本文是繼《微服務(wù)架構(gòu)系列一：關(guān)鍵技術(shù)與原理研究》的后續(xù)，系列一中論述了微服務(wù)研究的背景和意義，主要調(diào)研了傳統(tǒng)架構(gòu)的發(fā)展以及存在的問(wèn)題和微服務(wù)架構(gòu)的由來(lái)，然后針對(duì)微服務(wù)架構(gòu)的設(shè)計(jì)原則、容器技術(shù)、服務(wù)發(fā)現(xiàn)、通信機(jī)制、持續(xù)集成等方面進(jìn)行了分析與研究，并簡(jiǎn)單講述了谷歌Kubernetes的相關(guān)組件和原理。系列二依據(jù)系列一中講述的相關(guān)技術(shù)，進(jìn)行了業(yè)務(wù)原理分析和建模，然后一步步實(shí)現(xiàn)了基于機(jī)器學(xué)習(xí)的密碼強(qiáng)度評(píng)測(cè)服務(wù)，搭建相關(guān)環(huán)境并部署編排服務(wù)和進(jìn)行了相關(guān)驗(yàn)證，最后對(duì)微服務(wù)架構(gòu)設(shè)計(jì)進(jìn)行了總結(jié)和展望，并簡(jiǎn)單概述了后續(xù)系列的工作。

基于機(jī)器學(xué)習(xí)的密碼強(qiáng)度評(píng)測(cè)微服務(wù)實(shí)現(xiàn)

隨著互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展和廣泛應(yīng)用，在數(shù)據(jù)信息日益敏感的當(dāng)下，網(wǎng)絡(luò)安全問(wèn)題也變得日益嚴(yán)峻。加上數(shù)字化和網(wǎng)絡(luò)化在生活中的普及，防止數(shù)據(jù)遭到未經(jīng)授權(quán)訪問(wèn)變得越來(lái)越重要，由于便于理解，使用簡(jiǎn)單和部署成本低，自從互聯(lián)網(wǎng)誕生以來(lái)，文本密碼幾乎應(yīng)用于需要保護(hù)我們的數(shù)據(jù)的每一個(gè)地方，盡管它們有許多已知的缺陷[1][2][3]。評(píng)測(cè)密碼強(qiáng)度的方式有很多，除了常規(guī)的基于字符種類規(guī)則，也有借助猜測(cè)熵和最小熵對(duì)密碼強(qiáng)度進(jìn)行估計(jì)的研究[4]，基于模糊概率上下文無(wú)關(guān)語(yǔ)法的密碼強(qiáng)度估計(jì)[5]。

機(jī)器學(xué)習(xí)是人工智能領(lǐng)域中最能體現(xiàn)智能的分支，從歷史看，機(jī)器學(xué)習(xí)也是人工智能領(lǐng)域發(fā)展最快的分支之一[6]。本章節(jié)會(huì)通過(guò)機(jī)器學(xué)習(xí)方法去對(duì)密碼強(qiáng)弱進(jìn)行分類，并通過(guò)Python把對(duì)應(yīng)算法即K最近鄰算法，決策樹算法實(shí)現(xiàn)成微服務(wù)，供上游調(diào)用，以組成整體微服務(wù)架構(gòu)中核心業(yè)務(wù)部分。另外因?yàn)闄C(jī)器學(xué)習(xí)相關(guān)算法研究及實(shí)現(xiàn)不是本文重點(diǎn)，同時(shí)鑒于時(shí)間和篇幅，對(duì)于樸素貝葉斯、多層感知器、支持向量機(jī)等其它適用于密碼強(qiáng)度評(píng)測(cè)的機(jī)器學(xué)習(xí)算法，在本文就不做討論和相關(guān)具體實(shí)現(xiàn)了，而且已經(jīng)有相關(guān)研究對(duì)其它幾種算法進(jìn)行了可行性論述[7][8]，后續(xù)可能會(huì)通過(guò)發(fā)起Github上的開源項(xiàng)目去繼續(xù)研究和探討。

1. K-最近鄰算法

K 最近鄰算法?(k-Nearest Neighbor)，簡(jiǎn)稱KNN，是一個(gè)在理論上比較成熟的算法，也是目前最簡(jiǎn)單的機(jī)器學(xué)習(xí)算法之一，它是一種惰性學(xué)習(xí)算法（分類器不需使用訓(xùn)練數(shù)據(jù)集進(jìn)行訓(xùn)練，訓(xùn)練的時(shí)間復(fù)雜度為0，有利有弊，與其它惰性學(xué)習(xí)算法一樣，KNN的計(jì)算復(fù)雜度會(huì)隨著訓(xùn)練集的空間大小增大而增大，也就是說(shuō)分類復(fù)雜度為O（n）），是在1968年由 Cover 和Hart 提出的。該算法的思想是：如果一個(gè)樣本它的特征空間中，有K個(gè)最相似也就是最鄰近的樣本的大多數(shù)都屬于一個(gè)分類，那么這個(gè)樣本也屬于這個(gè)分類。當(dāng)然算法的前提是，所選的K個(gè)樣本都是經(jīng)過(guò)正確分類過(guò)的，一般K是不大于20的整數(shù)。一句話概括就是找到離自己最近的K個(gè)點(diǎn)中的大多數(shù)同一分類的類別作為自己的類別。

距離計(jì)算數(shù)學(xué)描述：

對(duì)于任意的特征向量x:

a_r(x)表示實(shí)例x的第r個(gè)屬性值，兩個(gè)實(shí)例x_i和x_j之間的距離定義為d(x_i x_j)

