大家好，前九篇我们已经搭建了一个 “高可用、高并发、可管理、可排查、高安全、可观测” 的生产级微服务基础集群：通过 Nacos 实现配置的统一管理与加密，通过 OpenFeign+Ribbon 实现服务通信与负载均衡，通过 Resilience4j 实现贴合业务的降级兜底，通过 Spring Cloud Gateway 实现统一入口管控，通过 Sleuth+Zipkin+ELK 实现链路追踪与日志集中收集，通过 Spring Boot Admin 实现实时监控告警。但在实际落地过程中，还存在一个核心痛点：微服务部署繁琐—— 本地开发时需要逐个启动 Nacos、ES、Kibana、Filebeat、多个微服务，步骤多且易出错；服务器部署时环境配置不一致，导致 “本地能跑、服务器报错”。今天就聚焦微服务 “服务编排” 核心需求，手把手教大家用 Docker+Compose 实现微服务容器化部署，一键启动所有服务，解决环境不一致、部署繁琐的痛点，全程实操，新手跟着走就能掌握！

温馨提示：实操前请确认前提（避免踩坑）：
① 已完成前九篇实操，所有微服务能本地正常运行；
② 版本保持一致：Spring Boot 2.6.13 + Spring Cloud Hoxton.SR12 + Nacos 2.0.7 + Docker 20.10.x + Docker Compose 2.20.x；
③ 已安装 Docker Desktop（Windows/Mac）或 Docker 引擎（Linux），并确保 Docker 正常运行；④ 重点注意：容器化核心是 “镜像构建 + 服务编排”，无需修改微服务业务代码，仅需添加配置文件；⑤ 建议提前备份本地微服务代码（避免实操中误改）。

一、先搞懂：容器化部署，解决微服务部署核心痛点

前九篇我们采用 “本地手动启动” 的方式运行微服务，这种方式在开发 / 测试 / 生产环境中都存在致命问题，核心痛点有 3 个：

  1. 部署步骤繁琐：启动一个完整的微服务集群需要依次启动 Nacos→Zipkin→ES→Kibana→Filebeat→user-service→order-service→gateway-service→SBA Server，共 9 个服务，手动操作耗时且易漏启动；
  2. 环境不一致：开发机、测试服务器、生产服务器的 JDK 版本、依赖库、配置路径可能不同，导致 “本地能跑、服务器报错”（经典的 “我本地没问题” 问题）；
  3. 资源隔离差：所有服务运行在同一台机器的同一个 JVM / 进程中，一个服务占用过多资源会影响其他服务，且服务崩溃可能导致整个机器进程异常；

而 Docker+Compose 容器化部署正是解决这些痛点的最优方案：

  • Docker：将每个服务（微服务 / Nacos/ES 等）打包成 “镜像”，镜像包含服务运行所需的所有环境（JDK、依赖、配置），实现 “一次打包、到处运行”，彻底解决环境不一致问题；
  • Docker Compose：通过一个docker-compose.yml文件定义所有服务的启动规则（镜像、端口、依赖、网络、数据持久化），执行docker-compose up -d即可一键启动所有服务，无需逐个操作；
  • 核心价值：环境一致化、部署一键化、资源隔离化，适配开发 / 测试 / 生产全环境的部署需求，是微服务落地的必经之路。

核心概念拆解（新手必记，避免混淆）

  1. Docker 核心概念：
  • 镜像（Image）：服务的 “安装包”，包含运行服务所需的代码、依赖、环境配置，只读不可修改；
  • 容器（Container）：镜像的运行实例，一个镜像可以启动多个容器，容器之间资源隔离；
  • Dockerfile：构建镜像的 “脚本”，定义如何从基础镜像（如 JDK8）构建出当前服务的镜像；
  1. Docker Compose 核心概念：
  • 服务（Service）：一个服务对应一个容器（如 nacos 服务、order-service 服务）；
  • 网络（Network）：Compose 会自动创建专属网络，所有服务在同一网络内可通过服务名互相访问（如 order-service 容器可通过nacos:8848访问 Nacos）；
  • 数据卷（Volume）：实现容器内数据持久化（如 Nacos/ES 的数据存储到宿主机，容器删除后数据不丢失）。

