[Docker/K8S]Docker与K8S的区别

Posted 2023-06-08 千千寰宇

1 定义角度

• 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容器/镜像中；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。

• k8s，全称 kubernetes，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、自动化扩缩容器集群、维护等功能；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。

2 虚拟化角度

虚拟化技术的发展过程

虚拟化技术已经走过了三个时代(物理机时代-->虚拟机时代-->容器化时代)，没有容器化技术的演进就不会有 Docker 技术的诞生。

物理机时代：多个应用程序可能会跑在一台机器上

虚拟机时代：一台物理机器安装多个虚拟机（VM），一个虚拟机跑多个程序。

容器化时代：一台物理机安装多个容器实例（container），一个容器跑多个程序。

开发人员编写代码，在自己本地环境测试完成后，将代码部署到测试或生产环境中，经常会遇到各种各样的问题。明明本地完美运行的代码为什么部署后出现很多 bug，原因有很多：不同的操作系统、不同的依赖库等，总结一句话就是因为本地环境和远程环境不一致。

容器化技术正好解决了这一关键问题，它将软件程序和运行的基础环境分开。开发人员编码完成后将程序打包到一个容器镜像中，镜像中详细列出了所依赖的环境，在不同的容器中运行标准化的镜像，从根本上解决了环境不一致的问题。

虽然容器概念已经出现不短的时间，但 2013 年推出的开源项目 Docker 在很大程度上帮助推广了容器这项技术，并推动了软件开发中容器化和微服务的趋势，这种趋势后来被称为云原生开发。

Virtual Machines VS. Docker

上图是Docker容器（可用k8s管理的玩意儿）与传统虚拟化方式的不同之处：

• 传统的虚拟化技术，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。
• Docker容器，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。

• 每个集群有多个节点，每个节点可以部署多个Docker容器(container)。

我们的kuberbete就是管理这些应用程序所在的小运行环境（container）而生。

3 部署角度

注意，大家别把这幅图与上面Docker的那张图混淆了

• 图1是从虚拟化角度，说明了为应用提供必要的运行环境所需要做的虚拟化操作。即：

• 传统 ：虚拟出的虚拟机装操作系统
• Docker ：容器引擎管理下的容器

• 图2是在这些具体运行环境上进行真实应用部署时的情况

• 传统方式是将所有应用直接部署在同一个物理机器节点上，这样每个App的依赖都是完全相同的，但无法做到App之间隔离。

当然，为了隔离，我们也可以通过创建虚拟机的方式来将App部署到其中（就像图1上半部分那样），但这样太过繁重，故比虚拟机更轻便的Docker技术出现。

• Docker 容器化技术

现在我们通过部署Container容器的技术来部署应用，全部Container运行在容器引擎上即可。
既然嫌弃虚拟机繁重，想用Docker，那好，你用吧，怎么用呢？手动一个一个创建？

• K8S容器集群管理技术

当然不，故kubernetes技术便出现了，以kubernetes为代表的容器集群管理系统，这时候就该上场表演了。
说白了，我们用kubernetes去管理Docker集群，即可以将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。

4 其他角度

4.1 系统角度

从系统角度来看：

• docker是一种单机容器技术，在单独的主机上运行。

小型应用程序部署的话直接使用docker或者docker-compose编排就可以了。

• k8s是一种分布式集群系统，可以在多个主机上面协调和管理容器。

如果是大型的应用的话，使用k8s多机部署编排则更合适

4.2 功能角度

从功能上来看的话

• docker提供对容器的创建、启动、停止和删除等。
• k8s则提供丰富的容器编排和管理，比如自动扩容，负载均衡、服务发现和滚动更新等。

4.3 各自优势

• Docker的优势：容器技术

• 隔离性：Docker容器是相互隔离的，每个容器运行着自己的进程、文件系统和网络接口，从而保证了应用程序容器之间的独立性和安全性。
• 可移植性：Docker容器可以在任何地方运行，无需修改，从而实现了在不同的环境中快速分发、部署和移植应用。
• 简洁性：Docker容器中仅包含所需的组件和软件包，不像虚拟机需要运行整个操作系统，因此具有更小的存储和内存开销。
• 可重复性：Docker容器的构建和部署过程可以自动化，从而保证了应用程序的可重复性和一致性。

