近2年Docker非常的火熱，各位開發者恨不得把所有的應用、軟件都部署在Docker容器中，但是您確定也要把數據庫也部署的容器中嗎？

這個問題不是子虛烏有，因為在網上能夠找到很多各種操作手冊和視頻教程，小編整理了一些數據庫不適合容器化的原因供大家參考，同時也希望大家在使用時能夠謹慎一點。

目前為止將數據庫容器化是非常不合理的，但是容器化的優點相信各位開發者都嘗到了甜頭，希望隨著技術的發展能夠更加完美的解決方案出現。

Docker不適合部署數據庫的7大原因

1、數據安全問題

不要將數據儲存在容器中，這也是 Docker 官方容器使用技巧中的一條。容器隨時可以停止、或者刪除。當容器被rm掉，容器里的數據將會丟失。為了避免數據丟失，用戶可以使用數據卷掛載來存儲數據。但是容器的 Volumes 設計是圍繞 Union FS 鏡像層提供持久存儲，數據安全缺乏保證。如果容器突然崩潰，數據庫未正常關閉，可能會損壞數據。另外，容器里共享數據卷組，對物理機硬件損傷也比較大。

即使你要把 Docker 數據放在主機來存儲 ，它依然不能保證不丟數據。 Docker volumes 的設計圍繞 Union FS 鏡像層提供持久存儲，但它仍然缺乏保證。

使用當前的存儲驅動程序，Docker 仍然存在不可靠的風險。 如果容器崩潰并數據庫未正確關閉，則可能會損壞數據。

2、性能問題

大家都知道，MySQL 屬于關系型數據庫，對IO要求較高。當一臺物理機跑多個時，IO就會累加，導致IO瓶頸，大大降低 MySQL 的讀寫性能。

在一次Docker應用的十大難點專場上，某國有銀行的一位架構師也曾提出過：“數據庫的性能瓶頸一般出現在IO上面，如果按 Docker 的思路，那么多個docker最終IO請求又會出現在存儲上面。現在互聯網的數據庫多是share nothing的架構，可能這也是不考慮遷移到 Docker 的一個因素吧”。

針對性能問題有些同學可能也有相對應的方案來解決：

(1)數據庫程序與數據分離

　　如果使用Docker 跑 MySQL，數據庫程序與數據需要進行分離，將數據存放到共享存儲，程序放到容器里。如果容器有異常或 MySQL 服務異常，自動啟動一個全新的容器。另外，建議不要把數據存放到宿主機里，宿主機和容器共享卷組，對宿主機損壞的影響比較大。

(2)跑輕量級或分布式數據庫

　　Docker 里部署輕量級或分布式數據庫，Docker 本身就推薦服務掛掉，自動啟動新容器，而不是繼續重啟容器服務。

(3)合理布局應用

　　對于IO要求比較高的應用或者服務，將數據庫部署在物理機或者KVM中比較合適。目前TX云的TDSQL和阿里的Oceanbase都是直接部署在物理機器，而非Docker 。

3、網絡問題

要理解 Docker 網絡，您必須對網絡虛擬化有深入的了解。也必須準備應付好意外情況。你可能需要在沒有支持或沒有額外工具的情況下，進行 bug 修復。

我們知道：數據庫需要專用的和持久的吞吐量，以實現更高的負載。我們還知道容器是虛擬機管理程序和主機虛擬機背后的一個隔離層。然而網絡對于數據庫復制是至關重要的，其中需要主從數據庫間 24/7 的穩定連接。未解決的 Docker 網絡問題在1.9版本依然沒有得到解決。

把這些問題放在一起，容器化使數據庫容器很難管理。我知道你是一個頂級的工程師，什么問題都可以得到解決。但是，你需要花多少時間解決 Docker 網絡問題？將數據庫放在專用環境不會更好嗎？節省時間來專注于真正重要的業務目標。

4、狀態

在 Docker 中打包無狀態服務是很酷的，可以實現編排容器并解決單點故障問題。 但是數據庫呢？ 將數據庫放在同一個環境中，它將會是有狀態的，并使系統故障的范圍更大。下次您的應用程序實例或應用程序崩潰，可能會影響數據庫。

知識點在 Docker 中水平伸縮只能用于無狀態計算服務，而不是數據庫。

Docker 快速擴展的一個重要特征就是無狀態，具有數據狀態的都不適合直接放在 Docker 里面，如果 Docker 中安裝數據庫，存儲服務需要單獨提供。

目前，TX云的TDSQL(金融分布式數據庫)和阿里云的Oceanbase(分布式數據庫系統)都直接運行中在物理機器上，并非使用便于管理的 Docker 上。

5、資源隔離

資源隔離方面，Docker 確實不如虛擬機KVM，Docker是利用Cgroup實現資源限制的，只能限制資源消耗的最大值，而不能隔絕其他程序占用自己的資源。如果其他應用過渡占用物理機資源，將會影響容器里 MySQL 的讀寫效率。

需要的隔離級別越多，獲得的資源開銷就越多。 相比專用環境而言，容易水平伸縮是Docker的一大優勢。 然而在 Docker 中水平伸縮只能用于無狀態計算服務，數據庫并不適用。

我們沒有看到任何針對數據庫的隔離功能，那為什么我們應該把它放在容器中呢？

6、云平臺的不適用性

大部分人通過共有云開始項目。 云簡化了虛擬機操作和替換的復雜性，因此不需要在夜間或周末沒有人工作時間來測試新的硬件環境。當我們可以迅速啟動一個實例的時候，為什么我們需要擔心這個實例運行的環境？

這就是為什么我們向云提供商支付很多費用的原因。 當我們為實例放置數據庫容器時，上面說的這些便利性就不存在了。因為數據不匹配，新實例不會與現有的實例兼容，如果要限制實例使用單機服務，應該讓 DB 使用非容器化環境，我們僅僅需要為計算服務層保留彈性擴展的能力。

7、運行數據庫的環境需求

常看到 DBMS 容器和其他服務運行在同一主機上。 然而這些服務對硬件要求是非常不同的。

數據庫（特別是關系型數據庫）對 IO 的要求較高。 一般數據庫引擎為了避免并發資源競爭而使用專用環境。如果將你的數據庫放在容器中，那么將浪費你的項目的資源。 因為你需要為該實例配置大量額外的資源。 在公有云，當你需要 34G 內存時，你啟動的實例卻必須開 64G 內存。在實踐中，這些資源并未完全使用。

怎么解決？ 您可以分層設計，并使用固定資源來啟動不同層次的多個實例。 水平伸縮總是比垂直伸縮更好。

總結

針對上面問題是不是說數據庫一定不要部署在容器里嗎？

答案是：并不是

我們可以把數據丟失不敏感的業務（搜索、埋點）就可以數據化，利用數據庫分片來來增加實例數，從而增加吞吐量。

docker適合跑輕量級或分布式數據庫，當docker服務掛掉，會自動啟動新容器，而不是繼續重啟容器服務。

數據庫利用中間件和容器化系統能夠自動伸縮、容災、切換、自帶多個節點，也是可以進行容器化的。