根據(jù)歐式距離公式：

訓(xùn)練算法：

對(duì)于每個(gè)訓(xùn)練實(shí)例<x,f(x)>，把這個(gè)樣本加入訓(xùn)練實(shí)例列表中

分類算法：

給定一個(gè)要分類的查詢實(shí)例x_q?，在訓(xùn)練實(shí)例列表中選出最鄰近x_q的k個(gè)實(shí)例，并用x₁…x_k來(lái)表示，定義離散目標(biāo)函數(shù)

V是有限集合{v₁，v_2?... v_s}，則

其中如果a=b那么

否則

對(duì)前面的K最近鄰算法做一下簡(jiǎn)單修改，使其能被用于逼近連續(xù)值的目標(biāo)函數(shù)，為了達(dá)到此目標(biāo)，我們只需要讓算法計(jì)算K個(gè)最臨近實(shí)例的平均值，而不再是計(jì)算其中的最普遍的值，定義實(shí)值目標(biāo)函數(shù)

則

2. 決策樹

決策樹(Decision Tree)，顧名思義，是一種樹——依托策略抉擇而建立的樹。在機(jī)器學(xué)習(xí)里面，它是一個(gè)預(yù)測(cè)模型，它所代表的是一個(gè)對(duì)象的屬性和值之間的映射關(guān)系。決策樹是應(yīng)用最廣的歸納推理算法之一，屬于監(jiān)督學(xué)習(xí)中的一種，所謂監(jiān)督學(xué)習(xí)，就是給定一定數(shù)量的都有屬于自己的一些屬性以及類別的樣本。其中類別是根據(jù)數(shù)據(jù)本身屬性確定的，然后，通過(guò)對(duì)樣本數(shù)據(jù)進(jìn)行訓(xùn)練學(xué)習(xí)得到一個(gè)分類器，得到的分類器可以對(duì)新出現(xiàn)的實(shí)例進(jìn)行分類，這種機(jī)器學(xué)習(xí)方式就被稱為監(jiān)督學(xué)習(xí)。

我們可以用下面的箭線圖1-1來(lái)形象的表示決策的過(guò)程的各個(gè)階段之間的聯(lián)系。

圖1-1?決策樹決策過(guò)程關(guān)系圖?

選擇分割的方法可以有很多，但最終目的一致：也就是對(duì)目標(biāo)類嘗試進(jìn)行最佳分割，由于從根到葉子有多條路徑，一條規(guī)則對(duì)應(yīng)一條路徑，很明顯，決策樹是一顆二叉樹或多叉樹。

決策樹有四種構(gòu)成要素，決策結(jié)點(diǎn)、狀態(tài)節(jié)點(diǎn)、方案枝、概率枝。決策結(jié)點(diǎn)也叫方塊結(jié)點(diǎn)；狀態(tài)結(jié)點(diǎn)又叫圓形結(jié)點(diǎn)；決策結(jié)點(diǎn)引出若干條分支每條分支代表一個(gè)方案，故稱方案枝；狀態(tài)結(jié)點(diǎn)又會(huì)引出很多分支，代表不同的狀態(tài)，由于上面會(huì)反映客觀狀態(tài)和出現(xiàn)的頻率，每個(gè)分支又被稱為概率枝，在概率枝的末端會(huì)有該狀態(tài)下所達(dá)到結(jié)果也就是權(quán)重值。如圖1-2所示。

圖1-2?決策樹圖標(biāo)示例

決策樹分類的思想跟大學(xué)報(bào)志愿類似，我們會(huì)考慮，學(xué)校層次是名校、985還是211等，然后地域是南方還是北方、專業(yè)是否熱門等因素，不同的因素不同的人會(huì)有不同的側(cè)重，所謂因人而異，那么就需要具體情況具體分析和決策。如果把每一個(gè)未知的選項(xiàng)都?xì)w類到已有的分類類別中就形成了一顆決策樹。

?

3. 訓(xùn)練數(shù)據(jù)準(zhǔn)備

訓(xùn)練數(shù)據(jù)是利用了2014年俄羅斯黑客在網(wǎng)上公布的近500萬(wàn)Gmail郵箱及對(duì)應(yīng)密碼，再加上密碼強(qiáng)度分類——把這部分密碼重新請(qǐng)求谷歌密碼強(qiáng)度驗(yàn)證服務(wù)https://accounts.google.com/RatePassword得到的與相應(yīng)密碼對(duì)應(yīng)的密碼強(qiáng)度數(shù)據(jù)。技術(shù)上是通過(guò)PHP來(lái)抓取的，因?yàn)槟M請(qǐng)求比較簡(jiǎn)單，主要是用Curl偽造User-Agent等相關(guān)Header，借助于multi_exec，并發(fā)100，速度還是比較快的，不到一天就抓完了。需要注意的是谷歌服務(wù)器對(duì)IP訪問(wèn)有一定的限制，所以這部分操作是事先在網(wǎng)絡(luò)上尋找免費(fèi)的代理IP，集合到共享內(nèi)存，然后用另外一個(gè)腳本去取IP并用此IP訪問(wèn)百度，如果HTTP請(qǐng)求在一秒鐘返回200，在給當(dāng)前IP權(quán)值加1，一秒鐘未返回或返回非200，則減1，加1最大到7，減1最小到-3，一段時(shí)間后，就會(huì)有一個(gè)相對(duì)活躍的IP池，供抓取腳本隨機(jī)選取利用。

