第1章 Docker入门：容器化技术简介

1.1 什么是容器化技术

传统部署方式的痛点

在传统的软件部署中，我们经常遇到这样的问题：

• 环境差异："在我的机器上能运行"成为开发与运维之间的经典矛盾
• 依赖冲突：不同应用需要不同版本的库或运行时
• 资源浪费：为了隔离应用，不得不为每个应用准备独立的服务器或虚拟机
• 部署复杂：需要在每台机器上重复配置环境、安装依赖

容器化技术的解决方案：容器化技术通过将应用程序及其所有依赖打包到一个独立的、可移植的单元中，彻底解决了上述问题。

容器的核心特征：

1. 封装性：应用程序、依赖库、配置文件统一打包
2. 隔离性：每个容器拥有独立的文件系统、进程空间、网络栈
3. 轻量级：共享宿主机内核，启动速度快，资源占用少
4. 可移植性：在任何支持容器的平台上运行，行为一致

容器 vs 进程

容器本质上是一个特殊的进程，但它通过Linux内核的命名空间（Namespace）和控制组（Cgroups）技术实现了隔离：

传统进程： - 共享操作系统资源 - 可以相互干扰 - 依赖系统环境 容器进程： - 独立的文件系统视图 - 独立的网络栈 - 受控的资源配额 - 自包含的运行环境

1.2 Docker的发展历史

起源与诞生

• 2013年3月：Docker由dotCloud公司（后更名为Docker Inc.）开源发布
• 初衷：简化应用部署，提高开发效率
• 技术基础：基于Linux容器技术（LXC），后发展出自己的容器运行时libcontainer

关键里程碑

• 2014年：Docker 1.0发布，生产就绪
• 2015年：Docker公司推出Docker Hub，Docker Compose，Docker Machine
• 2016年：Docker原生支持Swarm集群编排
• 2017年：Kubernetes成为容器编排的事实标准，Docker开始支持Kubernetes
• 2019年：Docker企业版出售给Mirantis
• 2020年：Kubernetes弃用Docker作为容器运行时（但Docker镜像仍然兼容）

生态系统演进

Docker推动了整个容器生态的发展：

Docker生态系统： ├── 容器运行时：containerd, runc ├── 镜像格式：OCI (Open Container Initiative) ├── 编排工具：Kubernetes, Docker Swarm ├── 镜像仓库：Docker Hub, Harbor, Quay └── 监控工具：Prometheus, cAdvisor

1.3 Docker vs 虚拟机：架构对比

虚拟机架构

+------------------+ +------------------+ | Application | | Application | +------------------+ +------------------+ | Libraries | | Libraries | +------------------+ +------------------+ | Guest OS | | Guest OS | +------------------+ +------------------+ | | | Hypervisor (VMware/KVM) | | | +----------------------------------------+ | Host Operating System | +----------------------------------------+ | Physical Hardware | +----------------------------------------+

Docker容器架构

+----------+ +----------+ +----------+ | App A | | App B | | App C | +----------+ +----------+ +----------+ | Libs | | Libs | | Libs | +----------+ +----------+ +----------+ | | | Docker Engine | | | +--------------------------------------+ | Host Operating System | +--------------------------------------+ | Physical Hardware | +--------------------------------------+

关键区别对比

特性	虚拟机	Docker容器
启动速度	分钟级	秒级甚至毫秒级
资源占用	GB级（包含完整OS）	MB级（共享内核）
性能开销	较高（硬件虚拟化）	接近原生
隔离级别	操作系统级别	进程级别
镜像大小	GB级	MB级
操作系统	可运行不同OS	共享宿主机内核
适用场景	完全隔离、跨平台OS	微服务、快速迭代

技术实现差异

虚拟机：

• 通过Hypervisor（如KVM、VMware）进行硬件虚拟化
• 每个VM运行完整的操作系统
• CPU、内存、I/O都需要虚拟化层转换

Docker容器：

• 使用Linux内核的Namespace进行隔离（PID、NET、IPC、MNT、UTS、USER）
• 使用Cgroups进行资源限制
• 直接调用宿主机内核，无需额外虚拟化层

何时选择虚拟机？

虚拟机仍然有其不可替代的场景：

1. 需要运行不同操作系统：如在Linux上运行Windows应用
2. 更强的安全隔离：敏感应用需要完全隔离
3. 内核级别操作：需要修改或测试内核参数
4. 遗留系统迁移：将物理机迁移到虚拟环境

容器与虚拟机的结合

在生产环境中，两者常常结合使用：

物理服务器 └── 虚拟机1 (Ubuntu) └── Docker容器A (Nginx) └── Docker容器B (MySQL) └── 虚拟机2 (CentOS) └── Docker容器C (App) └── Docker容器D (Redis)

