Docker的价值和应用场景分析

近年来,Docker在IT界可谓风光十足,各大技术论坛上赚足了眼球,公司内外也有相当多的介绍和尝试,看上去如此高大上的技术,貌似会给云、服务部署、运维等领域带来颠覆性的创新。

近期查阅了一些文档,较深入的了解Docker的技术细节,发现Docker确实在解决部分需求时恰到好处,但也绝对不是无所不能的万金油。

一、什么是Docker

官方定义:

Develop, Ship and Run Any Application, Anywhere

Docker is a platform for developers and sysadmins to develop, ship, and run applications. Docker lets you quickly assemble applications from components and eliminates the friction that can come when shipping code. Docker lets you get your code tested and deployed into production as fast as possible.

解读:

  • 官方把Docker定义为应用打包、部署的平台,而不是虚拟化技术;
  • Docker本身并没有革命性的创新,其核心是Container,Container是很多年前就提出来的理念,并且在Linux、Unix、 FreeBSD上都有技术实现,Linux成熟的方案是lxc;
  • Docker是一个基于lxc(linux container),以及cgroup的上层工具,通过对lxc,cgroup及相关系统命令的封装,使得用户可以非常方便的使用Linux Container;
  • Docker Hub提供了应用包的版本管理和分发能力

二、Docker的价值及同类技术对比

Container的核心价值在于隔离性和封装性,在这两方面也有较多类似解决方案,简单分析和对比一下:

1. 隔离性

Docker的隔离性是通过Container来实现的,并且是基于Lxc;与此相对应的另外一个解决方案是虚拟化;两者对比如下:

优点:

非常轻量

与创建或启动一个虚拟机相比,Container可以认为没啥开销,约等于Linux下创建一个进程;

有个夸张的说法:单机可以轻易的启动多达上千个Container,但基本不太可能启动上千个虚拟机;

但这比较的前提是需要在单机上隔离1000个应用;如果只需隔离两个应用,每个应用运行500个进程的话,对比应该是两个Container与两个VM;

缺点:

隔离层次高

docker在Linux kernel之上进行隔离,确切的讲是进程间的隔离,这就决定了:

1)Docker只支持64位Linux,必然不支持windows, unix, bsd...,而虚拟化可支持所有主流操作系统;

2)Docker隔离在kernel之上,并且本身依赖于kernel的特性,所以只能模拟出高版本的Linux发行版;必然找不到ubuntu 9.04这样的image;

3) Container使用的Kernel与主机的Kernel是一致的,无法定制Container的内核;

硬件资源度量和配额能力

通过cgroup,Docker具备一定的能力控制Container的资源使用,但在网络、磁盘、CPU的使用上,度量和隔离能力还没有VM成熟;

此外,从用户角度来看,VM可以做到非常透明,可以直接理解为一台主机;但Container在网络连接、数据存储方面都需要经过特殊处理;

所以,与虚拟化相比,从隔离性上看,Docker的优势在于性能损耗低,劣势在于隔离层次比较高;

如果你的需求在是单机上进行尽可能多的隔离,那Docker是首选;

如果你的需求是尽可能彻底的隔离,对硬件资源精准控制且可度量,同时对隔离份数要求不多的话,那虚拟化是首选;

2. 封装性

从Docker的Logo以及官方的定义来看,它的主要能力并不在隔离性,而在于封装性,也就是应用的打包、部署、运行;

在封装方面的优势,主要体现在:

封装大小

与VM相比,Docker的image确实很小,官方的Centos image大概只有220M(被精减成最基本的Centos了,连ifconfig命令都没有,安装完常用工具,你会发现也不小了);

可对应用高度定制和封装

可通过Dockerfile定义应用包,Image内的部署可高度定制和封装,对外接口收敛且清晰;使用者无需关注细节;

Image仓库及版本管理

非常成熟的公共和私有仓库搭建和使用,以及版本管理,并可通地仓库很容易的进行共享、分发、部署;

应用和运行分离

我们所看到的Image是静止的,只读的;将image运行起来后是Container了,在运行时的修改,只影响当前Container,不影响Image;

从上面可以看出,与VM Image的部署能力相比,Docker设计理念先进,优势明显,而且几乎没有啥缺点。

但从封装部署角度来看,Docker的竞品应该不是VM,而是RPM+YUM,DEB+APT这样的组合。

你会发现,与这两组合相比,能力出奇的相似了,但还是有些区别:

