k8s和docker区别是啥？

Posted 2023-05-09

Kubernetes（k8s）是Google开源的容器集群管理系统（谷歌内部:Borg），它主要用于 容器编排 启动容器、自动化部署、扩展和管理容器应用和回收容器。k8s的目标是让部署容器化的应用简单并且高效，k8s提供了应用部署、规划、更新、维护的一种机制。

用kubernetes去管理Docker集群，既可以将Docker看成Kubernetes内部使用的低级别组件；另外，kubernetes不仅仅支持Docker还支持Rocket，这是另一种容器技术。

扩展资料：

从背景上说，Kubernetes是由Google与RedHat公司共同主导的开源“容器编排”项目，它起源于Google公司的Borg系统。

所以它在超大规模集群管理方面的经验要明显优于其他容器编排技术，加上Kubernetes在社区管理方面的民主化，使得它很快打败了Docker公司推出的容器编排解决方案(Compose+Swarm)，从而成为了容器编排领域事实上的标准。

而在功能上Kubernetes是一种综合的基于容器构建分布式系统的基础架构环境，它不仅能够实现基本的拉取用户镜像、运行容器，还可以提供路由网关、水平扩展、监控、备份、灾难恢复等一系列运维能力。

参考技术A

k8s和docker区别是:

1、k8s是一个开源的容器集群管理系统，可以实现容器集群的自动化部署、自动扩缩容、维护等功能。

2、Docker是一个开源的应用容器引擎，开发者可以打包他们的应用及依赖到一个可移植的容器中，发布到流行的Linux机器上，也可实现虚拟化。

Docker容器与传统虚拟化方式的不同，传统的虚拟技术，在将物理硬件虚拟成多套硬件后，需要再每套硬件上都部署一个操作系统，接着在这些操作系统上运行相应的应用程序。

而Docker容器内的应用程序进程直接运行在宿主机(真实物理机)的内核上，Docker引擎将一些各自独立的应用程序和它们各自的依赖打包，相互独立直接运行于未经虚拟化的宿主机硬件上，同时各个容器也没有自己的内核，显然比传统虚拟机更轻便。

参考技术B

1、技术原理不同

docker是容器化技术，K8S是一套自动化部署工具，可全生命周期管理docker容器。K8S是谷歌开发的容器集群管理系统。在docker技术的基础上，为容器化的应用提供部署运行、资源调度、服务发现和动态伸缩等一系列完整功能，提高了大规模容器集群管理的便捷性。

2、平台不同

K8S是一个完备的分布式系统支撑平台，具备完善的集群管理能力，多扩多层次的安全防护和准入机制、多租户应用支撑能力、透明的服务注册和发现机制、内建智能负载均衡器、强大的故障发现和自我修复能力、服务滚动升级和在线扩容能力、可扩展的资源自动调度机制以及多粒度的资源配额管理能力。

docker是一个开源的应用容器引擎，让开发者可以打包它们的应用以及依赖包到一个可移植的镜像中，然后发布到任何流行的Linux或Windows机器上，也可以实现虚拟化。

3、架构模式不同

Docker使用客户端一一服务器架构模式，使用远程API来管理和创建Docker容器。Docker容器通过Docker镜像来创建，容器与镜像的关系类似于面向对象编程中的对象与类。

参考技术C K8s的全称kubernetes。它是一个完整的分布式系统支撑平台，集群管理功能齐全。kubernetes同时提供完善的管理工具，涵盖了开发、部署、测试、运行监控等各个环节。k8s是一种开放源码的容器集群管理系统，能够实现自动化部署、扩展容器集群、维护等功能。
Docker是一种开放源码的应用容器引擎，允许开发人员将其应用和依赖包打包成可移植的镜像，然后发布到任何流行的Linux或Windows机器上，也能实现虚拟化。该容器完全使用沙箱机制，彼此之间没有任何接口。
Docker是一种开放源码的应用容器引擎，开发者可以将它们的应用和依赖打包在一个可移植的容器中，发布到流行的Linux机器上，也可以实现虚拟化。
主要区别如下：
Dockers是容器化技术，k8s是一套自动化部署工具，可全生命周期管理dockers容器。
k8s是谷歌开发的容器集群管理系统。在dockers技术的基础上，为容器化的应用提供部署运行、资源调度、服务发现和动态伸缩等一系列完整功能，提高了大规模容器集群管理的便捷性。
k8s是一个完备的分布式系统支撑平台，具备完善的集群管理能力，多扩多层次的安全防护和准入机制、多租户应用支撑能力、透明的服务注册和发现机制、内建智能负载均衡器、强大的故障发现和自我修复能力、服务滚动升级和在线扩容能力、可扩展的资源自动调度机制以及多粒度的资源配额管理能力。
docker是一个开源的应用容器引擎，让开发者可以打包它们的应用以及依赖包到一个可移植的镜像中，然后发布到任何流行的Linux或Windows机器上，也可以实现虚拟化。
docker使用客户端-服务器架构模式，使用远程API来管理和创建docker容器。docker容器通过docker镜像来创建，容器与镜像的关系类似于面向对象编程中的对象与类。

R中的多变量K-S检验

【中文标题】R中的多变量K-S检验

【英文标题】：Multivariate K-S test in R

【发布时间】：2015-10-12 08:13:10

【问题描述】：

因此，我们可以运行 K-S 测试来评估 dtwo 数据集的分布是否存在差异，如 here 所述。

让我们获取以下数据

set.seed(123)
N <- 1000
var1 <- runif(N, min=0, max=0.5)
var2 <- runif(N, min=0.3, max=0.7)
var3 <- rbinom(n=N, size=1, prob = 0.45)

df <- data.frame(var1, var2, var3)

然后我们可以根据 var3 结果分开

df.1 <- subset(df, var3 == 1)
df.2 <- subset(df, var3 == 0)

现在我们可以运行 Kolmogorov-Smirnov 检验来检验每个单独变量的分布差异。

ks.test(jitter(df.1$var1), jitter(df.2$var1))
ks.test(jitter(df.1$var2), jitter(df.2$var2))

不出所料，我们没有发现差异，可以假设不同的数据集来自相同的分布。这可以通过以下方式可视化：

plot(ecdf(df.1$var1), col=2)
lines(ecdf(df.2$var1))

plot(ecdf(df.1$var2), col=3)
lines(ecdf(df.2$var2), col=4)

但是现在我们想考虑var3==0 和var3==1 之间的分布是否在我们同时考虑var1 和var2 时不同。 当我们有多个预测变量时，是否有一个 R 包可以运行这样的测试

here提出了类似的问题，但没有得到任何答复

似乎有一些文献： Example 1 Example 2

但似乎没有任何东西与 R 相关

【问题讨论】：

这个问题似乎是题外话，因为它是关于统计的，而不是真正的特定编程问题。也许最好在Cross Validated

上问这个问题

【参考方案1】：

Peacock, J. A. (1983) 中讨论了二维 KS 检验。天文学中的二维拟合优度检验。皇家天文学会月报，202(3)，615–627。 https://doi.org/10.1093/mnras/202.3.615

有一个实现，https://cran.r-project.org/web/packages/Peacock.test/