补充：为什么选择 Docker+Compose 而非直接用 K8s？（新手必看）
K8s（Kubernetes）是生产级的容器编排工具，功能强大但配置复杂，适合大规模微服务集群（数十 / 数百个服务）；
Docker Compose 轻量、配置简单，适合中小规模微服务集群（10 个以内服务），新手易上手，能快速实现 “一键部署”；
学习路径：先掌握 Docker+Compose（入门），再进阶学习 K8s（生产），符合新手循序渐进的学习逻辑。

二、实操核心：微服务容器化部署（Docker+Compose）

本篇实操分为三大模块、8 个核心步骤，从 “镜像构建” 到 “一键编排”，完整实现所有微服务的容器化部署：
模块一：环境准备（2 步）
① 验证 Docker 环境；
② 配置 Docker 国内镜像源（加速镜像下载）；

模块二：构建微服务镜像（3 步）
① 给每个微服务编写 Dockerfile；
② 构建微服务镜像；
③ 验证镜像构建成功；

模块三：Compose 一键编排（3 步）
① 编写docker-compose.yml（定义所有服务）；
② 一键启动所有服务；
③ 验证容器化部署效果；

重点说明：本次实操覆盖的服务包括：Nacos、Zipkin、ES、Kibana、Filebeat、user-service、order-service、gateway-service、SBA Server，共 9 个服务，全部通过 Compose 一键启动。

三、模块一：环境准备（核心前提）

3.1 第一步：验证 Docker 环境

  1. 打开终端（Windows：CMD/PowerShell，Mac/Linux：Terminal），执行以下命令验证 Docker 是否安装成功：
# 查看Docker版本
docker -v
# 查看Docker Compose版本
docker compose version
# 验证Docker服务是否运行
docker info
  1. 预期结果：命令无报错，显示 Docker/Compose 版本信息，说明环境正常；
    （若报错 “Docker daemon is not running”，需启动 Docker Desktop 或 Docker 服务）

3.2 第二步：配置 Docker 国内镜像源（加速下载）

Docker 默认镜像源在国外，下载速度慢，配置国内镜像源（阿里云 / 网易）：

  1. Windows/Mac：打开 Docker Desktop → Settings → Docker Engine → 在registry-mirrors中添加：
{
  "registry-mirrors": [
    "https://docker.mirrors.ustc.edu.cn",
    "https://hub-mirror.c.163.com",
    "https://cr.console.aliyun.com/",
    "https://docker.1ms.run",
        "https://docker.xuanyuan.me"
  ]
}

  1. Linux：编辑/etc/docker/daemon.json文件，添加上述镜像源，执行systemctl restart docker重启 Docker；

  2. 验证：执行docker info，在输出中能看到配置的镜像源，说明生效。

四、模块二：构建微服务镜像（核心，一次打包到处运行）

我们以order-service为例讲解 Dockerfile 编写和镜像构建，user-service、gateway-service、sba-server的配置几乎一致，仅需修改少量参数。

4.1 第一步：给微服务编写 Dockerfile

  1. 进入order-service项目根目录，新建文件Dockerfile（无后缀），内容如下：
# 基础镜像：JDK8（和Spring Boot 2.6.x兼容）
FROM openjdk:8-jdk-alpine
# 维护者信息（可选）
MAINTAINER xxx <your-email@xxx.com>
# 设置工作目录
WORKDIR /app
# 复制打包后的jar包到容器中（注意：需先打包微服务为jar包）
COPY target/order-service-0.0.1-SNAPSHOT.jar /app/order-service.jar
# 暴露端口（和微服务配置的端口一致）
EXPOSE 8082
# 启动命令（指定Nacos地址为容器名，后续Compose网络中可访问）
ENTRYPOINT ["java","-jar","/app/order-service.jar","--spring.cloud.nacos.discovery.server-addr=nacos:8848","--spring.cloud.nacos.config.server-addr=nacos:8848"]

