Docker容器的数据管理
在使用Docker的过程中,往往需要对数据进行持久化,或者需要在多个容器之间进行数据共享,这必然涉及容器的数据管理操作。容器中管理数据主要有两种方式:
-
数据卷(Data Volumes):容器内数据直接映射到本地主机环境;如何在容器内创建数据卷,并且把本地的目录或文件挂载到容器内的数据卷中。
-
数据卷容器(Data Volume Containers):使用特定容器维护数据卷。如何使用数据卷容器在容器和主机、容器和容器之间共享数据,并实现数据的备份和恢复。
数据卷
数据卷是一个可供容器使用的特殊目录,它将主机操作系统目录直接映射进容器,类似于Linux中的mount操作。它完全独立于容器的生存周期,不会在容器删除时删除其挂载的数据卷,也不会存在垃圾回收机制对容器引起的数据卷进行处理。
数据卷可以提供很多有用的特性,如下所示:
-
数据卷可以在容器之间共享和重用,容器间传递数据将变得高效方便;
-
对数据卷内数据的修改会立马生效,无论是容器内操作还是本地操作;
-
对数据卷的更新不会影响镜像,解耦了应用和数据;
-
卷会一直存在,直到没有容器使用,可以安全地卸载它。
-
数据卷在容器启动时初始化,如果容器使用的镜像挂载点包含了数据,这些数据会拷贝到新初始化的数据卷中。
1.在容器内创建一个数据卷
在用docker run命令的时候,使用-v标记可以在容器内创建一个数据卷,使用-v标记也可以指定挂载一个本地的已有目录到容器中去作为数据卷(推荐方式)。多次重复使用-v标记可以创建多个数据卷。
下面使用ubuntu镜像创建一个简单容器,并创建一个数据卷挂载(~/container-data)到容器的/data目录:
$ sudo docker run -v ~/container-data:/data -it ubuntu /bin/bash
image.gif
命令格式如下:
$ sudo docker run -v 本地路径:映射容器路径 -it ubuntu /bin/bash
image.gif
也可以使用-v挂载多个数据卷到容器中
$ docker run -d -P --name web -v /src/webapp:/opt/webapp -v /src/conf:/opt/conf training/webapp python app.py
image.gif
上面的命令加载主机的/src/webapp目录到容器的/opt/webapp目录,加载/src/conf目录到容器的/opt/conf目录里。
这个功能在进行测试的时候十分方便,比如用户可以将一些程序或数据放到本地目录中,然后在容器内运行和使用。另外,本地目录的路径必须是绝对路径,如果目录不存在,Docker会自动创建。
Docker挂载数据卷的默认权限是读写(rw),用户也可以通过ro指定为只读:
为数据卷添加访问权限
$sudo docker run -v 本地路径:映射容器路径:访问权限 -it ubuntu /bin/bash
image.gif
添加访问权限就是在指定目录映射后再指定访问权限。例子:
$sudo docker run -v ~/container-data:/data:ro -it ubuntu /bin/bash
在指定目录映射后添加一个只读的权限
image.gif
加了:ro之后,容器内对所挂载数据卷内的数据就无法修改了。
3.挂载一个本地主机文件作为数据卷
-v标记也可以从主机挂载单个文件到容器中作为数据卷(不推荐)。
$ docker run --rm -it -v ~/.bash_history:/.bash_history ubuntu /bin/bash
image.gif
这样就可以记录在容器输入过的命令历史了。
如果直接挂载一个文件到容器,使用文件编辑工具,包括vi或者sed--in-place的时候,可能会造成文件inode的改变,从Docker 1.1.0起,这会导致报错误信息。所以推荐的方式是直接挂载文件所在的目录。
4.查看容器是否挂载了数据卷
docker inspect 容器名|容器id
image.gif
可以查看数据卷信息
5.使用dockerfile构建包含数据卷的镜像
不能映射到已经存在的本地目录中。
在镜像构建时指定的数据卷会在容器启动时创建我们指定名字的数据卷,并且运行同样镜像的不同容器所创建的数据卷也是不一样的。
这就造成了数据卷之间的数据不能共享
dockerfile指令:
VOLUME["/data"]
image.gif
例子:
First Dockerfile
FROM ubuntu:14.04(镜像的基础)
VOLUME["/data1","data2"]
CMD /bin/bash
image.gif
数据卷容器
如果用户需要在多个容器之间共享一些持续更新的数据,最简单的方式是使用数据卷容器。数据卷容器也是一个容器,但是它的目的是专门用来提供数据卷供其他容器挂载。
首先,创建一个数据卷容器dbdata,并在其中创建一个数据卷挂载到/dbdata:
$ docker run -it -v /dbdata --name dbdata ubuntu
image.gif
root@3ed94f279b6f:/#
查看/dbdata目录:
root@3ed94f279b6f:/# ls
bin boot dbdata dev etc home lib lib64 media mnt opt proc root run sbin srv sys tmp usr var
然后,可以在其他容器中使用--volumes-from来挂载dbdata容器中的数据卷.
