Update doc

doc/Offical_Docs/2-4_Kubernetes_CN.md

+# Kubernetes 集群部署
+
+Kubernetes 是一个基于容器技术的分布式架构的解决方案，是云原生容器集群管理系统，提供服务发现与负载均衡、存储编排、自动部署和回滚、资源管理、自动恢复以及密钥和配置管理。Paddle Serving 支持 Kubenetes 集群部署方案，为企业级用户提供集群部署示例。
+
+## 部署方案
+
+为了解决 Pod 迁移、Node Pod 端口、域名动态分配等问题，选择使用 Ingress 解决方案，对外提供可访问的 URL、负载均衡、SSL、基于名称的虚拟主机等功能。在众多 Ingress 插件中选用 Kong 作为微服务的 API 网关，因其具备以下优势：
+- 拥有丰富的微服务功能，如 API认证、鉴权、DDos保护和灰度部署等
+- 提供一些 API、服务的定义，可抽象成 Kubernetes 的 CRD，通过 Kubernetes Ingress 配置实现同步状态到 Kong 集群
+- 集群配置信息存储在 postgres 数据库，配置信息实现全局节点共享和实时同步
+- 有成熟的第三方管理 UI，实现可视化管理 Kong 配置
+
+Paddle Serving 的 Kubernetes 集群部署方案设计如下图所示，用户流量通过 Kong Ingress 转发到 Kubernetes 集群。Kubernetes 集群负责管理 Service 和 Pod 实例。
+
+<p align="center">
+  <img src="../images/kubernetes_design.png" width="250">
+</p>
+
+## 部署步骤
+
+**一. 准备环境**
+
+推荐[购买并使用百度智能云 CCE 集群](https://cloud.baidu.com/doc/CCE/index.html)，提供完整的部署环境。如自行安装 Kubenetes 集群，请参考[教程](https://kubernetes.io/zh/docs/setup/)。
+
+此外，还需要准备一个用于 Kubenetes 集群部署的镜像仓库，通常与云服务提供商绑定，如果使用百度智能云的CCE集群，可以参照[百度智能云 CCR 镜像仓库使用方式](https://cloud.baidu.com/doc/CCR/index.html)。当然 Docker Hub 也可以作为镜像仓库，但下载速度慢，集群扩容时间较长。
+
+在 Kubenetes 集群中运行下面命令，安装网关工具 Kong
+
+```
+kubectl apply -f https://bit.ly/kong-ingress-dbless
+```
+
+
+**二. 制作镜像**
+
+首先，可直接使用 Paddle Serving 提供的镜像作为 Base 制作业务镜像，或者重新制作镜像。Paddle Serving 提供以下3种镜像，区别如下：
+- 开发镜像：安装多种开发工具，可用于调试和编译代码，镜像体积较大。
+- 运行镜像：安装运行 Serving 的必备工具，经过裁剪后镜像体积较小，适合在存储受限场景使用
+- Java 镜像：为 Java SDK 提供基础环境，包括 JRE、JDK 和 Maven
+- XPU 镜像：为 Arm 或 异构硬件（百度昆仑、海光DCU）环境部署
+
+完整镜像列表，请参考 [DOCKER 开发镜像列表](./Docker_Images_CN.md)
+
+其次，需要在镜像文件中添加 Serving 业务代码和模型。假定按上述步骤已拥有Serving运行镜像 paddle_serving:cuda10.2-py36，以 PaddleOCR 文字识别任务为例展示镜像制作方法。
+
+```bash
+# run docker
+docker run --rm -dit --name pipeline_serving_demo paddle_serving:cuda10.2-py36 bash
+cd Serving/examples/Pipeline/PaddleOCR/ocr
+
+# get models
+python -m paddle_serving_app.package --get_model ocr_rec
+tar -xzvf ocr_rec.tar.gz
+python -m paddle_serving_app.package --get_model ocr_det
+tar -xzvf ocr_det.tar.gz
+cd ..
+
+# copy OCR directory to your docker
+docker cp ocr pipeline_serving_demo:/home/
+
+# commit and push it
+docker commit pipeline_serving_demo registry.baidubce.com/paddlepaddle/serving:k8s-pipeline-demo
+docker push registry.baidubce.com/paddlepaddle/serving:k8s-pipeline-demo
+```
+
+最终，你完成了业务镜像制作环节。
+
+**三. 集群部署**
+
+Paddle Serving 封装了脚本 generate_k8s_yamls.sh 用以生成 Kubernetes 部署配置。以 OCR 为例，运行以下命令生成 Kubernetes 集群配置。
+```
+sh tools/generate_k8s_yamls.sh  --app_name ocr --image_name registry.baidubce.com/paddlepaddle/serving:k8s-pipeline-demo --workdir /home/ocr --command "python3.6 web_service.py" --port 9999
+```
+需要注意的是 app_name 需要同 URL 的函数名相同。例如 ocr 示例的访问 URL 是 https://127.0.0.1:9292/ocr/prediction。
+
+运行命令后，生成2个 yaml 文件，分别是 k8s_serving.yaml 和 k8s_ingress.yaml。执行以下命令启动 Kubernetes 集群 和 Ingress 网关。
+
+```
+kubectl apply -f k8s_serving.yaml
+kubectl apply -f k8s_ingress.yaml
+```
+
+最终通过输入以下命令检验集群部署状态：
+```
+kubectl get deploy
+
+```
+
+部署状态如下：
+```
+NAME   READY   UP-TO-DATE   AVAILABLE   AGE
+ocr    1/1     1            1           2d20h
+```
+
+查询集群服务状态：
+```
+kubectl get service --all-namespaces
+```
+
+集群部署状态如下：
+```
+NAMESPACE     NAME                      TYPE           CLUSTER-IP       EXTERNAL-IP   PORT(S)                    AGE
+default       bert                      ClusterIP      172.16.86.12     <none>        9292/TCP                   20m
+default       kubernetes                ClusterIP      172.16.0.1       <none>        443/TCP                    28d
+default       ocr                       ClusterIP      172.16.152.43    <none>        9999/TCP                   50m
+kong          kong-proxy                LoadBalancer   172.16.88.132    <pending>     80:8893/TCP,443:8805/TCP   25d
+kong          kong-validation-webhook   ClusterIP      172.16.38.100    <none>        443/TCP                    25d
+kube-system   heapster                  ClusterIP      172.16.240.64    <none>        80/TCP                     28d
+kube-system   kube-dns                  ClusterIP      172.16.0.10      <none>        53/UDP,53/TCP,9153/TCP     28d
+kube-system   metrics-server            ClusterIP      172.16.34.157    <none>        443/TCP                    28d
+```
+