Marathon 开源项目指南
2024-08-20 13:24:08作者:滕妙奇
项目介绍
Marathon 是一个基于 Mesos 的长期运行服务的集群管理器,它允许您部署、管理和扩展容器化应用(包括 Docker)。Marathon 提供了 RESTful API 用于应用程序的部署和监控,以及健康检查、容错和弹性伸缩功能。它旨在简化微服务和持续交付流水线的运维工作,是Mesosphere DC/OS的核心组件之一。
项目快速启动
安装与配置
首先,确保你的系统中已经安装了 Mesos。Marathon 可以通过 DC/OS 或直接在 Mesos 上部署。以下是在 Mesos 上手动部署的基本步骤:
# 添加Mesosphere的仓库(示例为Ubuntu系统)
echo "deb [arch=amd64] https://repos.mesosphere.com/ubuntu xenial main" | sudo tee /etc/apt/sources.list.d/mesosphere.list
sudo apt-get update
sudo apt-get install mesos marathon
# 配置Marathon(示例,具体配置可能需要根据实际需求调整)
echo 'zk://localhost:2181/marathon' > /etc/marathon/marathon-zk.conf
启动 Marathon
sudo service marathon start
部署简单应用
创建一个 JSON 应用来部署,例如 myapp.json:
{
"id": "/hello-world",
"cmd": "python -m SimpleHTTPServer 8000",
"cpus": 0.1,
"mem": 32.0,
"instances": 1
}
然后通过 API 发布该应用:
curl -X POST -H "Content-Type: application/json" --data @myapp.json http://localhost:8080/v2/apps
应用案例和最佳实践
示例:微服务部署
Marathon 适合于部署微服务架构中的各个服务实例,实现动态扩缩容。最佳实践中,应将每个微服务作为一个独立的应用定义,利用 Marthon 的健康检查功能来确保服务高可用性。
自动恢复与扩缩容
- 自动恢复:设置正确的失败重启策略,使应用实例因故障停止后能够自动重启。
- 基于CPU或内存的自动扩缩容:虽然Marathon本身不直接支持自动扩缩容,但可以集成外部工具如 Chronos 或结合 Mesos 的资源预留机制来实现更高级的调度逻辑。
典型生态项目
- DC/OS: Marathon 作为 DC/OS 的核心组件之一,与其他服务(如Metronome用于定时任务,Chronos进行复杂作业调度)共同构建了一个全面的服务管理平台。
- Mesosphere框架: 在DC/OS环境下,Marathon与Kubernetes等竞争,但它专注于Mesos集群的深度整合,提供企业级解决方案。
- 服务发现与负载均衡:配合Consul、Envoy等服务,可实现代理和服务自动注册、发现及负载均衡,增强系统的动态性和可靠性。
Marathon 的强大在于其灵活性和与 Mesos 生态的无缝集成,使得复杂的分布式系统管理变得更为简洁高效。为了深入理解和高效运用Marathon,建议查阅其官方文档和社区资源,不断探索最佳实践和技术细节。
登录后查看全文
热门项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C030
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 谷歌浏览器跨域插件Allow-Control-Allow-Origin:前端开发调试必备神器 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
425
3.26 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
334
暂无简介
Dart
686
161
Ascend Extension for PyTorch
Python
231
264
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
266
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.22 K
667
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
19
30