例如创建db1和db2两个容器,并从dbdata容器挂载数据卷:
$ docker run -it --volumes-from dbdata --name db1 ubuntu
$ docker run -it --volumes-from dbdata --name db2 ubuntu
image.gif
此时,容器db1和db2都挂载同一个数据卷到相同的/dbdata目录。三个容器任何一方在该目录下的写入,其他容器都可以看到。
例如,在dbdata容器中创建一个test文件,如下所示:
root@3ed94f279b6f:/# cd /dbdata
root@3ed94f279b6f:/dbdata# touch test
root@3ed94f279b6f:/dbdata# ls
test
image.gif
在db1容器内查看它:
$ docker run -it --volumes-from dbdata --name db1 ubuntu
root@4128d2d804b4:/# ls
bin boot dbdata dev etc home lib lib64 media mnt opt proc root run sbin srv sys tmp usr var
root@4128d2d804b4:/# ls dbdata/
test
image.gif
可以多次使用--volumes-from参数来从多个容器挂载多个数据卷。还可以从其他已经挂载了容器卷的容器来挂载数据卷。
使用--volumes-from参数所挂载数据卷的容器自身并不需要保持在运行状态。
如果删除了挂载的容器(包括dbdata、db1和db2),数据卷并不会被自动删除。如果要删除一个数据卷,必须在删除最后一个还挂载着它的容器时显式使用docker rm -v命令来指定同时删除关联的容器。
使用挂载数据卷容器实现多容器共享数据,删除了挂载数据卷容器,新容器依旧可以访问原来容器挂载的数据,如果还有其他容器在使用数据卷,就不可以通过docker rm –v container_name删除数据卷
利用数据卷容器来迁移数据
可以利用数据卷容器对其中的数据卷进行备份、恢复,以实现数据的迁移。
下面介绍这两个操作。
1.备份
使用下面的命令来备份dbdata数据卷容器内的数据卷:
$ docker run --volumes-from dbdata -v $(pwd):/backup --name worker ubuntu tar cvf /backup/backup.tar /dbdata
image.gif
首先利用ubuntu镜像创建了一个容器worker。使用--volumes-from dbdata参数来让worker容器挂载dbdata容器的数据卷(即dbdata数据卷),使用-v $(pwd):/backup参数来挂载本地的当前目录到worker容器的/backup目录。worker容器启动后,使用了tar cvf /backup/backup.tar /dbdata命令来将/dbdata下内容备份为容器内的/backup/backup.tar,即宿主主机当前目录下的backup.tar。
2.恢复
如果要将数据恢复到一个容器,可以按照下面的步骤操作。
首先创建一个带有数据卷的容器dbdata2:
$ docker run -v /dbdata --name dbdata2 ubuntu /bin/bash
image.gif
然后创建另一个新的容器,挂载dbdata2的容器,并使用untar解压备份文件到所挂载的容器卷中:
$ docker run --volumes-from dbdata2 -v $(pwd):/backup --name worker ubuntu bash
cd /dbdata
tar xvf /backup/backup.tar
image.gif
如有不对,欢迎指正,相互学习,共同进步。更多文章https://blog.csdn.net/wade3015/article/details/90048017