封装能力:

Docker的Image,可以轻易实现在Centos上面跑Ubuntu,而且非常轻量,这个是Rpm,Deb不具备的;

这个在一些测试、学习、或小规模的Paas场景下,是非常有价值的;

但任何较大规模的应用,我想不太可能出现这样的部署;

封装粒度及依赖管理:

Docker自kernel之上,全打包在一块了,里面包含了Linux用户环境、系统类库、应用程序;可以理解为,一个Docker Image的外部依赖只有Linux Kernel了;从另外一方面看,极大提升了移植能力;

Rpm、Deb的打包粒度比Docker更细,只打包单个应用自身,外部依赖通过只记录并不存储在包内,通过apt,yum这样的辅助工具也非常容易解决外部依赖;这样做的好处在于更轻量,理论上包大小肯定小于Docker;在大规模业务部署下,上千台设备发布20M的RPM,与发布200M的Docker image,效率上的差距应该还是比较大的;

实际应用当中,在解决外部依赖问题上,C/C++程序还可以简单的通过静态链接来实现;Java/PHP/GoLang这类程序基本不存在系统类库的依赖,跨平台的能力也胜过Docker本身;

跨平台:

在各大Linux发行版下,你都可以按相同的方式使用Docker来管理打包及部署;但Rpm,Deb都有自己的粉丝和发行版本,在发行版间不通用;

但Docker自身的学习和部署成本,要高于Rpm,Deb;

所以,从封装性看,Docker远胜于VM,与Rpm+Yum&Deb+Apt能力相当,从用户角度来看是多了一个选择;

抛开隔离性,假设你需要在单机上运行一个MySQL,你是希望安装Docker、再用Docker来部署MySQL?还是直接yum install mysql?

综合来看,Docker的核心价值就在于隔离性和封装性,并在两者间有个很好的平衡和兼顾,可预见的是在小规模的Paas领域是最好的解决方案。

三、Docker在公司内应用的思考

前面讲到Docker的核心价值在于隔离性和封装性,讨论Docker在公司内业务的应用也应该从这两个方面来看。

哪些场景可以用到隔离性:

  • 研发测试流程,单机多版本并行部署和运行;
  • 公司内部的类Paas服务,比如TDW计算、蓝鲸;
  • 海量服务的正式环境,基本单个服务就能跑满单机,可以说完全没有隔离性需求;

哪些场景用到封装性:

  • 公司所有业务都需要打包部署,但各大业务都已经有非常成熟的包发布系统;整合研发、编译、测试、发布以及架构、配置、路由等各方面的能力;推倒现有包发布系统,基于Docker重构的话,开发和用户学习成本相当高,但技术上并没有明显价值。
  • 如果是全新开发的技术框架和运维体系的话,Docker会是一个较好的选择,但个人更倾向于Centos+Yum+RPM的组合。

四、其它

IT技术日新月异,新技术和组件层出不穷,类似Docker之类的使用势必要求基础运营环境与业界保持同步更新。

为了能保持与业界同步,技术团队仍需花费巨大精力投入到无任何业务产出的工作当中。

本文作者:佚名

来源:51CTO

时间: 2024-09-17 16:14:28

Docker的价值和应用场景分析的相关文章

两年之后,再思考Docker的价值

本文讲的是两年之后,再思考Docker的价值,[编者的话]作者应该是个Geeker,喜欢思考很多本质性的东西,并开创性的将Docker跟链接器来作比较,并提出了很多有意思的观点如:应用程序栈的链接器等.不管对不对,至少他这种思考的方式值得我们学习. 我必须告诉Docker,他们的创意完全满足我对"天才般创新"的标准,Docker让我花了一段时间来弄明白它到底是什么. 伟大的创新绝对不是发明能飞的汽车,而常常是一些很简单但是细细想想背后的原理非常复杂的一类事物.举个例子,比特币就是一个绝

《容器技术系列》一1.3 Docker各模块功能与实现分析

1.3 Docker各模块功能与实现分析 下面我们将从Docker的总架构图入手,抽离出架构内的各个模块,并对各个模块进行更为细化的架构分析与功能阐述. 1.3.1 Docker Client Docker Client是Docker架构中用户与Docker Daemon建立通信的客户端.在一台安装有Docker的机器上,用户可以使用可执行文件docker作为Docker Client,发起众多Docker容器的管理请求. Docker Client可以通过以下三种方式和Docker Daemo

