将服务容器化的目的有这几个方面:易于构建新环境、易于重新部署(持续集成)、容易水平伸缩(从实践得出)、易于维护环境一致。

现在认为数据库不适合容器化,具体原因有一下几点:

1. 数据不安全

即使你要把 Docker 数据放在主机来存储 ,它依然不能保证不丢数据。 Docker volumes 的设计围绕 Union FS 镜像层提供持久存储,但它仍然缺乏保证。

使用当前的存储驱动程序,Docker 仍然存在不可靠的风险。 如果容器崩溃并数据库未正确关闭,则可能会损坏数据。

2. 运行数据库的环境需求

常看到 DBMS 容器和其他服务运行在同一主机上。 然而这些服务对硬件要求是非常不同的。

数据库(特别是关系型数据库)对 IO 的要求较高。 一般数据库引擎为了避免并发资源竞争而使用专用环境。如果将你的数据库放在容器中,那么将浪费你的项目的资源。 因为你需要为该实例配置大量额外的资源。 在公有云,当你需要 34G 内存时,你启动的实例却必须开 64G 内存。在实践中,这些资源并未完全使用。

怎么解决? 您可以分层设计,并使用固定资源来启动不同层次的多个实例。 水平伸缩总是比垂直伸缩更好。

3. 网络问题

要理解 Docker 网络,您必须对网络虚拟化有深入的了解。也必须准备应付好意外情况。你可能需要在没有支持或没有额外工具的情况下,进行 bug 修复。

我们知道:数据库需要专用的和持久的吞吐量,以实现更高的负载。我们还知道容器是虚拟机管理程序和主机虚拟机背后的一个隔离层。然而网络对于数据库复制是至关重要的,其中需要主从数据库间 24/7 的稳定连接。未解决的 Docker 网络问题在1.9版本依然没有得到解决。

把这些问题放在一起,容器化使数据库容器很难管理。我知道你是一个较高级的工程师,什么问题都可以得到解决。但是,你需要花多少时间解决 Docker 网络问题?将数据库放在专用环境不会更好吗?节省时间来专注于真正重要的业务目标。

4. 状态

在 Docker 中打包无状态服务是很酷的,可以实现编排容器并解决单点故障问题。 但是数据库呢? 将数据库放在同一个环境中,它将会是有状态的,并使系统故障的范围更大。下次您的应用程序实例或应用程序崩溃,可能会影响数据库。

5. 数据库不适合使用主要的 Docker 功能

考虑容器中的数据库,我们来思考它的价值。 我们先看看 Docker 官方对其的定义:

Docker 是为开发人员和系统管理员构建,分发和运行分布式应用程序的开放平台。 Docker 包括 Docker Engine(便携式,轻量级运行时和打包工具)以及 Docker Hub(用于共享应用程序和自动化工作流的云服务),Docker 使应用程序能够以组件快速组装,并消除开发,QA 和生产环境之间的不同。 因此,IT 可以更快地分发程序,并在笔记本电脑,数据中心虚拟机和任何云上运行相同的应用程序。

根据该答案,我们可以很容易定义 Docke r的主要特性:

易于构建新环境

易于重新部署(持续集成)

容易水平伸缩(从实践得出)

易于维护环境一致

让我们开始思考这些功能如何适应数据库世界。

容易设置数据库? 让我们看看,容器化或者在本地运行数据库,在运行上是否有巨大的差异。

docker run -d mongod:3.4

对比:

sudo apt-key adv --keyserver hkp://keyserver.ubuntu.com:80 --recv 0C49F3730359A14518585931BC711F9BA15703C6

echo "deb [ arch=amd64,arm64 ] http://repo.mongodb.org/apt/ubuntu xenial/mongodb-org/3.4 multiverse" | sudo tee /etc/apt/sources.list.d/mongodb-org-3.4.list

sudo apt-get update && sudo apt-get install -y mongodb-org

易于构建新环境?如果我们谈论是 MongoDB集群 - 可能容器化效率更高。但是配置管理系统呢?它们旨在通过运行一个命令来解决配置问题。使用 Ansible 你可以轻松设置几十个 Mongo 实例。正如你所看到的,没有显著的价值增长。

容易重新部署?您重新部署数据库升级到下一个版本的频率是多少呢?数据库升级不是可用性问题,而是工程问题(即在群集中的可用性)。想想你的应用程序将如何使用新的数据库引擎版本。引擎更换时可能导致的问题。

容易水平伸缩?是否要在多个实例之间共享数据目录?你不害怕直接数据并发问题和可能的数据损坏吗?使用专用数据环境部署多个实例不会更安全吗?最后搞一个主从复制?

易于维护环境一致?数据库实例环境的变化频率如何?每天升级操作系统吗?还是数据库版本或依赖软件变化频繁?或者是不容易与工程团队达成共识?

最后看来,没有一个特性足以让我考虑数据库容器化。

6. 额外的隔离对数据库是不利的

其实我在第二点和第三点原因中提到了这一点。 但我把这个列为单独的原因,因为我想再次强调这一事实。 我们拥有的隔离级别越多,我们获得的资源开销就越多。 相比专用环境而言,容易水平伸缩可以使我们得到更多的好处。 然而在 Docker 中水平伸缩只能用于无状态计算服务,而不是数据库。

我们没有看到任何针对数据库的隔离功能,那为什么我们应该把它放在容器中?

7. 云平台的不适用性

大部分人通过共有云开始项目。 云简化了虚拟机操作和替换的复杂性,因此不需要在夜间或周末没有人工作时间来测试新的硬件环境。当我们可以迅速启动一个实例的时候,为什么我们需要担心这个实例运行的环境?

这就是为什么我们向云提供商支付很多费用的原因。 当我们为实例放置数据库容器时,上面说的这些便利性就不存在了。因为数据不匹配,新实例不会与现有的实例兼容,如果要限制实例使用单机服务,应该让 DB 使用非容器化环境,我们仅仅需要为计算服务层保留弹性扩展的能力。

这 7 点适用于所有数据库吗?

也许不是全部,但是应该是一切需要持久化数据的数据库,以及所有具有特殊硬件环境要求的数据库。

如果我们使用 Redis 作为缓存或用户会话存储- 使用容器就不应该有任何问题。因为不需要保证该数据落地,那么数据没有丢失的风险。但是如果我们考虑使用 Redis 作为一个持久的数据存储,那么你较好把数据放在容器外面,即使您不断刷新 RDB 快照,在快速变化的计算集群中找到这个快照也会很复杂。

我们还可以谈谈容器内的 Elasticsearch。我们可以存储在 ES 中的索引,并且可以从持久性数据源重建它们。但是看看要求!默认情况下,Elasticsearch 需要 2 到 3GB 的内存。由于 Java 的 GC,内存使用并不一致。您确定Elasticsearch 适合用于资源限制的容器吗?让不同的 Elasticsearch 实例使用不同的硬件配置不是更好吗?

不要担心本地开发环境的数据库容器化。将数据库放在本地环境的容器中,你将节省大量的时间和精力。你将能够复制生产环境操作系统。原生Postgres for OS X或Windows不是100%兼容Linux版本。在主机操作系统上设置容器而不是软件包,你会克服这种问题。

PS:关注左侧360linker公众号,入官方社区取免费视频教程、知名单位招聘信息。交流分享IT圈学习经验。

Logo

权威|前沿|技术|干货|国内首个API全生命周期开发者社区

更多推荐