之所以抓取谷歌密碼強(qiáng)度數(shù)據(jù)，是因?yàn)樵谡{(diào)研了包括12306注冊(cè)，百度賬號(hào)注冊(cè)，騰訊QQ注冊(cè)，阿里的淘寶注冊(cè)，Microsoft Bing，Facebook賬號(hào)注冊(cè)，Google Gmail注冊(cè)等相對(duì)較大的網(wǎng)站后發(fā)現(xiàn)，除了Facebook對(duì)于非法或簡(jiǎn)單密碼是通過(guò)服務(wù)端返回比較有意思的"請(qǐng)選擇更安全的密碼。密碼必須多于 6 個(gè)字符，并且對(duì)你意義獨(dú)特，使其他人難以猜出。"信息，Google是通過(guò)前端返回最短長(zhǎng)度提示以及服務(wù)端返回弱，一般，較強(qiáng)，強(qiáng)的密碼強(qiáng)度提示外，其它網(wǎng)站及應(yīng)用都是通過(guò)純前端的規(guī)則來(lái)進(jìn)行限制和提示，比如字符的長(zhǎng)短，數(shù)字，大小寫，特殊字符的種類多少等。

4. 數(shù)據(jù)預(yù)處理

密碼按長(zhǎng)度和字符類型劃分為五個(gè)維度，分別是密碼長(zhǎng)度，是否含有數(shù)字，是否含有大寫字母，是否含有小寫字母，是否含有特殊字符。程序簡(jiǎn)單實(shí)現(xiàn)如圖1-3所示。

圖1-3?數(shù)據(jù)預(yù)處理python主要代碼

5. 算法實(shí)現(xiàn)

5.1 K最近鄰算法密碼評(píng)測(cè)

對(duì)未知密碼強(qiáng)度密碼實(shí)施KNN分類算法偽代碼如下：

1）計(jì)算已知密碼強(qiáng)度數(shù)據(jù)計(jì)算密碼強(qiáng)度向量與當(dāng)前密碼向量之間的距離

2）對(duì)上一步計(jì)算結(jié)果按照距離遞減排序

3）選出與當(dāng)前密碼向量距離最小的Top K個(gè)密碼向量，K為20

4）確定Top K個(gè)向量所在類別占數(shù)據(jù)集或抽樣數(shù)據(jù)集密碼強(qiáng)度的比例

5）返回Top K個(gè)向量比例最高的密碼強(qiáng)度為當(dāng)前密碼向量密碼強(qiáng)度

經(jīng)過(guò)數(shù)據(jù)打散，抽樣，并按等同比例獲取四種密碼強(qiáng)度數(shù)據(jù)，用Matplotlib畫散點(diǎn)圖如圖1-4所示，從圖中密碼強(qiáng)度分布中，大致可以看出符號(hào)種類越多越強(qiáng)，密碼位數(shù)越多越強(qiáng)的規(guī)律。

圖1-4 KNN數(shù)據(jù)建模呈現(xiàn)圖

5.2 決策樹算法密碼強(qiáng)度評(píng)測(cè)

對(duì)未知密碼強(qiáng)度密碼實(shí)施決策樹分類算法偽代碼如下：

1）創(chuàng)建唯一的影響密碼強(qiáng)度分類的因素列表

2）計(jì)算每種劃分方式下密碼強(qiáng)度數(shù)據(jù)的香農(nóng)熵

3）找出最好的信息增益計(jì)算方式

4）因?yàn)樘卣髦涤卸鄠€(gè)，一次劃分后可以再次劃分?jǐn)?shù)據(jù)，需要遞歸劃分?jǐn)?shù)據(jù)

5）存儲(chǔ)訓(xùn)練數(shù)據(jù)得到的樹，并能夠解析決策樹，以供新密碼向量遍歷

6）比較當(dāng)前密碼向量的與樹節(jié)點(diǎn)的值，如果到達(dá)葉子節(jié)點(diǎn)，返回這個(gè)葉子節(jié)點(diǎn)的密碼強(qiáng)度分類。

經(jīng)過(guò)數(shù)據(jù)打散，抽樣，并按等同比例獲取四種密碼強(qiáng)度數(shù)據(jù)，通過(guò)上述算法實(shí)現(xiàn)后得到如下決策樹：

{'密碼字符種類': {1: {'密碼長(zhǎng)度': {8:?弱, 9:?一般, :?一般, 11:?一般, 12:?弱, 13:?弱, 14:?一般, 15:?弱, 16:?一般}}, 2: {'密碼長(zhǎng)度': {8:?弱??? , 9:?弱, :?一般, 11:?較強(qiáng), 12:?一般, 13:?一般, 14:?一般, 15:?強(qiáng), 16:?一般}}, 3: {'密碼長(zhǎng)度': {8:?一般, 9:?較強(qiáng), :?較強(qiáng), 11:?強(qiáng), 12:?較強(qiáng),???? 13:?強(qiáng), 14:?強(qiáng), 15:?強(qiáng), 16:?強(qiáng)}}, 4: {'密碼長(zhǎng)度': {8:?強(qiáng), 9:?較強(qiáng), :?強(qiáng), 11:?較強(qiáng), 12:?強(qiáng), 13:?強(qiáng), 14:?強(qiáng), 15:?強(qiáng), 16:?強(qiáng)}}}