关键说明：

  • FROM openjdk:8-jdk-alpine：选择轻量的 Alpine 版本 JDK8，减少镜像体积；
  • COPY：需先执行mvn clean package -DskipTests将微服务打包为 jar 包，放在target目录；
  • ENTRYPOINT：启动命令中指定 Nacos 地址为nacos:8848（Compose 中 Nacos 服务名），而非localhost:8848（容器内localhost≠宿主机localhost）；
  • 暴露端口需和微服务配置的server.port一致（order-service 为 8082）。
  1. 给其他微服务编写 Dockerfile（仅修改标注部分）：
  • user-service：
FROM openjdk:8-jdk-alpine
MAINTAINER xxx <your-email@xxx.com>
WORKDIR /app
COPY target/user-service-0.0.1-SNAPSHOT.jar /app/user-service.jar
EXPOSE 8081
ENTRYPOINT ["java","-jar","/app/user-service.jar","--spring.cloud.nacos.discovery.server-addr=nacos:8848","--spring.cloud.nacos.config.server-addr=nacos:8848"]
  • gateway-service：
FROM openjdk:8-jdk-alpine
MAINTAINER xxx <your-email@xxx.com>
WORKDIR /app
COPY target/gateway-service-0.0.1-SNAPSHOT.jar /app/gateway-service.jar
EXPOSE 8080
ENTRYPOINT ["java","-jar","/app/gateway-service.jar","--spring.cloud.nacos.discovery.server-addr=nacos:8848","--spring.cloud.nacos.config.server-addr=nacos:8848"]
  • sba-server：
FROM openjdk:8-jdk-alpine
MAINTAINER xxx <your-email@xxx.com>
WORKDIR /app
COPY target/sba-server-0.0.1-SNAPSHOT.jar /app/sba-server.jar
EXPOSE 8088
ENTRYPOINT ["java","-jar","/app/sba-server.jar","--spring.cloud.nacos.discovery.server-addr=nacos:8848"]

4.2 第二步：打包微服务并构建镜像

  1. 打包每个微服务：进入每个微服务根目录，执行 Maven 打包命令（需安装 Maven）：
# 跳过测试打包，避免测试用例影响
mvn clean package -DskipTests
  1. 构建镜像：进入每个微服务根目录，执行docker build命令构建镜像：
# 构建order-service镜像，标签为springcloud/order-service:1.0
docker build -t springcloud/order-service:1.0 .
# 构建user-service镜像
docker build -t springcloud/user-service:1.0 .
# 构建gateway-service镜像
docker build -t springcloud/gateway-service:1.0 .
# 构建sba-server镜像
docker build -t springcloud/sba-server:1.0 .

说明：-t指定镜像标签（名称：版本），. 表示 Dockerfile 在当前目录。

4.3 第三步：验证镜像构建成功
执行以下命令查看已构建的镜像：

docker images

预期结果：列表中能看到springcloud/order-service:1.0、springcloud/user-service:1.0等镜像，说明构建成功。

五、模块三：Compose 一键编排（核心，一键启动所有服务）

我们编写docker-compose.yml文件，定义所有服务的启动规则，实现 “一键启动”。
5.1 第一步：编写 docker-compose.yml
在任意目录（建议新建springcloud-compose目录）新建docker-compose.yml文件，内容如下：

version: '3.8'  # Compose版本，和Docker版本匹配

# 定义网络（所有服务在同一网络，可通过服务名访问）
networks:
  springcloud-network:
    driver: bridge

# 定义数据卷（持久化Nacos/ES数据）
volumes:
  nacos-data:
  es-data:

# 定义所有服务
services:
  # 1. Nacos服务
  nacos:
    image: nacos/nacos-server:v2.0.7  # Nacos镜像版本和之前一致
    container_name: nacos
    ports:
      - "8848:8848"  # 端口映射：宿主机8848→容器8848
    environment:
      - MODE=standalone  # 单机模式
      - JVM_XMS=512m
      - JVM_XMX=512m
    volumes:
      - nacos-data:/home/nacos/data  # 数据持久化
    networks:
      - springcloud-network
    restart: always  # 容器异常退出时自动重启

  # 2. Zipkin服务
  zipkin:
    image: openzipkin/zipkin:2.24  # Zipkin镜像
    container_name: zipkin
    ports:
      - "9411:9411"
    networks:
      - springcloud-network
    restart: always

  # 3. Elasticsearch服务
  elasticsearch:
    image: elasticsearch:7.17.0  # ES版本和之前一致
    container_name: elasticsearch
    ports:
      - "9200:9200"
      - "9300:9300"
    environment:
      - discovery.type=single-node  # 单机模式
      - ES_JAVA_OPTS=-Xms512m -Xmx512m
      - xpack.security.enabled=false
    volumes:
      - es-data:/usr/share/elasticsearch/data
    networks:
      - springcloud-network
    restart: always

