首先,大家需要明確一點,Docker容器不是虛擬機。
2014年,當(dāng)我第一次接觸Docker的時候,我把它比做一種輕量級的虛擬機。這樣做無可厚非,因為Docker最初的成功秘訣,正是它比虛擬機更節(jié)省內(nèi)存,啟動更快。Docker不停地給大家宣傳,"虛擬機需要數(shù)分鐘啟動,而Docker容器只需要50毫秒"。
然而,Docker容器并非虛擬機,我們不妨來比較一下它們。
理解虛擬機
使用虛擬機運行多個相互隔離的應(yīng)用時,如下圖:
從下到上理解上圖:
- 基礎(chǔ)設(shè)施(Infrastructure) 。它可以是你的個人電腦,數(shù)據(jù)中心的服務(wù)器,或者是云主機。
- 主操作系統(tǒng)(Host Operating System) 。你的個人電腦之上,運行的可能是MacOS,Windows或者某個Linux發(fā)行版。
- 虛擬機管理系統(tǒng)(Hypervisor) 。利用Hypervisor,可以在主操作系統(tǒng)之上運行多個不同的從操作系統(tǒng)。類型1的Hypervisor有支持MacOS的HyperKit,支持Windows的Hyper-V以及支持Linux的KVM。類型2的Hypervisor有VirtualBox和VMWare。
- 從操作系統(tǒng)(Guest Operating System) 。假設(shè)你需要運行3個相互隔離的應(yīng)用,則需要使用Hypervisor啟動3個從操作系統(tǒng),也就是3個虛擬機。這些虛擬機都非常大,也許有700MB,這就意味著它們將占用2.1GB的磁盤空間。更糟糕的是,它們還會消耗很多CPU和內(nèi)存。
- 各種依賴 。每一個從操作系統(tǒng)都需要安裝許多依賴。如果你的的應(yīng)用需要連接PostgreSQL的話,則需要安裝libpq-dev;如果你使用Ruby的話,應(yīng)該需要安裝gems;如果使用其他編程語言,比如Python或者Node.js,都會需要安裝對應(yīng)的依賴庫。
- 應(yīng)用 。安裝依賴之后,就可以在各個從操作系統(tǒng)分別運行應(yīng)用了,這樣各個應(yīng)用就是相互隔離的。
理解Docker容器
使用Docker容器運行多個相互隔離的應(yīng)用時,如下圖:
- 主操作系統(tǒng)(Host Operating System) 。所有主流的Linux發(fā)行版都可以運行Docker。對于MacOS和Windows,也有一些辦法"運行"Docker。
- Docker守護(hù)進(jìn)程(Docker Daemon) 。Docker守護(hù)進(jìn)程取代了Hypervisor,它是運行在操作系統(tǒng)之上的后臺進(jìn)程,負(fù)責(zé)管理Docker容器。
- 各種依賴 。對于Docker,應(yīng)用的所有依賴都打包在Docker鏡像中,Docker容器是基于Docker鏡像創(chuàng)建的。
- 應(yīng)用 。應(yīng)用的源代碼與它的依賴都打包在Docker鏡像中,不同的應(yīng)用需要不同的Docker鏡像。不同的應(yīng)用運行在不同的Docker容器中,它們是相互隔離的。
對比虛擬機與Docker
Docker守護(hù)進(jìn)程可以直接與主操作系統(tǒng)進(jìn)行通信,為各個Docker容器分配資源;它還可以將容器與主操作系統(tǒng)隔離,并將各個容器互相隔離。虛擬機啟動需要數(shù)分鐘,而Docker容器可以在數(shù)毫秒內(nèi)啟動。由于沒有臃腫的從操作系統(tǒng),Docker可以節(jié)省大量的磁盤空間以及其他系統(tǒng)資源。
說了這么多Docker的優(yōu)勢,大家也沒有必要完全否定虛擬機技術(shù),因為兩者有不同的使用場景。虛擬機更擅長于徹底隔離整個運行環(huán)境。例如,云服務(wù)提供商通常采用虛擬機技術(shù)隔離不同的用戶。而Docker通常用于隔離不同的應(yīng)用,例如前端,后端以及數(shù)據(jù)庫。
原文鏈接:https://diveintodocker.com/blog/comparing-virtual-machines-vs-docker-containers
-
操作系統(tǒng)
+關(guān)注
關(guān)注
37文章
6684瀏覽量
123140 -
虛擬機
+關(guān)注
關(guān)注
1文章
904瀏覽量
28018 -
Docker
+關(guān)注
關(guān)注
0文章
453瀏覽量
11792
發(fā)布評論請先 登錄
相關(guān)推薦
評論