用Matplotlib展示如圖1-5所示（其中葉結(jié)點(diǎn)的阿拉伯?dāng)?shù)字1，2，3，4分別代表密碼強(qiáng)度弱，一般，較強(qiáng)強(qiáng)）。通過(guò)決策樹我們更能清晰地觀察到，密碼強(qiáng)度與密碼種類強(qiáng)相關(guān)，密碼種類越多，相同密碼位數(shù)的密碼強(qiáng)度越強(qiáng)。

圖1-5密碼強(qiáng)度決策樹

環(huán)境搭建，測(cè)試實(shí)驗(yàn)

搭建Kubernetes的方式有很多，在研究過(guò)程中，經(jīng)過(guò)從最初的在本地虛擬機(jī)原生搭建1.6，在阿里云服務(wù)器上用Kubeadm搭建1.8，本地虛擬機(jī)Kubeadm搭建1.10，本地Vagrant搭建1.11，谷歌云服務(wù)器Kubernets Engine直接搭建1.12等實(shí)驗(yàn)。發(fā)現(xiàn)本地原生搭建是最麻煩的，因?yàn)榧捍罱ㄟ^(guò)程中需要通過(guò)自創(chuàng)建各種證書，一步步的安裝各個(gè)組件和啟動(dòng)各個(gè)節(jié)點(diǎn)，較繁瑣。谷歌云直接用Kubnernets引擎搭建是最迅捷的，只需要選擇需要版本就可以。綜合考慮研究部分步驟的必要性及通用性價(jià)值，最終選擇在阿里云服務(wù)器采用Kubeadm搭建，Kubeadm是官方提供的自動(dòng)化安裝工具，自動(dòng)配置了必要的服務(wù)和安全的認(rèn)證，主要組件都變成Pod而非操作系統(tǒng)進(jìn)程，這樣可以不斷檢測(cè)其狀態(tài)并且進(jìn)行相應(yīng)的容錯(cuò)處理，本章主要內(nèi)容就是借助Kubeadm搭建高可用Kuberntes集群，并講述了在部分核心資源不可獲取時(shí)如何應(yīng)對(duì)[10]。

1. Docker及Docker-Registry搭建

1.1 安裝Docker

Docker安裝相對(duì)Etcd比較簡(jiǎn)單，可以選擇如下三種方式之一：

1）通過(guò)配置軟件源安裝：

官方源：

為了確認(rèn)所下載軟件包的合法性，需要添加軟件源的 GPG 密鑰，命令參考如下：?

curl -fsSL https://download.docker.com/linux/debian/gpg&gt; key.gpg apt-key?add?key.gpg

然后，我們需要向 source.list 中添加 Docker CE 軟件源：? ?

sudo add-apt-repository \ "deb [arch=amd64] https://mirrors.ustc.edu.cn/docker-ce/linux/debian \ $(lsb_release -cs) \ stable"

國(guó)內(nèi)源：

curl -fsSL https://mirrors.aliyun.com/docker-ce/linux/debian/gpg | sudo apt-key add - sudo add-apt-repository \ "deb [arch=amd64] https://mirrors.aliyun.com/docker-ce/linux/debian \ $(lsb_release -cs) \ stable"

然后執(zhí)行更新安裝

apt-get update apt-get install docker-ce

2）腳本安裝：

?Docker?官方為了簡(jiǎn)化安裝流程，提供了一套便捷的安裝腳本

curl -fsSL get.docker.com -o get-docker.sh sh get-docker.sh --mirror Aliyun

執(zhí)行此命令后，腳本就會(huì)自動(dòng)將一切準(zhǔn)備工作做好，并把 Docker CE 的 Edge 版本安裝在系統(tǒng)中。?

3）二進(jìn)制安裝：

下載，解壓，復(fù)制相關(guān)文件到指定目錄：

wget https://get.docker.com/builds/Linux/x86_64/docker-17.05.0-ce.tgz tar -xvf docker-17.05.0-ce.tgz cp docker/docker* /usr/local/bin/ cp docker/completion/bash/docker /etc/bash_completion.d/

配置/etc/systemd/system/docker.service：

[Unit] Description=Docker Application Container Engine Documentation=http://docs.docker.io [Service] Environment="PATH=/usr/local/bin:/bin:/sbin:/usr/bin:/usr/sbin" EnvironmentFile=-/run/flannel/docker ExecStart=/usr/bin/dockerd --log-level=error $DOCKER_NETWORK_OPTIONS ExecReload=/bin/kill -s HUP $MAINPID Restart=on-failure RestartSec=5 LimitNOFILE=infinity LimitNPROC=infinity LimitCORE=infinity Delegate=yes KillMode=process [Install] WantedBy=multi-user.target

啟動(dòng)：

systemctl enable docker systemctl start docker

1.2 Docker-Registry搭建

有了Docker，搭建Docker-Registry就更簡(jiǎn)單了，借助于Registry鏡像，可以用如下命令一鍵搭建：

docker run -d \ -p 5000:5000 \ -v /opt/registry/data:/var/lib/registry \ --restart=always \ --name registry \ registry

除此外可以利用Nginx作為反向代理打造私有registry，還可以順帶定制化域名訪問(wèn)，比如localtest.registry..com:9000，如下就是nginx反向代理做的簡(jiǎn)單登錄認(rèn)證相關(guān)命令及配置：

htpasswd -c /etc/nginx/docker-registry.passwd password server { listen 9000; auth_basic "Dokcer-registryAccess"; auth_basic_user_file /etc/nginx/dokcer-registry.passwd; location / { proxy_pass http://ip:5000; } }