  # 4. Kibana服务（依赖ES）
  kibana:
    image: kibana:7.17.0
    container_name: kibana
    ports:
      - "5601:5601"
    environment:
      - ELASTICSEARCH_HOSTS=http://elasticsearch:9200  # 访问ES的地址（服务名）
    depends_on:
      - elasticsearch  # 依赖ES，ES启动后再启动Kibana
    networks:
      - springcloud-network
    restart: always

  # 5. Filebeat服务（依赖ES）
  filebeat:
    image: elastic/filebeat:7.17.0
    container_name: filebeat
    volumes:
      # 挂载Filebeat配置文件（需提前编写filebeat.yml）
      - ./filebeat.yml:/usr/share/filebeat/filebeat.yml
      # 挂载微服务日志目录（宿主机→容器）
      - /var/lib/docker/volumes/springcloud-compose_order-service-logs/_data:/app/logs/order-service
      - /var/lib/docker/volumes/springcloud-compose_user-service-logs/_data:/app/logs/user-service
      - /var/lib/docker/volumes/springcloud-compose_gateway-service-logs/_data:/app/logs/gateway-service
    depends_on:
      - elasticsearch
    networks:
      - springcloud-network
    restart: always

  # 6. user-service服务（依赖Nacos）
  user-service:
    image: springcloud/user-service:1.0  # 本地构建的镜像
    container_name: user-service
    ports:
      - "8081:8081"
    volumes:
      - user-service-logs:/app/logs  # 日志持久化
    depends_on:
      - nacos
      - zipkin
    networks:
      - springcloud-network
    restart: always

  # 7. order-service服务（依赖Nacos、user-service）
  order-service:
    image: springcloud/order-service:1.0
    container_name: order-service
    ports:
      - "8082:8082"
    volumes:
      - order-service-logs:/app/logs
    depends_on:
      - nacos
      - zipkin
      - user-service
      - elasticsearch
    networks:
      - springcloud-network
    restart: always

  # 8. gateway-service服务（依赖Nacos、order-service）
  gateway-service:
    image: springcloud/gateway-service:1.0
    container_name: gateway-service
    ports:
      - "8080:8080"
    volumes:
      - gateway-service-logs:/app/logs
    depends_on:
      - nacos
      - order-service
    networks:
      - springcloud-network
    restart: always

  # 9. SBA Server服务（依赖Nacos）
  sba-server:
    image: springcloud/sba-server:1.0
    container_name: sba-server
    ports:
      - "8088:8088"
    depends_on:
      - nacos
      - user-service
      - order-service
    networks:
      - springcloud-network
    restart: always

# 新增日志数据卷（微服务日志持久化）
volumes:
  user-service-logs:
  order-service-logs:
  gateway-service-logs:

补充：Filebeat 配置文件（filebeat.yml）
在docker-compose.yml同级目录新建filebeat.yml，内容如下：

filebeat.inputs:
- type: log
  enabled: true
  paths:
    - /app/logs/user-service/*.log
    - /app/logs/order-service/*.log
    - /app/logs/gateway-service/*.log
  fields:
    service: "springcloud-demo"
  fields_under_root: true

output.elasticsearch:
  hosts: ["elasticsearch:9200"]
  index: "springcloud-log-%{+yyyy.MM.dd}"

setup.dashboards.enabled: false
setup.template.enabled: false

5.2 第二步：一键启动所有服务

  1. 进入docker-compose.yml所在目录，执行启动命令：
# 后台启动所有服务（-d：后台运行）
docker compose up -d
  1. 查看启动状态：
# 查看所有服务状态
docker compose ps

预期结果：所有服务的状态为Up，说明启动成功；若某服务状态为Exit，执行docker logs 容器名查看报错原因。

5.3 第三步：验证容器化部署效果

  1. 验证 Nacos：访问http://localhost:8848/nacos，能登录控制台，且服务列表中能看到user-service、order-service等服务；
  2. 验证接口访问：用 Postman 访问http://localhost:8080/gateway/order/create/1（携带 Token），能正常返回结果；
  3. 验证 ELK：访问http://localhost:5601，在 Kibana 中能看到微服务日志；
  4. 验证 SBA：访问http://localhost:8088，能看到所有微服务的监控状态；
  5. 验证数据持久化：停止容器（docker compose down）后重启，Nacos 配置、ES 日志数据不丢失。

