本文是笔者学习容器云部署与应用课程后的一课一得总结，结合课程理论与实操练习，从容器云基础概念出发，梳理了 Docker 镜像构建、容器编排、Kubernetes 集群部署与应用上线的完整流程，并记录了实操过程中的踩坑与优化心得，希望能给同样入门容器云的同学提供参考。

---

一、前言：为什么要学习容器云？

在学习容器云之前，我对 “部署应用” 的认知还停留在 “服务器装环境、上传代码、配置依赖、启动服务” 的传统模式里。这种方式的痛点非常明显：

• 环境不一致：本地开发能跑，到测试 / 生产环境就因为依赖版本、系统配置差异报错，也就是经典的 “在我电脑上能跑” 问题；
• 部署效率低：新服务器部署一个应用要花几小时装依赖、配置环境，扩容更是麻烦；
• 资源浪费：传统虚拟机部署每个应用都要占用独立的操作系统资源，硬件利用率低；
• 运维复杂：多应用、多实例的管理、扩缩容、故障恢复全靠人工，效率低还容易出错。

而容器云技术，正是为了解决这些问题而生的。本次课程从 Docker 容器技术入门，延伸到 Kubernetes 容器编排，让我从 0 到 1 完成了容器化应用的构建、部署与管理，也对 “容器化” 的价值有了更深刻的理解。

---

二、容器云核心基础概念梳理

2.1 容器是什么？和虚拟机有什么区别？

很多新手容易把容器和虚拟机搞混，这里我整理了两者的核心区别：

表格

特性	虚拟机（VM）	容器（Container）
隔离方式	硬件级隔离，每个 VM 有独立的操作系统内核	操作系统级隔离，共享宿主机内核，通过 Namespace 和 Cgroups 实现资源隔离
资源占用	每个 VM 都要运行完整的操作系统，占用 GB 级内存 / 磁盘	仅运行应用及其依赖，占用 MB 级资源，启动速度秒级
启动速度	分钟级（启动操作系统）	秒级（直接启动容器进程）
移植性	依赖宿主机虚拟化平台，镜像体积大，移植成本高	镜像包含所有依赖，一次构建、到处运行，移植成本极低

简单来说，容器是打包了应用代码、运行时、依赖库、配置文件的标准化单元，它不包含完整的操作系统，所以更轻量、启动更快、资源利用率更高。

2.2 容器云是什么？Docker 和 K8s 的角色分工

很多同学会把 Docker、K8s、容器云混为一谈，其实它们的定位是不同的：

• Docker：是容器技术的实现之一，提供了容器的创建、运行、镜像构建等基础能力，相当于 “容器的 runtime 工具”，解决了单个容器的打包与运行问题；
• Kubernetes（简称 K8s）：是容器编排平台，解决大规模容器集群的管理问题，比如多容器调度、自动扩缩容、故障自愈、负载均衡等，相当于 “容器集群的操作系统”；
• 容器云：是基于容器技术构建的云原生平台，结合了容器 runtime、编排、网络、存储、监控等能力，为应用提供标准化的部署、运行与运维环境，是一套完整的解决方案。

---

三、Docker 实操：从镜像构建到容器运行

这部分是本次课程的实操重点，我以 CentOS 7 为例，完成了从 Docker 安装到自定义镜像构建、多容器编排的完整流程。

3.1 Docker 安装与基础配置

1. 安装 Docker（CentOS 7）

bash

运行

# 卸载旧版本Docker
yum remove -y docker docker-client docker-client-latest docker-common docker-latest docker-latest-logrotate docker-logrotate docker-engine

# 安装依赖包
yum install -y yum-utils device-mapper-persistent-data lvm2

# 添加阿里云Docker YUM源（国内推荐，速度更快）
yum-config-manager --add-repo https://mirrors.aliyun.com/docker-ce/linux/centos/docker-ce.repo

# 安装Docker CE
yum install -y docker-ce docker-ce-cli containerd.io

# 启动Docker并设置开机自启
systemctl start docker
systemctl enable docker

# 验证安装是否成功（会输出Docker版本信息）
docker --version
docker run hello-world

2. 配置 Docker 镜像加速器（必做，否则拉取镜像很慢）

编辑/etc/docker/daemon.json文件，添加阿里云镜像加速器（需注册阿里云账号获取专属加速器地址）：

bash

运行

cat > /etc/docker/daemon.json << EOF
{
  "registry-mirrors": ["https://xxxxxx.mirror.aliyuncs.com"],
  "exec-opts": ["native.cgroupdriver=systemd"],
  "log-driver": "json-file",
  "log-opts": {
    "max-size": "100m"
  },
  "storage-driver": "overlay2"
}
EOF