當(dāng)然除此外如果需要外網(wǎng)訪問(wèn)并對(duì)安全有更高要求，依然可以通過(guò)Nginx添加SSL證書，開啟相關(guān)配置使用HTTPS方式請(qǐng)求。

這里需要注意的是，搭建好Kubernetes后需要添加本地指定的Docker-registry，使用如下命令，不然默認(rèn)是連接docker.hub。

kubectl create secret docker-registry --docker-server=localtest.registry.com:9000 --docker-username=username --docker-password=password --docker-email=username@xxmail.com

2. Etcd集群搭建

前面已經(jīng)提到了Etcd的原理和用途，在這里Ectd作為Kubernetes集群中非常重要的組件，用以存儲(chǔ)集群中所有的網(wǎng)絡(luò)配置及相關(guān)對(duì)象的狀態(tài)信息。

2.1二進(jìn)制模式安裝

下載二進(jìn)制文件，解壓，然后拷貝到指定目錄，命令參考如圖2-1。

圖2-1 Etcd二進(jìn)制下載相關(guān)命令

分別在三個(gè)服務(wù)器節(jié)點(diǎn)按圖2-2所示命令進(jìn)行配置。

圖2-2 Etcd二進(jìn)制安裝命令

上述配置，name是節(jié)點(diǎn)名稱，initial-advertise-peer-urls是集群其他節(jié)點(diǎn)地址，listen-peer-urls是用于與其他節(jié)點(diǎn)通訊的監(jiān)聽地址，advertise-client-urls是知客戶端地址，initial-cluster-token 是集群的ID，initial-cluster是集群中所有節(jié)點(diǎn)，initial-cluster-state是集群狀態(tài)是初始化還是已存在。除此外還有很多參數(shù)，比較重要的比如data-dir 指定節(jié)點(diǎn)的數(shù)據(jù)存儲(chǔ)目錄，這些數(shù)據(jù)包括節(jié)點(diǎn)ID，集群ID，集群初始化配置，Snapshot文件等。再就是可以通過(guò)安全相關(guān)參數(shù)即ca-file，cert-file，key-file配置TLS模式，實(shí)現(xiàn)更安全的模式。

集群建立后，可以通過(guò)curl http://10.0.30.101:2379/v2/members或etcdctl命令查看集群信息，具體如圖2-3所示。

圖2-3 Etcd集群狀態(tài)信息

2.2 Docker模式搭建

Docker方式跟二進(jìn)制方式大同小異，只是每個(gè)ectd節(jié)點(diǎn)運(yùn)行在一個(gè)docker容器中，具體命令如圖2-4所示。

圖2-4 Docker搭建Etcd命令（1）

圖2-4 Docker搭建Etcd命令（2）

3. Kubernetes集群搭建

3.1 安裝Kubeadm、Kubelet、Kubectl

網(wǎng)絡(luò)正常及有正?？捎胊pt源的時(shí)候很簡(jiǎn)單，就是簡(jiǎn)單的如下更新安裝：apt-get update&&apt-get install Kubeadm Kubelet Kubectl，這里額外介紹一種在研究初期無(wú)安裝源及無(wú)可用命令行翻墻配置時(shí)的方式。

1）翻墻下載packages索引

https://packages.cloud.google.com/apt/dists/Kubernetes-xenial/main/binary-amd64/Packages

這里選擇1.8版本，具體索引如下：

2）根據(jù)Filename下載對(duì)應(yīng)的deb

https://packages.cloud.google.com/apt/pool/Kubeadm_1.8.0-00_amd64_22842ddc6d1ffabc04718f384ac001ffa56324cc61e6c3a7c991337bf3e39e06.deb https://packages.cloud.google.com/apt/pool/Kubectl_1.8.0-00_amd64_9bd409d2a0300d4b550cd2a7fd2eca6437ea0767805f6fd807912b245ec949ed.deb https://packages.cloud.google.com/apt/pool/Kubelet_1.8.0-00_amd64_00b7c77c924d654c7def52c83cfeb9a3d1836c1e7b40683c3fe8207b0bd299d1.deb

3）構(gòu)建本地軟件源并更新安裝

dpkg-scanpackages ./| gzip - &gt; ./Packages.gz apt-get update apt-get install Kubeadm apt-get install Kubelet apt-get install Kubectl

4）配置kubeadm init?的配置文件

由于在新版本中，kubeadm init已經(jīng)廢棄了--external-etcd-endpoints參數(shù)，所以要引用外部高可用Etcd集群，我們需要手動(dòng)為Kubeadm創(chuàng)建yaml配置文件kube-config.yaml，然后執(zhí)行kubeadm init --config=kube-config.yaml，Ectd相關(guān)配置如圖2-5所示：

圖2-5 Kubeadm初始化時(shí)Kube-config.yaml配置文件

3.2 Kubeadm初始化

1）準(zhǔn)備相關(guān)鏡像

因?yàn)镵ubeadm在初始化集群時(shí)候拉取gcr.io中的鏡像也要求能夠科學(xué)上網(wǎng)，雖然目前已經(jīng)有一些網(wǎng)站提供相關(guān)鏡像，但為了更快速尤其是用到指定版本或最新版本，這里借助于dockerhub的Configure Automated Builds，依據(jù)Github的Dockerfile轉(zhuǎn)存谷歌容器倉(cāng)庫(kù)（gcr.io）的鏡像，轉(zhuǎn)存命令很簡(jiǎn)單，以調(diào)度器為例：