六、实操总结与易错点复盘

本篇我们完成了微服务容器化部署的核心实操，实现了 “一次打包、一键部署”，核心收获如下：

  1. Docker 镜像构建核心：
  • 核心流程：编写 Dockerfile → 打包微服务 jar 包 → 构建镜像 → 验证镜像；
  • 关键知识点：基础镜像选择轻量版（Alpine）、容器内访问其他服务用 “服务名：端口”、暴露端口需和微服务一致；
  • 核心价值：镜像包含完整运行环境，解决 “环境不一致” 问题；
  1. Compose 编排核心：
  • 核心流程：编写 docker-compose.yml → 定义网络 / 数据卷 / 服务 → 一键启动 → 验证效果；
  • 关键知识点：所有服务在同一网络可通过服务名访问、数据卷实现持久化、depends_on定义服务依赖顺序；
  • 核心价值：一键启动所有服务，解决 “部署繁琐” 问题，提升部署效率；

新手必看易错点（重点避坑）

  1. 镜像构建失败：未执行mvn package打包 jar 包，或 Dockerfile 中COPY路径错误，需确保 jar 包在target目录；
  2. 容器内访问 Nacos 失败：启动命令中 Nacos 地址写localhost:8848（容器内localhost≠宿主机），需改为nacos:8848；
  3. ES 启动失败：内存配置不足，需在docker-compose.yml中设置ES_JAVA_OPTS=-Xms512m -Xmx512m；
  4. 服务依赖顺序错误：比如 gateway-service 先于 order-service 启动，导致网关无法注册，需通过depends_on定义依赖；
  5. 日志收集失败：Filebeat 挂载的日志目录路径错误，需确保宿主机日志目录正确映射到容器内；
  6. 端口冲突：宿主机端口被占用（如 8848 被本地 Nacos 占用），需关闭本地服务或修改 Compose 端口映射。

七、下一篇预告

本篇我们完成了微服务的容器化部署，解决了 “部署繁琐、环境不一致” 的核心痛点，让微服务集群具备了 “一键部署” 的能力。下一篇将讲解微服务进阶的核心痛点 ——分布式事务（Seata）实操，教大家解决 “跨服务数据一致性” 问题（比如下单扣库存时订单创建成功但库存扣减失败），实现微服务数据的最终一致性，筑牢生产环境的数据安全防线！
如果这篇实操教程对你有帮助，欢迎点赞、收藏、关注，实操过程中遇到任何问题（比如镜像构建失败、Compose 启动报错、容器间通信失败），都可以在评论区留言，我会逐一回复，帮大家解决新手踩坑问题～

# spring cloud # 微服务 # docker
Logo
亚马逊云科技技术品牌专区

更多推荐

open-code-review Codex 插件教程：对话式调用评审技能指南

本文是一份面向新手的 **open-code-review Codex 插件教程**，教你在 Codex 中通过对话式方式调用 open-code-review 的 AI 代码评审技能。open-code-review 是阿里巴巴开源的 AI 代码评审工具，采用"确定性流水线 + LLM Agent"混合架构，内置多语言评审规则（NPE、线程安全、XSS、SQL 注入等），可在 Codex 里用一

avatar 亚马逊云科技技术品牌专区

OBS Studio 完整指南：免费开源录屏与直播软件从零上手

想做一场像模像样的直播，或者把屏幕内容录成教程视频，但一想到商用软件的订阅费就有些犹豫？其实你不需要花一分钱。OBS Studio 是一款免费开源的直播与录屏软件，支持 Windows、macOS 和 Linux，采集、混音、编码、推流、录制，一条流水线全包了。## 先搞清楚 OBS Studio 是什么OBS Studio 是一个"场景化"的采集合成工具：你把摄像头、窗口、浏览器、图片、

avatar 亚马逊云科技技术品牌专区

如何用MediaCrawler爬取小红书抖音数据？7大平台爬虫从安装到实战完整指南

MediaCrawler 是一个支持小红书、抖音、快手、B站、微博、百度贴吧、知乎的开源自媒体数据采集工具。它能按关键词、按帖子、按创作者主页三种方式抓取笔记/视频内容、评论甚至二级评论，并把结果存成 JSON、CSV、Excel 或数据库。适合做市场调研、竞品监控、内容选题的运营人员，以及想要现成爬虫框架而不想从零写 JS 逆向的开发者。## 从一次"手动抄数据"说起想象这个场景：你负责

avatar 亚马逊云科技技术品牌专区