DockerSamples 101教程:构建多容器应用的最佳实践
2025-06-20 07:10:53作者:范靓好Udolf
前言
在之前的教程中,我们学习了如何构建和运行单容器应用。但在实际生产环境中,应用通常由多个服务组成。本文将深入探讨如何构建一个由Node.js应用和MySQL数据库组成的多容器应用系统。
为什么需要多容器架构
单一职责原则是容器设计的核心理念之一。每个容器应该专注于做好一件事情:
- 独立扩展性:前端应用和数据库通常有不同的扩展需求
- 隔离更新:可以单独更新某个服务而不影响其他组件
- 环境一致性:开发环境使用容器化数据库,生产环境可无缝切换为云数据库服务
- 简化管理:避免在单个容器内运行多个进程带来的复杂性
容器网络基础
容器默认运行在隔离环境中,要让容器间通信,我们需要理解Docker网络的基本原理:
- 同一网络内的容器可以直接通信
- 不同网络的容器相互隔离
- Docker提供内置的DNS服务,容器可以通过名称解析IP
实战:构建Todo应用的多容器架构
第一步:创建专用网络
docker network create todo-app
这个命令创建了一个名为todo-app的桥接网络,后续所有相关容器都将加入这个网络。
第二步:启动MySQL容器
docker run -d \
--network todo-app --network-alias mysql \
-v todo-mysql-data:/var/lib/mysql \
-e MYSQL_ROOT_PASSWORD=secret \
-e MYSQL_DATABASE=todos \
mysql:5.7
关键参数解析:
--network-alias mysql:为容器设置网络别名,其他容器可通过"mysql"主机名访问-v:使用命名卷持久化数据库数据-e:设置环境变量初始化数据库
第三步:验证MySQL服务
docker exec -it <容器ID> mysql -p
输入密码"secret"后,执行SHOW DATABASES;应能看到todos数据库已创建。
第四步:理解服务发现
Docker内置的DNS服务使得容器间通信变得简单。我们可以使用专门的网络诊断工具验证:
docker run -it --network todo-app nicolaka/netshoot
dig mysql
输出中将显示mysql主机名解析为MySQL容器的实际IP地址。
第五步:启动应用容器
docker run -dp 3000:3000 \
-w /app -v $PWD:/app \
--network todo-app \
-e MYSQL_HOST=mysql \
-e MYSQL_USER=root \
-e MYSQL_PASSWORD=secret \
-e MYSQL_DB=todos \
node:10-alpine \
sh -c "yarn install && yarn run dev"
重要安全提示:虽然环境变量适合开发环境,但生产环境应使用更安全的机密管理方式,如Docker Secrets或Kubernetes Secrets。
第六步:验证数据持久化
- 在Todo应用中添加几个事项
- 连接到MySQL容器验证数据是否持久化:
docker exec -ti <mysql容器ID> mysql -p todos
SELECT * FROM todo_items;
生产环境建议
- 数据库管理:考虑使用云数据库服务替代容器化数据库
- 连接池配置:适当配置应用连接池参数
- 备份策略:定期备份MySQL数据卷
- 监控:为数据库和应用容器配置监控
总结
通过本教程,我们实现了:
- 多容器应用的架构设计
- Docker网络的基本使用
- 容器间服务发现机制
- 数据库持久化配置
虽然手动管理多容器应用可行,但随着服务增多,管理复杂度会显著增加。在下一阶段,我们将介绍使用Docker Compose工具简化多服务应用的管理。
记住:良好的容器设计应该遵循单一职责原则,保持轻量化和模块化,这样才能充分发挥容器技术的优势。
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
项目优选
收起
deepin linux kernel
C
24
9
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
🔥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
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
392
3.89 K
暂无简介
Dart
671
156
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
React Native鸿蒙化仓库
JavaScript
261
322
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++
661
311
🎉 (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
1.2 K
654
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
15
1