FROM gcr.io/google_containers/kube-scheduler-amd64:v1.6.0，具體Dockerhub配置如圖2-6所示。

圖2-6 Dockerhub?配置Github自動(dòng)構(gòu)建圖

之后通過(guò)命令拉取下來(lái)重新打一下標(biāo)簽就行：

docker pull raysail/kube-scheduler-amd64:v1.8.0 dockertag raysail/kube-scheduler-amd64:v1.8.0 gcr.io/google_containers/kube-scheduler-amd64:v1.8.0

需要轉(zhuǎn)存的鏡像鏡像列表如下：

gcr.io/google_containers/kube-scheduler-amd64:v1.8.0 gcr.io/google_containers/kube-apiServer-amd64:v1.8.0 gcr.io/google_containers/kube-controller-manager-amd64:v1.8.0 gcr.io/google_containers/kube-proxy-amd64:v1.8.0 gcr.io/google_containers/k8s-dns-Kube-dns-amd64:1.14.5 gcr.io/google_containers/k8s-dns-dnsmasq-nanny-amd64:1.14.5 gcr.io/google_containers/k8s-dns-sidecar-amd64:1.14.5

不同版本對(duì)應(yīng)相關(guān)鏡像不一樣，具體可以參照生成的相關(guān)Manifests或者打印出的日志以及初始化時(shí)的日志或通過(guò)Kubectl logs查看對(duì)應(yīng)的pod日志。

另外，為了使Flannel正常工作，Kubernetes官方文檔指出，在Kubeadm init 時(shí)候必須要追加--pod-network-cidr=10.244.0.0/16參數(shù)[10]。因?yàn)樯厦嬖谝胪獠扛呖捎肊tcd集群時(shí)已經(jīng)采用了Kubeadm的配置文件方式，且Flannel的CIDR配置參數(shù)不能用--config同時(shí)存在，所以需要在Kube-config.yaml文件中增加如下兩行配置:

networking: podSubnet: 10.244.0.0/16

Kubeadm初始化成功后，可以用命令檢查組件狀態(tài)

kubectl get componentstatuses，執(zhí)行結(jié)果如圖2-7所示。

圖2-7 Kubernetes集群初始化后組件健康信息

3.3安裝Flannel

因?yàn)橐呀?jīng)安裝了Kubectl，Flannel可以直接用Kubernetes的形式安裝，命令如下:

kubectl apply -f https://raw.githubusercontent.com/coreos/flannel/v0.9.0/Documentation/kube-flannel.yml

需要注意的是跟如上鏡像一樣，到https://hub.docker.com的Configure Automated Builds中轉(zhuǎn)存一下quay.io/coreos/flannel:v0.9.0-amd64。

3.4 加入Nodes

Kubeadm初始化后會(huì)生成一個(gè)token，用此token通過(guò)命令:kubeadm join --token 86d22a.123582ce916b31fc 10.0.30.104:6443加入節(jié)點(diǎn)，分別在Master之外的兩臺(tái)機(jī)器執(zhí)行上述命令后，Kubelet會(huì)分別在兩臺(tái)Node上啟動(dòng)Flannel和Kube-proxy，如圖2-8所示。

圖2-8 Kuberntes集群搭建完成pod示例圖

4. 密碼評(píng)測(cè)微服務(wù)搭建部署

4.1 構(gòu)建服務(wù)鏡像

因?yàn)閮蓚€(gè)基于機(jī)器學(xué)習(xí)的密碼強(qiáng)度評(píng)測(cè)算法都是用Python實(shí)現(xiàn)的，而其中因?yàn)樯婕暗胶芏鄶?shù)組或矩陣的運(yùn)算，所以需要Python的NumPy（Numerical Python）庫(kù)的支持，NumPy是Python 的一個(gè)擴(kuò)展程序庫(kù)，支持高維數(shù)組和矩陣運(yùn)算，除此外也對(duì)數(shù)組運(yùn)算提供大量的數(shù)學(xué)函數(shù)庫(kù)。安裝Numpy的方式有很多，可以用Pip或Apt-get 等進(jìn)行安裝，因?yàn)槌诉@個(gè)庫(kù)還有一些依賴庫(kù)，比如Matplotlib等，這里我們使用數(shù)據(jù)分析較常用的Anaconda這個(gè)支持 Linux, Windows 和 Mac 系統(tǒng)，用于大規(guī)模數(shù)據(jù)處理,預(yù)測(cè)分析和科學(xué)計(jì)算并致力于簡(jiǎn)化包的管理和部署的Python免費(fèi)發(fā)行版。

Anaconda的安裝比較簡(jiǎn)單，這里就不做贅述，為了方便直接使用Dockerhub上比較受歡迎的continuumio/anaconda鏡像作為基礎(chǔ)鏡像構(gòu)建我們的微服務(wù)鏡像，Dockerfile如圖2-9和圖2-10所示。

圖2-9?基于K最近鄰密碼強(qiáng)度評(píng)測(cè)Dockerfile

構(gòu)建鏡像：docker build -t localtest.registry..com:9000/knnpassord:v1 .

運(yùn)行測(cè)試：docker run -d -p 6666:6666 raysail/knnpassord:v1

提交倉(cāng)庫(kù)：docker push localtest.registry.com:9000/knnpassord:v1

圖2-10?基于決策樹密碼強(qiáng)度評(píng)測(cè)Dockerfile

構(gòu)建鏡像：docker build -t localtest.registry..com:9000/dtpassord:v1 .

