共计 2465 个字符，预计需要花费 7 分钟才能阅读完成。
| 导读 | 近 2 年 Docker 非常的火热，各位开发者恨不得把所有的应用、软件都部署在 Docker 容器中，但是您确定也要把数据库也部署的容器中吗？这个问题不是子虚乌有，因为在网上能够找到很多各种操作手册和视频教程，这里整理了一些数据库不适合容器化的原因供大家参考，同时也希望大家在使用时能够谨慎一点。目前为止将数据库容器化是非常不合理的，但是容器化的优点相信各位开发者都尝到了甜头，希望随着技术的发展能够更加完美的解决方案出现。 |
不要将数据储存在容器中，这也是 Docker 官方容器使用技巧中的一条。容器随时可以停止、或者删除。当容器被 rm 掉，容器里的数据将会丢失。为了避免数据丢失，用户可以使用数据卷挂载来存储数据。但是容器的 Volumes 设计是围绕 Union FS 镜像层提供持久存储，数据安全缺乏保证。如果容器突然崩溃，数据库未正常关闭，可能会损坏数据。另外，容器里共享数据卷组，对物理机硬件损伤也比较大。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。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。
大家都知道，MySQL 属于关系型数据库，对 IO 要求较高。当一台物理机跑多个时，IO 就会累加，导致 IO 瓶颈，大大降低 MySQL 的读写性能。在一次 Docker 应用的十大难点专场上，某国有银行的一位架构师也曾提出过：“数据库的性能瓶颈一般出现在 IO 上面，如果按 Docker 的思路，那么多个 docker 最终 IO 请求又会出现在存储上面。现在互联网的数据库多是 share nothing 的架构，可能这也是不考虑迁移到 Docker 的一个因素吧”。
(1) 数据库程序与数据分离
如果使用 Docker 跑 MySQL，数据库程序与数据需要进行分离，将数据存放到共享存储，程序放到容器里。如果容器有异常或 MySQL 服务异常，自动启动一个全新的容器。另外，建议不要把数据存放到宿主机里，宿主机和容器共享卷组，对宿主机损坏的影响比较大。
(2) 跑轻量级或分布式数据库
Docker 里部署轻量级或分布式数据库，Docker 本身就推荐服务挂掉，自动启动新容器，而不是继续重启容器服务。
(3) 合理布局应用
对于 IO 要求比较高的应用或者服务，将数据库部署在物理机或者 KVM 中比较合适。目前 TX 云的 TDSQL 和阿里的 Oceanbase 都是直接部署在物理机器，而非 Docker。
要理解 Docker 网络，您必须对网络虚拟化有深入的了解。数据库需要专用的和持久的吞吐量，以实现更高的负载。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。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。
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。知识点: 在 Docker 中水平伸缩只能用于无状态计算服务，而不是数据库。Docker 快速扩展的一个重要特征就是无状态，具有数据状态的都不适合直接放在 Docker 里面，如果 Docker 中安装数据库，存储服务需要单独提供。目前，TX 云的 TDSQL(金融分布式数据库) 和阿里云的 Oceanbase(分布式数据库系统) 都直接运行中在物理机器上，并非使用便于管理的 Docker 上。
资源隔离方面，Docker 确实不如虚拟机 KVM，Docker 是利用 Cgroup 实现资源限制的，只能限制资源消耗的最大值，而不能隔绝其他程序占用自己的资源。如果其他应用过渡占用物理机资源，将会影响容器里 MySQL 的读写效率。需要的隔离级别越多，获得的资源开销就越多。相比专用环境而言，容易水平伸缩是 Docker 的一大优势。然而在 Docker 中水平伸缩只能用于无状态计算服务，数据库并不适用。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呢？
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。因为数据不一致，新实例不会与老实例兼容，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。
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。
针对上面问题是不是说数据库一定不要部署在容器里吗？答案是：并不是我们可以把数据丢失不敏感的业务（搜索、埋点）就可以容器化，利用数据库分片来来增加实例数，从而增加吞吐量。docker 适合跑轻量级或分布式数据库，当 docker 服务挂掉，会自动启动新容器，而不是继续重启容器服务。数据库利用中间件和容器化系统能够自动伸缩、容灾、切换、自带多个节点，也是可以进行容器化的。
