器编排工具。它能将多台物理机整合成一个“超级计算机”，让你像管理一台机器一样管理整个集群。
核心架构
- Manager（管理节点）：负责发号施令（调度、维护集群状态）。
- Worker（工作节点）：负责干活（运行容器）。
为什么要学？
- 省事：Docker 自带，无需额外安装复杂组件。
- 高可用：机器挂了，服务自动漂移到其他节点。
- 易伸缩：一条命令
scale，秒级扩容。
Swarm vs K8s
Swarm 是轻量级战斗机（简单快），K8s 是航空母舰（复杂强）。 中小团队、快速部署首选 Swarm。
一、实验环境准备
在开始搭建 Docker Swarm 集群之前，请确保您已满足以下前置条件。
1.1 系统与网络要求
- 操作系统：实验主机需安装 CentOS 7.6 版本。
- 网络连通性：主机必须能够连接外网（用于下载 Docker 镜像和依赖包）。
- 安全设置：建议关闭防火墙（Firewall）和 SELinux，以避免集群通信出现权限问题。
- 硬件建议：推荐使用云主机进行实验，并通过 SSH 远程连接操作，模拟真实生产环境。
1.2 集群节点规划
本实验共使用 3 台虚拟机/云主机，网络互通，规划如下表所示：
| 主机名 (Hostname) | IP 地址 | 角色 (Role) | 说明 |
|---|---|---|---|
master | 192.168.5.100/24 | 管理节点 (Manager) | 负责集群初始化与任务调度 |
node1 | 192.168.5.101/24 | 工作节点 (Worker) | 负责运行容器服务 |
node2 | 192.168.5.102/24 | 工作节点 (Worker) | 负责运行容器服务 |
1.3 Docker 环境安装
如果您的系统中尚未安装 Docker，请按照以下步骤进行安装（所有节点均需执行）：
1. 安装必要依赖包
打开终端，执行以下命令安装 yum-utils、device-mapper-persistent-data 和 lvm2：
yum install -y yum-utils device-mapper-persistent-data lvm2
2. 配置阿里云 Docker 软件源
使用 yum-config-manager 添加 Docker 的阿里云仓库：
yum-config-manager --add-repo http://mirrors.aliyun.com/docker-ce/linux/centos/docker-ce.repo
3. 更新 YUM 缓存
yum makecache fast
4. 安装 Docker CE (社区版)
yum install -y docker-ce
5. 启动并设置开机自启 安装完成后，启动 Docker 服务并配置为开机自动运行：
systemctl restart docker
systemctl enable docker
二、集群节点初始环境设置
在正式初始化 Swarm 集群之前，我们需要确保所有节点的主机名规范统一，并验证 Docker 环境的可用性。
2.1 修改主机名 (Hostname)
为了方便集群管理和节点识别，我们需要修改每台机器的主机名。请在对应的机器上执行以下命令：
1. 在 Master 节点执行：
# 将主机名设置为 master
[root@localhost ~]# hostnamectl set-hostname master
2. 在 Node1 节点执行：
# 将主机名设置为 node1
[root@localhost ~]# hostnamectl set-hostname node1
3. 在 Node2 节点执行：
# 将主机名设置为 node2
[root@localhost ~]# hostnamectl set-hostname node2
💡 提示：执行完上述命令后，新的主机名通常需要重新登录终端或重启系统才能完全生效。
2.2 验证 Docker 版本信息
环境准备完毕后，我们需要确保每台节点上的 Docker 都已经正确安装且版本一致。请在 master、node1、node2 三台机器上分别执行以下命令进行检查：
1. 在 Master 节点查看：
[root@master ~]# docker version
# 预期输出信息：
Client:
Version: 18.03.0-ce
API version: 1.37
Go version: go1.9.4
Git commit: 0520e24
Built: Wed Mar 21 23:09:15 2018
OS/Arch: linux/amd64
Experimental: false
Orchestrator: swarm
Server:
Engine:
Version: 18.03.0-ce
API version: 1.37 (minimum version 1.12)
Go version: go1.9.4
Git commit: 0520e24
Built: Wed Mar 21 23:13:03 2018
OS/Arch: linux/amd64
Experimental: false
2. 在 Node1 和 Node2 节点查看：
在另外两个节点执行相同的查看命令，正常情况下，它们显示的 Version 信息应与 Master 节点完全一致。
[root@node1 ~]# docker version
[root@node2 ~]# docker version
✅ 验证标准：只有当三台机器的 Docker 版本均显示为
18.03.0-ce且服务处于运行状态时，方可进行下一步的集群初始化操作。
三、创建 Swarm 集群管理节点 (Manager)
Swarm 集群的创建始于管理节点（Manager）的初始化。Manager 节点负责后续的调度、服务发现和集群状态维护。
3.1 获取 Swarm 镜像
虽然 Docker 1.12+ 版本已经内置了 Swarm 模式，但为了实验完整性，我们在所有节点上手动拉取 swarm 镜像。
请在 master、node1、node2 三台主机上分别执行以下命令：
[root@master ~]# docker pull swarm
[root@node1 ~]# docker pull swarm
[root@node2 ~]# docker pull swarm
3.2 初始化集群
在 master 节点上执行初始化命令。这里使用 --advertise-addr 参数指定管理节点的对外通信 IP（即 192.168.5.100）。
# 在 master 节点上初始化集群，并获取唯一的 token，作为集群的唯一标识。
[root@master ~]# docker swarm init --advertise-addr 192.168.5.100
Swarm initialized: current node (62n5811em9hk0gynu4r9f2uuz) is now a manager.