運(yùn)行測(cè)試：docker run -d -p8888:6666 raysail/dtpassord:v1

提交倉(cāng)庫(kù)：docker push localtest.registry.com:9000/dtpassord:v1

4.2 Kubnerntes中運(yùn)行為服務(wù)

分別創(chuàng)建副本數(shù)為3的knn-password Deployment ,descisiontree-password Depoyment ，如圖2-11和圖2-12，并分別創(chuàng)建兩個(gè)service如圖2-13和圖2-14：

圖2-11?基于KNN的密碼強(qiáng)度評(píng)測(cè)微服務(wù)Deployment

圖2-12?基于決策樹的密碼強(qiáng)度評(píng)測(cè)微服務(wù)Deployment

圖2-13?基于KNN的密碼強(qiáng)度評(píng)測(cè)微服務(wù)Service

圖2-14?基于決策樹的密碼強(qiáng)度評(píng)測(cè)微服務(wù)Service?

? kubnerntes資源查看如圖2-15。

圖2-15?密碼評(píng)測(cè)微服務(wù)創(chuàng)建后kubnertes pod和service視圖

用kubectl describe 命令查看服務(wù)可以看到每個(gè)服務(wù)后端掛載有三個(gè)pod，以實(shí)現(xiàn)容災(zāi)和負(fù)載均衡，具體如圖2-16所示。

圖2-16 kubectl describe命令查看服務(wù)視圖

4.3 驗(yàn)證服務(wù)可用性及準(zhǔn)確性

兩個(gè)密碼強(qiáng)度評(píng)測(cè)微服務(wù)的protobuf定義如圖2-17和圖2-18所示。

圖2-17 K最近鄰密碼強(qiáng)度評(píng)測(cè)Protobuf定義

圖2-18?決策樹密碼強(qiáng)度評(píng)測(cè)Protobuf定義?

分別用golang和php的客戶端測(cè)試基于Knn的密碼強(qiáng)度評(píng)測(cè)微服務(wù)和基于決策樹的密碼強(qiáng)度評(píng)測(cè)微服務(wù)可以正常返回。用如下命令分別生成golang客戶端樁函數(shù)和php客戶端樁函數(shù)：

protoc --go_out=plugins=grpc:./ ./password.proto protoc --php_out=./ --plugin=protoc-gen-grpc=/usr/local/bin/grpc_php_plugin ./password.proto

5. 持續(xù)集成和滾動(dòng)更新實(shí)現(xiàn)

5.1 基于Gitolite的Hook技術(shù)

主要算法思想是利用Git的服務(wù)端Hook——post-receive來(lái)觸發(fā)Push代碼后的操作，也就是提交代碼后可以根據(jù)分支以及具體的Log中的關(guān)鍵字來(lái)相應(yīng)的執(zhí)行包括但不限于單元測(cè)試，構(gòu)建鏡像，自動(dòng)部署等操作。

具體可參加如下Shell腳本（處理階段的自動(dòng)化腳本處理和Jenkins觸發(fā)處理注釋了，可選擇其中一種或別的方式）

#!/bin/bash branch="" services=("KNNPasswordService" "DTPasswordService") while read oldrev newrev ref do branch=`echo $ref | cut -d/ -f3` if [ $branch != "master" ]; then echo "-----not master, exit post receive shell------" exit; fi echo "-----shell start------" gitLog=`git log --name-status -1` for var in ${services[@]}; do if [[ -n `echo $gitLog |grep $var` ]]; then sh /home/raysail/Kubeauto/autopublish.sh $var &amp; #curl -X POST http://10.0.30.202:8900/job/PasswdService/build fi done done

5.2 基于Kubeapi的滾動(dòng)升級(jí)

具體主要Shell Code如圖2-19所示。

圖2-19 Kubeapi主要Shell code?

總結(jié)與展望

本文歷經(jīng)近半年，拋開公司內(nèi)已有組件，盡可能從源頭出發(fā)，經(jīng)過(guò)閱讀相關(guān)文獻(xiàn)，專著，開源網(wǎng)站及相關(guān)技術(shù)源碼，以及平時(shí)工作中的實(shí)踐演練和相關(guān)同學(xué)的討論，理論聯(lián)系實(shí)踐，經(jīng)過(guò)業(yè)務(wù)抽象，最終實(shí)現(xiàn)以K近鄰算法和決策樹算法為算法依據(jù)的基于機(jī)器學(xué)習(xí)的密碼評(píng)測(cè)微服務(wù)，并把微服務(wù)部署到Kubenrnetes集群上及進(jìn)行了可行性和正確性驗(yàn)證。從微服務(wù)的單一職責(zé)，自治性，領(lǐng)域驅(qū)動(dòng)設(shè)計(jì)等設(shè)計(jì)原則開始，研究了其相關(guān)技術(shù)棧，包括但不限于容器虛擬化技術(shù)，服務(wù)發(fā)現(xiàn)注冊(cè)技術(shù)，異構(gòu)系統(tǒng)通信機(jī)制，持續(xù)集成交付部署等，文中很多組件的原理圖都是在基于理論和實(shí)踐后的原創(chuàng)繪制，對(duì)于很多大型的系統(tǒng)架構(gòu)設(shè)計(jì)及軟件基礎(chǔ)架構(gòu)設(shè)計(jì)這些都是可以借鑒的資料。

