DockerSamples 101教程:使用Docker Compose编排多容器应用
2025-06-20 14:10:10作者:伍希望
前言
在现代应用开发中,微服务架构已成为主流趋势,而Docker Compose正是简化多容器应用管理的利器。本文将深入讲解如何在DockerSamples 101教程项目中使用Docker Compose来编排一个包含Node.js应用和MySQL数据库的完整解决方案。
Docker Compose核心概念
Docker Compose是一个用于定义和运行多容器Docker应用的工具。它通过一个YAML文件来配置应用服务,只需一个命令就能创建并启动所有服务。这种方式的优势在于:
- 环境一致性:确保开发、测试和生产环境的一致性
- 配置即代码:将基础设施配置纳入版本控制
- 简化协作:团队成员只需一个命令即可启动完整环境
环境准备
在开始之前,请确保已安装Docker Compose。大多数现代Docker安装包已包含Compose工具,可通过以下命令验证:
docker-compose version
构建Compose文件
基础结构
我们首先创建docker-compose.yml文件,并定义Compose文件版本:
version: "3.7"
services:
这里使用3.7版本,它支持大多数现代Docker功能。
应用服务配置
将原本通过docker run启动Node.js应用的命令转换为Compose配置:
services:
app:
image: node:10-alpine
command: sh -c "yarn install && yarn run dev"
ports:
- 3000:3000
working_dir: /app
volumes:
- ./:/app
environment:
MYSQL_HOST: mysql
MYSQL_USER: root
MYSQL_PASSWORD: secret
MYSQL_DB: todos
关键配置解析:
- volumes:将主机当前目录挂载到容器的/app目录,实现代码热更新
- environment:设置应用连接MySQL所需的环境变量
- ports:暴露3000端口供外部访问
数据库服务配置
MySQL服务的Compose配置如下:
services:
mysql:
image: mysql:5.7
volumes:
- todo-mysql-data:/var/lib/mysql
environment:
MYSQL_ROOT_PASSWORD: secret
MYSQL_DATABASE: todos
volumes:
todo-mysql-data:
重要注意事项:
- 数据持久化:使用命名卷
todo-mysql-data保存数据库数据 - 服务发现:服务名
mysql自动成为网络别名,供应用容器访问 - 环境配置:设置root密码和初始数据库
完整Compose文件示例
version: "3.7"
services:
app:
image: node:10-alpine
command: sh -c "yarn install && yarn run dev"
ports:
- 3000:3000
working_dir: /app
volumes:
- ./:/app
environment:
MYSQL_HOST: mysql
MYSQL_USER: root
MYSQL_PASSWORD: secret
MYSQL_DB: todos
mysql:
image: mysql:5.7
volumes:
- todo-mysql-data:/var/lib/mysql
environment:
MYSQL_ROOT_PASSWORD: secret
MYSQL_DATABASE: todos
volumes:
todo-mysql-data:
应用生命周期管理
启动应用栈
docker-compose up -d
此命令会:
- 自动创建专用网络
- 初始化数据卷
- 按依赖顺序启动服务
查看日志
docker-compose logs -f
使用-f参数可以实时跟踪日志输出,对于调试多服务交互非常有用。
停止应用
docker-compose down
默认情况下,此命令会:
- 停止并移除容器
- 删除专用网络
- 保留数据卷(确保数据库持久化)
如需同时删除数据卷,可添加--volumes参数。
最佳实践建议
- 服务依赖管理:Node.js应用需要等待MySQL完全就绪,建议在应用中实现健康检查机制
- 环境变量管理:敏感信息如数据库密码应考虑使用环境变量文件或密钥管理服务
- 版本控制:将Compose文件纳入版本控制,方便团队协作
- 多环境配置:利用Compose的extends功能或环境变量适应不同部署环境
总结
通过本教程,我们学习了如何使用Docker Compose编排多容器应用。相比手动管理多个容器,Compose提供了更简洁高效的管理方式,特别适合开发复杂微服务架构。掌握Compose的使用,将显著提升开发效率和环境一致性。
下一步,您可以探索更高级的Compose特性,如服务扩展、健康检查和多文件配置,以构建更健壮的容器化应用。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
deepin linux kernel
C
24
7
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
308
2.71 K
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
361
2.85 K
暂无简介
Dart
599
132
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.07 K
616
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
634
232
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
774
74
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
仓颉编程语言命令行工具,包括仓颉包管理工具、仓颉格式化工具、仓颉多语言桥接工具及仓颉语言服务。
C++
55
794
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
464