To add a worker to this swarm, run the following command:
docker swarm join --token SWMTKN-1-53103t4mocf35g98efaupv2y77chfyd2f8upxti9jcwk6d5g35-19j3s7bqti0gnvm1ebdz9fzho 192.168.5.100:2377
To add a manager to this swarm, run 'docker swarm join-token manager' and follow the instructions.
[root@master ~]#
# 说明：将提示中的 token 值复制，如下所示。后期利用获取的 token 值将其他节点加入集群。
docker swarm join --token SWMTKN-1-53103t4mocf35g98efaupv2y77chfyd2f8upxti9jcwk6d5g35-19j3s7bqti0gnvm1ebdz9fzho 192.168.5.100:2377
四、加入集群工作节点 (Worker)
Master 节点初始化完成后，工作节点（Worker）就可以使用刚才获取的 Token “入场券” 加入集群了。
4.1 在 Node1 节点执行加入命令
请登录到 node1 服务器，执行以下命令：
[root@node1 ~]# docker swarm join --token SWMTKN-1-53103t4mocf35g98efaupv2y77chfyd2f8upxti9jcwk6d5g35-19j3s7bqti0gnvm1ebdz9fzho 192.168.5.100:2377
✅ 成功提示：
如果看到 This node joined a swarm as a worker.，说明 node1 已成功加入。
4.2 在 Node2 节点执行加入命令
同样地，登录到 node2 服务器，执行完全相同的命令：
[root@node2 ~]# docker swarm join --token SWMTKN-1-53103t4mocf35g98efaupv2y77chfyd2f8upxti9jcwk6d5g35-19j3s7bqti0gnvm1ebdz9fzho 192.168.5.100:2377
✅ 成功提示：
同样应显示 This node joined a swarm as a worker.。
4.3 在 Master 节点验证集群状态
现在，所有的节点都已经就位。回到 master 节点，使用 docker node ls 命令查看集群的完整拓扑结构。
执行命令：
[root@master ~]# docker node ls
预期输出结果：
📊 结果解读：
- HOSTNAME：列出了 master, node1, node2。
- STATUS：均为
Ready，表示节点运行正常。 - MANAGER STATUS：只有 master 节点显示
Leader，其他节点不显示此项（因为它们是 Worker）。 - ENGINE VERSION：所有节点的引擎版本保持一致。
至此，一个包含 1 个管理节点和 2 个工作节点的 Docker Swarm 集群已搭建完成！
五、查看集群全局信息
在集群搭建完毕后，除了查看节点列表，我们还需要确认集群的整体运行状态。docker info 命令可以展示 Docker 引擎以及 Swarm 模式的详细配置。
5.1 执行查看命令
进入 master (管理节点)，执行以下命令：
[root@master ~]# docker info
Client:
Debug Mode: false
Server:
Containers: 0
Running: 0
Paused: 0
Stopped: 0
Images: 1
Server Version: 19.03.12
Storage Driver: overlay2
Backing Filesystem: xfs
Supports d_type: true
Native Overlay Diff: true
Logging Driver: json-file
Cgroup Driver: cgroupfs
Plugins:
Volume: local
Network: bridge host ipvlan macvlan null overlay
Log: awslogs fluentd gcplogs gelf journald json-file local logentries splunk syslog
Swarm: active
NodeID: 62n5811em9hk0gynu4r9f2uuz
Is Manager: true
ClusterID: ir9ii97clpxzpsq9dq3e9fu7r
Managers: 1
Nodes: 3
Default Address Pool: 10.0.0.0/8
SubnetSize: 24
Data Path Port: 4789
Orchestration:
Task History Retention Limit: 5
# 从提示信息中可以看到，swarm 集群已经运行，有三个节点，其中有 1 个管理节点。
六、在 Swarm 中部署与验证服务
集群搭建完成后，我们将部署第一个服务（Service）来验证集群的计算能力和调度功能。
6.1 创建 Helloworld 服务
我们将创建一个基于 alpine 镜像的服务，让它在后台持续 Ping 新浪网（www.sina.com.cn），以此模拟业务的持续运行。
步骤 1：拉取镜像
在 master 节点上拉取轻量级的 alpine 镜像：
