在Spring Web REST应用中使用Docker容器化MariaDB数据库
2025-07-10 05:03:36作者:齐添朝
前言
在现代应用开发中,数据库容器化已成为一种常见且高效的实践方式。本文将详细介绍如何在Spring Web REST应用开发过程中,使用Docker容器化MariaDB数据库,为开发者提供一个干净、隔离且易于管理的数据库环境。
MariaDB容器化方案
为什么选择容器化
- 环境一致性:确保开发、测试和生产环境使用相同版本的数据库
- 快速部署:无需复杂的本地安装配置过程
- 资源隔离:避免与本地已安装的数据库服务冲突
- 易于清理:测试完成后可轻松销毁容器,不留残留
构建MariaDB容器镜像
首先需要构建一个包含预配置的MariaDB容器镜像。以下是详细步骤:
-
准备Dockerfile:确保Dockerfile中已包含必要的配置,如:
- 基础镜像版本
- 数据库root密码设置
- 初始化脚本(如需要预创建数据库和表)
-
执行构建命令:
docker build -t prospring6-mariadb:1.5 .
这个命令会:
- 基于当前目录下的Dockerfile构建镜像
- 将镜像标记为prospring6-mariadb,版本号为1.5
- 自动下载所需的MariaDB基础镜像(如果本地不存在)
运行MariaDB容器
构建完成后,使用以下命令启动容器:
docker run --name local-ch15-mariadb -d -p 3306:3306 prospring6-mariadb:1.5
参数说明:
--name:为容器指定一个易记的名称(local-ch15-mariadb)-d:以守护进程模式运行容器-p 3306:3306:将容器内的3306端口映射到主机的3306端口
连接数据库
使用IntelliJ IDEA连接
- 打开IntelliJ IDEA的Database工具窗口
- 添加新的MariaDB/MySQL数据源
- 配置连接参数:
- Host: localhost
- Port: 3306
- User: root(或Dockerfile中指定的其他用户)
- Password: 使用Dockerfile中配置的密码
- 测试连接并应用配置
验证数据库
连接成功后,可以:
- 浏览预创建的表结构
- 执行查询验证数据库是否正常工作
- 根据Spring应用需求创建额外的表或修改现有结构
Spring应用配置
在Spring Boot应用中配置数据库连接时,需要在application.properties或application.yml中添加以下配置:
spring.datasource.url=jdbc:mariadb://localhost:3306/your_database
spring.datasource.username=your_username
spring.datasource.password=your_password
spring.datasource.driver-class-name=org.mariadb.jdbc.Driver
开发实践建议
-
数据持久化:考虑添加数据卷挂载以避免容器重启后数据丢失
docker run --name local-ch15-mariadb -d -p 3306:3306 -v /path/to/host/dir:/var/lib/mysql prospring6-mariadb:1.5 -
多环境配置:为开发、测试和生产环境配置不同的容器设置
-
健康检查:在Dockerfile中添加健康检查指令,确保数据库完全启动后再接受连接
-
资源限制:为容器设置适当的内存和CPU限制,防止资源占用过高
常见问题解决
-
端口冲突:如果3306端口已被占用,可以映射到其他端口(如3307)
docker run --name local-ch15-mariadb -d -p 3307:3306 prospring6-mariadb:1.5 -
连接超时:确保容器已完全启动后再尝试连接
-
认证失败:检查Dockerfile中的密码配置与Spring应用配置是否一致
总结
使用Docker容器化MariaDB为Spring Web REST应用开发提供了便捷的数据库解决方案。这种方法不仅简化了开发环境的搭建,还确保了环境的一致性,使得团队协作和持续集成更加顺畅。通过本文介绍的步骤,开发者可以快速搭建起开发所需的数据库环境,专注于业务逻辑的实现。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
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
暂无简介
Dart
672
157
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++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
135
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218