这种架构结合了虚拟机的安全隔离和容器的轻量高效。

1.4 Docker的核心价值和应用场景

核心价值

1. 环境一致性

问题：开发、测试、生产环境不一致导致的"能运行"问题

Docker方案：

# 开发环境 docker run -d myapp:1.0 # 测试环境 docker run -d myapp:1.0 # 生产环境 docker run -d myapp:1.0

同一个镜像，在任何环境中行为完全一致。

2. 快速交付与部署

传统方式：

1. 准备服务器
2. 安装操作系统
3. 配置环境变量
4. 安装依赖（Python、Node.js、MySQL等）
5. 部署应用代码
6. 调试配置

Docker方式：

dockerrun -d -p80:80 myapp:latest

一条命令，几秒钟完成部署。

3. 资源利用率提升

在同样的硬件资源下：

• 虚拟机：可能只能运行10个虚拟机
• Docker：可以运行100个甚至更多容器

4. 微服务架构的理想载体

单体应用 → 微服务拆分 用户服务 (Container 1) 订单服务 (Container 2) 支付服务 (Container 3) 商品服务 (Container 4) 每个服务独立开发、部署、扩展

典型应用场景

场景1：Web应用部署

# 前端应用dockerrun -d -p80:80 nginx-frontend# 后端APIdockerrun -d -p8080:8080 api-backend# 数据库dockerrun -d -p3306:3306 mysql:8.0

场景2：持续集成/持续部署 (CI/CD)

# GitLab CI配置示例build:stage:buildscript:-docker build-t myapp:$CI_COMMIT_SHA .-docker push myapp:$CI_COMMIT_SHAdeploy:stage:deployscript:-docker pull myapp:$CI_COMMIT_SHA-docker stop myapp||true-docker run-d--name myapp myapp:$CI_COMMIT_SHA

场景3：开发环境标准化

团队成员使用统一的开发环境：

# 所有开发者运行相同的开发环境docker-composeup# 包含：# - Python 3.9# - PostgreSQL 13# - Redis 6# - Nginx

场景4：多版本测试

同时测试应用在不同环境下的表现：

# Python 3.8环境dockerrun -v$(pwd):/app python:3.8 python /app/test.py# Python 3.9环境dockerrun -v$(pwd):/app python:3.9 python /app/test.py# Python 3.10环境dockerrun -v$(pwd):/app python:3.10 python /app/test.py

场景5：大数据与机器学习

# 运行Jupyter Notebookdockerrun -p8888:8888 jupyter/datascience-notebook# 运行TensorFlow训练dockerrun --gpus all -v$(pwd):/workspace tensorflow/tensorflow:latest-gpu

场景6：数据库快速部署与迁移

# 快速启动MySQL用于开发dockerrun -d\--name mysql-dev\-eMYSQL_ROOT_PASSWORD=123456\-p3306:3306\mysql:8.0# 数据库迁移：导出dockerexecmysql-dev mysqldump -uroot -p123456 mydb>backup.sql# 数据库迁移：导入到新容器dockerexec-i mysql-prod mysql -uroot -ppassword mydb<backup.sql

场景7：微服务编排

使用Docker Compose管理复杂的微服务应用：

version:'3'services:web:image:myapp-webports:-"80:80"api:image:myapp-apidepends_on:-db-cachedb:image:postgres:13cache:image:redis:6

ROCm虚拟化栈场景

针对ROCm开发，Docker可以提供：

# 运行特定版本的ROCm环境dockerrun --device=/dev/kfd --device=/dev/dri\--group-add video\rocm/rocm-terminal:5.7\rocminfo# 构建和测试ROCm应用dockerrun -v$(pwd):/workspace\rocm/dev-ubuntu-22.04:5.7\bash-c"cd /workspace && make && ./test"

1.5 Docker的局限性

了解Docker的局限性同样重要：

1. 不适合运行图形界面应用

虽然有解决方案（X11转发），但比较复杂且性能不佳。

2. 持久化数据需要额外管理

容器删除后，内部数据也会丢失，需要使用数据卷。

3. 网络配置相对复杂

特别是在需要跨主机通信时。

4. 安全性需要额外考虑

容器共享宿主机内核，安全配置不当可能导致权限提升。

5. 学习曲线

虽然基本使用简单，但要精通需要理解Linux、网络、存储等知识。

1.6 小结

通过本章学习，我们了解了：

✅容器化技术：通过封装、隔离、轻量化解决应用部署问题

✅Docker历史：从2013年诞生到成为容器技术标准

✅架构对比：Docker容器共享内核，比虚拟机更轻量高效

✅核心价值：环境一致性、快速部署、资源高效、微服务支持

✅应用场景：Web部署、CI/CD、开发环境、测试、大数据等

✅局限性：图形界面、持久化、网络、安全等需要注意的方面

下一步

在第2章中，我们将深入了解Docker的核心概念：镜像、容器、仓库，以及Docker的整体架构。这些概念是掌握Docker的基础。

思考题

1. 在你的日常工作中，哪些场景可以使用Docker来提升效率？
2. 对于ROCm虚拟化栈项目，使用Docker会带来哪些具体好处？
3. 你认为在生产环境中，什么情况下应该选择虚拟机而不是容器？

---

相关资源：

• Docker官方文档：https://docs.docker.com/
• Docker Hub：https://hub.docker.com/
• 容器技术原理：https://www.kernel.org/doc/html/latest/admin-guide/cgroup-v2.html