[root@master ~]# docker pull alpine // 拉取 alpine:latest 镜像
[root@master ~]# docker service create --replicas 1 --name helloworld alpine ping www.sina.com.cn
ywkctxbswsnxnvimtimm8ra8t
overall progress: 1 out of 1 tasks
1/1: running [==================================================>]
verify: Service converged
看到 Service converged 即表示服务创建并启动成功。
6.2 查看服务运行状态
使用 docker service ps 查看该服务具体运行在哪个节点上。
[root@master ~]# docker service ps helloworld
ID NAME IMAGE NODE DESIRED STATE CURRENT STATE ERROR PORTS
tfs7wx93jioq helloworld.1 alpine:latest master Running Running about a minute ago
# 从提示信息上表示，helloworld 服务运行在 master 节点上。
6.3 查看服务详细信息
使用 --pretty 参数可以人性化地查看服务的详细配置（如更新策略、回滚策略等）。
[root@master ~]# docker service inspect --pretty helloworld
ID: ywkctxbswsnxnvimtimm8ra8t
Name: helloworld
Service Mode: Replicated
Replicas: 1
Placement:
UpdateConfig:
Parallelism: 1
On failure: pause
Monitoring Period: 5s
Max failure ratio: 0
Update order: stop-first
RollbackConfig:
Parallelism: 1
On failure: pause
Monitoring Period: 5s
Max failure ratio: 0
Rollback order: stop-first
ContainerSpec:
Image: alpine:latest@sha256:185518070891758909c9f839cf4ca393ee977ac378609f700f60a771a2dfe321
Args: ping www.sina.com.cn
Init: false
Resources:
Endpoint Mode: vip
6.4 扩展集群服务
[root@master ~]# docker service scale helloworld=2
helloworld scaled to 2
overall progress: 2 out of 2 tasks
1/2: running [==================================================>]
2/2: running [==================================================>]
verify: Service converged
[root@master ~]# docker service ps helloworld # 查看服务运行状态
ID NAME IMAGE NODE DESIRED STATE CURRENT STATE ERROR PORTS
mznxcdkh8alr helloworld.1 alpine:latest master Running Running 4 minutes ago
fu98gxp0pzvx helloworld.2 alpine:latest node1 Running Running 42 seconds ago
# 说明：从提示上可以看到服务运行在 master 和 node1 节点。
6.5 删除服务
[root@master ~]# docker service rm helloworld // 删除服务
helloworld
[root@master ~]# docker service ps helloworld // 查看服务运行状态
no such service: helloworld
# 说明：从提示上可以看到服务已经删除。
七、实验总结
通过本次 Docker Swarm 实验，我成功搭建了一个包含 1 个 Manager 节点和 2 个 Worker 节点的容器集群，并完成了服务的部署与弹性伸缩。具体总结如下：
- 集群构建能力：掌握了 Swarm 集群的初始化流程，理解了
docker swarm init生成 Token 的机制，以及 Worker 节点如何通过 Token 加入集群。 - 服务编排理解：深刻理解了 Swarm 中“Service（服务）”与单机“Container（容器）”的区别。学会了使用
docker service create和docker service scale命令来管理应用的生命周期。 - 高可用验证：通过创建多副本服务，验证了 Swarm 的调度能力，确认其能够将容器实例分发到不同的物理节点上运行，从而提升应用的可用性。
本次实验证明了 Docker Swarm 在处理多主机容器管理时的便捷性，为后续深入学习 Kubernetes 奠定了扎实的基础。