• Kubernetes的优势：容器编排技术

• 可扩展性：Kubernetes可以快速伸缩应用程序，从而应对不同的流量和负载变化，提高生产效率和灵活度。
• 健壮性：Kubernetes可以自动进行容器的部署、扩展、更新和滚动回滚，从而使线上应用具有更高的可用性和健壮性。
• 自适应性：Kubernetes可以根据资源需求自动部署、迁移和删除容器，从而实现了应用程序的自适应性，避免了资源浪费和性能瓶颈。
• 可观察性：Kubernetes提供了丰富的监控和日志记录功能，可以对应用程序和容器进行细粒度的监控和调试。

X 参考文献

• 面试官：请你说说k8s 和 Docker的区别？ - CSDN
• Docker和k8s的区别与介绍 - 博客园
• K8S 弃用 Docker 了？Docker 不能用了？别逗了！ - Zhihu
• 三年Java开发转运维----面试官问我：docker和k8s有什么区别，我应该怎么回答？ - Zhihu
• 一文带你认识「Docker」与「k8s」 - juejin

本文作者： 千千寰宇
本文链接： https://www.cnblogs.com/johnnyzen
关于博文：评论和私信会在第一时间回复，或直接私信我。
版权声明：本博客所有文章除特别声明外，均采用 BY-NC-SA 许可协议。转载请注明出处！
日常交流：大数据与软件开发-QQ交流群: 774386015 【入群二维码】参见左下角。您的支持、鼓励是博主技术写作的重要动力！

什么是K-S检验

Kolmogorov-Smirnov是比较一个频率分布f(x)与理论分布g(x)或者两个观测值分布的检验方法。其原假设H0:两个数据分布一致或者数据符合理论分布。D=max| f(x)- g(x)|，当实际观测值D>D(n,α)则拒绝H0，否则则接受H0假设。KS检验与t-检验之类的其他方法不同是KS检验不需要知道数据的分布情况，可以算是一种非参数检验方法。当然这样方便的代价就是当检验的数据分布符合特定的分布事，KS检验的灵敏度没有相应的检验来的高。在样本量比较小的时候，KS检验作为非参数检验在分析两组数据之间是否不同时相当常用。
假定两个样本的样本量分别为n1和n2，用F1(X)和F2(X)分别表示两个样本的累积经验分布函数。再记Dj＝F1(Xj)-F2(Xj)。检验统计量近似正态分布,表达式为：Z=max| Dj |根号下（n1n2/（n1+n2））

方法步骤是：
（1）令f（x）为假设所特定的理论累积分布函数；
（2）令sn（x）为n个观察值的样本累积函数。对每一个观察值x，sn（x）＝k／n，k是小于或等于x的观察例数；
（3）确定最大距离D，定义为：
D＝max｜f（x）－sn（x）｜
检验假设H0: f（x）＝sn（x）
备择假设H1:
（4）对于选定的显著水平，如果D值等于或大于附表的临界值，则拒绝原假设 参考技术A K-S检验是统计学中在对一组数据进行统计分析是所用到的一种方法。它是将需要做统计分析的数据和另一组标准数据进行对比，求得它和标准数据之间的偏差的方法。一般在K-S检验中，先计算需要做比较的两组观察数据的累积分布函数，然后求这两个累积分布函数的差的绝对值中的最大值D。最后通过查表以确定D值是否落在所要求对应的置信区间内。若D值落在了对应的置信区间内，说明被检测的数据满足要求。反之亦然。本回答被提问者采纳