在以上研究基礎(chǔ)上，經(jīng)過(guò)學(xué)習(xí)考試，通過(guò)了Google和CNCF（Cloud Native Computing Foundation）聯(lián)合推出的CKA（Certified Kubernetes Administrator）認(rèn)證，通過(guò)備考的大量實(shí)踐演練，進(jìn)一步加深了自動(dòng)部署、擴(kuò)展和管理容器化的開源框架Kubernetes原理的認(rèn)知，也更加相信未來(lái)此系統(tǒng)會(huì)被大規(guī)模采納并應(yīng)用到更多的企業(yè)和技術(shù)領(lǐng)域。?此外在云計(jì)算和大數(shù)據(jù)迅猛發(fā)展的今天，機(jī)器學(xué)習(xí)被越來(lái)越多的應(yīng)用到各行各業(yè)中，而機(jī)器學(xué)習(xí)應(yīng)用的工程化，自動(dòng)化和平臺(tái)化亟需普及和建設(shè)，這也是依托Kubernetes集群進(jìn)行基于機(jī)器學(xué)習(xí)的微服務(wù)實(shí)踐的原因，當(dāng)然密碼作為一直都很重要的安全行業(yè)的重要組成部分，作為本文技術(shù)架構(gòu)下的核心業(yè)務(wù)部分也是本文的重點(diǎn)工作。

當(dāng)然本文還有很多優(yōu)化和后續(xù)工作需要做，主要是如下幾點(diǎn)。性能方面：借助Golang語(yǔ)言特性重構(gòu)訓(xùn)練模型，進(jìn)行計(jì)算性能優(yōu)化；應(yīng)用Traefik Ingress等K8S負(fù)載均衡技術(shù)，對(duì)外提供服務(wù)的同時(shí)并提升優(yōu)化負(fù)載能力。業(yè)務(wù)方面：采用機(jī)器學(xué)習(xí)Tensorflow等庫(kù)或框架，讓平臺(tái)的機(jī)器學(xué)習(xí)應(yīng)用多樣化，標(biāo)準(zhǔn)化；引入單元測(cè)試、集成測(cè)試、功能測(cè)試、性能測(cè)試等多維度測(cè)試保證服務(wù)可靠性。部署方面：應(yīng)用支持眾多組件及自定義腳本的Jinkens使持續(xù)集成可視化；Kubernetes高可用部署，多Master集群，進(jìn)一步提高容災(zāi)能力。監(jiān)控方面：應(yīng)用Prometheus相關(guān)技術(shù)對(duì)集群進(jìn)行進(jìn)一步日志及狀態(tài)監(jiān)控；應(yīng)用Alertmanger等技術(shù)對(duì)集群異常進(jìn)行微信，短信郵件等告警；架構(gòu)方面：Service Mesh（istio）技術(shù)應(yīng)用，解耦服務(wù)的重試、監(jiān)控、追蹤，發(fā)現(xiàn)等。除了上述優(yōu)化和后續(xù)工作，對(duì)于多服務(wù)下的分布式事物和服務(wù)治理相關(guān)以及熔斷、限流、降級(jí)等相關(guān)問(wèn)題的應(yīng)用會(huì)在下一期講述，敬請(qǐng)期待。

?

參考文獻(xiàn)

[1]?J. Bonneau, C. Herley, P. van Oorschot, and F. Stajano, “Passwords and the evolution of imperfect authentication,” Commun. of the ACM, vol. 58, no. 7, pp. 78–87, 2015.

[2]?J. Yan, A. F. Blackwell, R. J. Anderson, and A. Grant, “Password memorability and security: Empirical results.” IEEE Secur. & priv., vol. 2, no. 5, pp. 25–31, 2004.

[3]?W. Cheswick, “Rethinking passwords,” Commun. of the ACM, vol. 56, no. 2, pp. 40–44, 2013.

[4]?嚴(yán)霄鳳.基于熵的密碼強(qiáng)度估計(jì).?網(wǎng)絡(luò)安全技術(shù)與應(yīng)用?,?2012(11):36-38

[5]?Ding Wang, Debiao He, Haibo Cheng, Ping Wang. fuzzyPSM- A New Password Strength Meter Using Fuzzy Probabilistic Context-Free Grammars. IEEE/IFIP International Conference on Dependable Systems and Networks, 2016 :595-606

[6]?周志華.?機(jī)器學(xué)習(xí):Machine learning[M].?清華大學(xué)出版社, 2016.

[7]?Vijaya M S , Jamuna K S , Karpagavalli S . Password Strength Prediction Using Supervised Machine Learning Techniques[C]// International Conference on Advances in Computing. IEEE, 2010.

[8]?G Suganya，S Karpgavalli，?V Christina. Proactive Password Strength Analyzer Using Filters and Machine Learning Techniques. International Conference on Advances in Computing , 2010:401-405

[9]?(美)米歇爾?(Mitchell T.M.)著，曾華軍等譯. 計(jì)算機(jī)科學(xué)叢書:機(jī)器學(xué)習(xí). 北京：機(jī)械工業(yè)出版社，2003.1, ?8:165~177

[10] Kubernetes. Using Kubeadm to Create a Cluster [EB/OL]. https://kubernetes.io/docs/setup/independent/create-cluster-kubeadm, 2017.10

總結(jié)

以上是生活随笔為你收集整理的微服务架构系列二：密码强度评测的实现与实验的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。