# 重启Docker生效配置
systemctl daemon-reload
systemctl restart docker

3.2 镜像操作：拉取、构建与推送

1. 拉取公共镜像

从 Docker Hub 拉取官方 Nginx 和 MySQL 镜像：

bash

运行

# 拉取指定版本的Nginx镜像
docker pull nginx:1.25-alpine

# 拉取MySQL 8.0镜像
docker pull mysql:8.0

# 查看本地镜像列表
docker images

2. 构建自定义镜像：Python Flask 应用 Docker 化

这里我写了一个简单的 Python Flask 应用，然后通过 Dockerfile 构建镜像，实现 “一次构建，到处运行”。

第一步：编写 Flask 应用代码（app.py）

python

运行

from flask import Flask
app = Flask(__name__)

@app.route('/')
def hello():
    return "Hello, Container Cloud! This is my first Dockerized Flask App."

if __name__ == '__main__':
    app.run(host='0.0.0.0', port=5000)

第二步：编写 Dockerfile

dockerfile

# 基础镜像：使用轻量级的Python 3.9 slim镜像，减少镜像体积
FROM python:3.9-slim

# 设置工作目录
WORKDIR /app

# 复制requirements.txt到容器中
COPY requirements.txt .

# 安装Python依赖（--no-cache-dir减少镜像体积）
RUN pip install --no-cache-dir -r requirements.txt

# 复制应用代码到容器中
COPY app.py .

# 暴露容器端口
EXPOSE 5000

# 容器启动命令
CMD ["python", "app.py"]

requirements.txt 文件

txt

flask==2.3.3

第三步：构建镜像并运行容器

bash

运行

# 构建镜像，命名为flask-app:v1
docker build -t flask-app:v1 .

# 运行容器，映射宿主机8080端口到容器5000端口
docker run -d -p 8080:5000 --name flask-demo flask-app:v1

# 访问测试：curl宿主机IP:8080，会输出Hello, Container Cloud!
curl localhost:8080

💡 小贴士：构建镜像时尽量使用alpine或slim版本的基础镜像，避免使用完整的操作系统镜像，可以大幅减少镜像体积（比如 python:3.9-slim 只有几百 MB，而 python:3.9 完整版有几 GB）。

3. 推送镜像到阿里云镜像服务（私有仓库）

为了后续在 K8s 中使用自定义镜像，我把构建好的镜像推送到了阿里云镜像服务：

bash

运行

# 登录阿里云镜像仓库
docker login --username=你的阿里云账号  registry.cn-hangzhou.aliyuncs.com

# 给镜像打标签（格式：registry地址/命名空间/仓库名:标签）
docker tag flask-app:v1 registry.cn-hangzhou.aliyuncs.com/你的命名空间/flask-app:v1

# 推送镜像到仓库
docker push registry.cn-hangzhou.aliyuncs.com/你的命名空间/flask-app:v1

3.3 容器操作与数据持久化

容器默认是无状态的，容器删除后数据会丢失，所以关键数据必须挂载到宿主机或外部存储实现持久化。这里以 MySQL 容器为例，演示数据卷挂载：

bash

运行

# 创建宿主机数据目录
mkdir -p /data/mysql

# 运行MySQL容器，挂载数据目录、配置文件和日志目录
docker run -d \
  --name mysql-demo \
  -p 3306:3306 \
  -e MYSQL_ROOT_PASSWORD=123456 \
  -v /data/mysql:/var/lib/mysql \
  -v /etc/mysql/conf.d:/etc/mysql/conf.d \
  mysql:8.0

# 验证数据持久化：删除容器后，重新运行容器并挂载同一个目录，数据不会丢失
docker stop mysql-demo
docker rm mysql-demo
# 重新运行容器，挂载同一个/data/mysql目录，之前创建的数据库依然存在

3.4 Docker Compose：多容器应用编排

手动运行多个容器时，需要逐个配置端口、依赖、网络，非常麻烦，Docker Compose 可以通过 YAML 文件定义多容器应用的配置，一键启动 / 停止所有服务。这里我用 Docker Compose 部署了一个 WordPress+MySQL 的博客应用：

docker-compose.yml 文件

yaml

version: '3.8'

services:
  db:
    image: mysql:8.0
    volumes:
      - db_data:/var/lib/mysql
    restart: always
    environment:
      MYSQL_ROOT_PASSWORD: wordpress
      MYSQL_DATABASE: wordpress
      MYSQL_USER: wordpress
      MYSQL_PASSWORD: wordpress

  wordpress:
    depends_on:
      - db
    image: wordpress:latest
    ports:
      - "8000:80"
    restart: always
    environment:
      WORDPRESS_DB_HOST: db:3306
      WORDPRESS_DB_USER: wordpress
      WORDPRESS_DB_PASSWORD: wordpress
      WORDPRESS_DB_NAME: wordpress

volumes:
  db_data:

启动与管理应用

bash

运行

# 启动所有服务（后台运行）
docker-compose up -d

# 查看服务状态
docker-compose ps

# 查看服务日志
docker-compose logs -f wordpress

# 停止并删除服务（包括容器、网络，不删除数据卷）
docker-compose down

访问宿主机 IP:8000，就能看到 WordPress 的安装界面，整个部署过程只需要一条命令，非常方便。

---

四、Kubernetes 基础：单节点集群部署与应用上线

Docker 解决了单个容器的运行问题，但大规模容器集群的管理（比如自动扩缩容、故障自愈、负载均衡）需要 Kubernetes 来实现。本次课程我用 Minikube 搭建了单节点 K8s 集群，完成了应用的部署与测试。

4.1 Minikube 安装与启动（适合本地学习）

bash

运行

# 安装kubectl（K8s命令行工具）
curl -LO "https://dl.k8s.io/release/$(curl -L -s https://dl.k8s.io/release/stable.txt)/bin/linux/amd64/kubectl"
chmod +x kubectl
mv kubectl /usr/local/bin/

# 安装Minikube
curl -LO https://storage.googleapis.com/minikube/releases/latest/minikube-linux-amd64
chmod +x minikube-linux-amd64
mv minikube-linux-amd64 /usr/local/bin/minikube

# 启动Minikube（使用Docker作为驱动，国内用户推荐配置镜像源）
minikube start --driver=docker --image-mirror-country=cn --kubernetes-version=v1.28.3

# 验证集群状态
kubectl cluster-info
kubectl get nodes

4.2 K8s 核心概念快速理解

• Pod：K8s 中最小的调度单元，一个 Pod 可以包含一个或多个容器（比如应用容器 + 日志采集容器），Pod 共享网络和存储资源；
• Deployment：负责管理 Pod 的副本，比如定义运行 3 个 Nginx Pod 副本，当某个 Pod 故障时，Deployment 会自动创建新的 Pod 替换它，实现故障自愈；
• Service：为一组 Pod 提供统一的访问入口，实现负载均衡，支持 ClusterIP（集群内访问）、NodePort（宿主机端口访问）、LoadBalancer（云厂商负载均衡）等类型；
• Namespace：集群内的资源隔离单元，可以用来划分不同的环境（比如 dev、test、prod）。

4.3 部署 Nginx 应用到 K8s 集群

1. 编写 Deployment 配置文件（nginx-deployment.yaml）

yaml

apiVersion: apps/v1
kind: Deployment
metadata:
  name: nginx-deployment
  labels:
    app: nginx
spec:
  replicas: 3 # 运行3个Nginx Pod副本
  selector:
    matchLabels:
      app: nginx
  template:
    metadata:
      labels:
        app: nginx
    spec:
      containers:
      - name: nginx
        image: nginx:1.25-alpine
        ports:
        - containerPort: 80

2. 编写 Service 配置文件（nginx-service.yaml）

yaml

apiVersion: v1
kind: Service
metadata:
  name: nginx-service
spec:
  selector:
    app: nginx # 匹配Deployment中Pod的标签
  type: NodePort # 暴露为宿主机端口访问
  ports:
    - protocol: TCP
      port: 80 # Service的端口
      targetPort: 80 # Pod的端口
      nodePort: 30080 # 宿主机端口（范围30000-32767）

3. 部署应用并验证

bash

运行

# 应用Deployment配置
kubectl apply -f nginx-deployment.yaml

# 应用Service配置
kubectl apply -f nginx-service.yaml

# 查看Pod状态（确保所有Pod处于Running状态）
kubectl get pods -o wide

# 查看Service状态
kubectl get svc

# 访问测试：通过Minikube节点IP+NodePort访问Nginx
minikube ip # 获取Minikube节点IP
curl http://$(minikube ip):30080

4.4 部署自定义 Flask 应用到 K8s

把之前推送到阿里云镜像仓库的 Flask 应用部署到 K8s 集群，这里我把镜像设为公开的，直接拉取：

flask-deployment.yaml

yaml

apiVersion: apps/v1
kind: Deployment
metadata:
  name: flask-deployment
spec:
  replicas: 2
  selector:
    matchLabels:
      app: flask
  template:
    metadata:
      labels:
        app: flask
    spec:
      containers:
      - name: flask-app
        image: registry.cn-hangzhou.aliyuncs.com/你的命名空间/flask-app:v1
        ports:
        - containerPort: 5000
---
apiVersion: v1
kind: Service
metadata:
  name: flask-service
spec:
  selector:
    app: flask
  type: NodePort
  ports:
    - port: 5000
      targetPort: 5000
      nodePort: 30081

