Marathon 开源项目指南
2024-08-20 14:25:35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
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
项目优选
收起
暂无描述
Dockerfile
765
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.93 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
680
1.33 K
Ascend Extension for PyTorch
Python
719
879
deepin linux kernel
C
32
16
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
456
438
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++
1.08 K
1.1 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
303
118
昇腾LLM分布式训练框架
Python
178
220