两年之后,再来思考Docker的价值

[原文编者的话]作者应该是个Geeker,喜欢思考很多本质性的东西,并开创性的将Docker跟链接器来作比较,并提出了很多有意思的观点如:应用程序栈的链接器等.不管对不对,至少他这种思考的方式值得我们学习. 我必须告诉Docker,他们的创意完全满足我对"天才般创新"的标准,Docker让我花了一段时间来弄明白它到底是什么. 伟大的创新绝对不是发明能飞的汽车,而常常是一些很简单但是细细想想背后的原理非常复杂的一类事物.举个例子,比特币就是一个绝好的发明.它很简单,但是背后的故事非常复杂

表格存储结合Elasticsearch进行搜索的场景分析和实践

表格存储结合Elasticsearch进行搜索的场景分析和实践 表格存储(TableStore)是什么 TableStore是一个构建在阿里云飞天分布式系统上的Nosql数据库服务,熟悉阿里云的同学肯定听说过飞天5K,飞天是一个可以管理5000台机器的分布式系统,TableStore作为构建在其上的一个Nosql数据库,可以承载海量(单表几百TB)的数据存储,同时数据有三份拷贝,数据安全性有极高的保证. TableStore的数据是以行进行组织的,每行包含多个主键列和多个属性列,主键列的列名和类

再谈Docker,微服务的场景化应用

看过<超能陆战队>的朋友可能仍然对于电影中的男主角介绍和演示自己发明的微型机器人的场景记忆犹新. "它"看起来只是一跟带有磁性的小小的金属部件.但是它是一个独立的个体,自己能够独立的大脑,同时,和同伴之间有相互的接口你行链接.能够通讯.能够随意的组合成任意功能的物体. 通过类比,我们很容易由硬件领域想到软件领域.譬如软件系统的架构,一直都是伴随着几种主流的模式,集中式,分布式以及最近才开始流行起来的"微服务". 滨田宏发明的微型机器人,其实和微服务的思想

从数据中获取价值(二):多类型分析

很久很久以前,认真处理数据并对其进行分析是决定企业生死的关键要素.然而现在,情况却已经变了. 通常来说,分析技术会对运营提供支持.推动流程的进行并对决策进行辅助.分析生成的报告能够帮助企业追踪销售表现.流失规模等等数据.对战略和战术的评估与调整对于帮助企业按照计划方向的发展来说非常关键. 但麻烦的是这些分析都是些"事后诸葛亮",分析模型只能告诉我们过去的一段时间里都发生了什么,我们只能利用历史表现的报告作为决策制定的基础,由此决定未来的规划与投资. 这种方法在相对稳定的市场中是行得通的

基于HBase的大数据存储的应用场景分析

引言 HBase是一个高可靠性.高性能.面向列.可伸缩的分布式存储系统,适用于结构化的存储,底层依赖于Hadoop的HDFS,利用HBase技术可在廉价PCServer上搭建起大规模结构化存储集群.因此HBase被广泛使用在大数据存储的解决方案中. 为何使用HBase HBase的优点: 列可以动态增加,并且列为空就不存储数据,节省存储空间. Hbase自动切分数据,使得数据存储自动具有水平scalability. Hbase可以提供高并发读写操作的支持. HBase的缺点: 不能支持条件查询,

Hadoop MapReduce最常见的两种容错场景分析

本文将分析Hadoop MapReduce(包括MRv1和MRv2)的两种常见的容错场景,第一种是,作业的某个任务阻塞了,长时间占用资源不释放,如何处理?另外一种是,作 业的Map http://www.aliyun.com/zixun/aggregation/17034.html">Task全部运行完成后,在Reduce Task运行过程中,某个Map Task所在节点挂了,或者某个Map Task结果存放磁盘损坏了,该如何处理? 第一种场景:作业的某个任务阻塞了,长时间占用资源不释放,

Hadoop MapReduce两种常见的容错场景分析

本文将分析Hadoop MapReduce(包括MRv1和MRv2)的两种常见的容错场景,第一种是,作业的某个任务阻塞了,长时间占用资源不释放,如何处理?另外一种是,作 业的Map http://www.aliyun.com/zixun/aggregation/17034.html">Task全部运行完成后,在Reduce Task运行过程中,某个Map Task所在节点挂了,或者某个Map Task结果存放磁盘损坏了,该如何处理? 第一种场景:作业的某个任务阻塞了,长时间占用资源不释放,