部署并访问：

bash

运行

kubectl apply -f flask-deployment.yaml
kubectl get pods
curl http://$(minikube ip):30081

---

五、实操踩坑与优化心得（一课一得核心）

这部分是我在实操过程中遇到的问题和解决方法，也是本次课程最大的收获：

坑 1：Docker 容器启动后马上退出

• 现象：运行容器后，docker ps看不到容器，docker ps -a显示容器状态为 Exited；
• 原因：容器的主进程退出了，比如 Python 应用后台运行、Nginx 以 daemon 模式运行，容器会认为进程结束而退出；
• 解决方法：让容器的主进程在前台运行。比如 Nginx 启动时加上-g 'daemon off;'，Python 应用不要用&后台运行，直接前台启动。

坑 2：K8s 的 Pod 一直处于 Pending 状态

• 现象：Pod 状态为 Pending，kubectl describe pod显示调度失败；
• 原因：集群资源不足（CPU / 内存不够）、没有匹配的节点标签、镜像拉取失败；
• 解决方法：用kubectl describe pod <pod-name>查看事件日志，根据提示排查问题，比如 Minikube 启动时分配更多内存，或者使用国内镜像源。

坑 3：Docker 镜像体积过大，拉取速度慢

• 现象：构建的镜像有几 GB，推送到仓库和拉取都很慢；
• 优化方法：
  1. 使用轻量级基础镜像（alpine/slim）；
  2. 多阶段构建：把构建过程和运行环境分开，比如用 Go/Python 构建应用，只把可执行文件复制到运行镜像中；
  3. 清理构建缓存：比如apt-get clean、pip install --no-cache-dir；
  4. 合并 RUN 指令：减少镜像层数（Docker 镜像分层存储，每个 RUN 指令会生成一个新层）。

心得 1：容器化不是 “银弹”

不是所有应用都适合容器化，比如小型单体应用，用 Docker Compose 部署就足够了，没必要上 K8s；容器化的核心价值在于标准化和编排，适合微服务、云原生架构的应用。

心得 2：理解概念比敲命令更重要

刚开始学的时候，我只会跟着教程敲命令，遇到问题就懵了。后来才明白，只有理解了 Namespace、Cgroups、Pod、Deployment 这些概念的本质，才能快速定位问题，而不是只会复制粘贴命令。

心得 3：镜像安全很重要

不要使用来源不明的公共镜像，尽量自己构建镜像；不要在镜像中存放敏感信息（比如密码、密钥），可以用 K8s 的 Secret 或 ConfigMap 来管理配置；定期更新镜像的基础镜像，修复安全漏洞。

---

六、容器云的应用场景与未来学习方向

6.1 容器云的典型应用场景

1. 微服务部署：把单体应用拆分成多个微服务，每个微服务打包成容器，独立部署、升级、扩缩容；
2. CI/CD 集成：容器镜像作为 CI/CD 的交付产物，实现 “构建一次，到处部署”，简化发布流程；
3. 弹性伸缩：根据业务流量自动调整容器实例数量，比如电商大促时自动扩容，流量低峰时缩容，节省资源；
4. 混合 / 多云部署：容器镜像不依赖底层基础设施，可以轻松在公有云、私有云、本地数据中心之间迁移；
5. DevOps 实践：开发、测试、生产环境都使用相同的容器镜像，消除环境差异，实现开发运维一体化。

6.2 后续学习方向

本次课程只是入门了容器云的基础，后续我打算深入学习：

• K8s 的高级特性：Ingress、持久化存储（PV/PVC）、StatefulSet（有状态应用部署）、监控告警（Prometheus+Grafana）；
• CI/CD 工具与容器集成：Jenkins、GitLab CI，实现代码提交后自动构建镜像、部署到 K8s；
• 容器安全：镜像扫描、容器运行时安全、RBAC 权限控制；
• 云原生生态：服务网格（Istio）、无服务器架构（Knative）等。

---

七、总结

通过本次容器云部署与应用课程的学习和实操，我从一个 “只会手动部署应用” 的新手，掌握了 Docker 容器化、Kubernetes 基础编排的核心技能，也深刻体会到了容器云技术在解决环境一致性、提升部署效率、简化运维管理方面的巨大价值。

“一课一得” 的核心不在于学会多少命令，而在于理解技术背后的设计思想，以及解决实际问题的能力。在后续的学习和实践中，我会继续深入云原生领域，把学到的知识应用到实际项目中，真正做到学以致用。

AI辅助：http://www.doubao.com

写文章-CSDN创作中心