Skip to main content

Command Palette

Search for a command to run...

Docker DevOps:数据容器和网络

Published
•1 min read•View as Markdown

Matt Saunders 具有企业和创业的双重背景,Contino 的高级工程师和首席 DevOps 顾问。Matt 还是 [伦敦 DevOps 会议](超过 3000 成员的月度会议)的组织者之一。

Docker 眼中数据容器的未来是怎样的?针对数据容器不应使用在复制系统上的批评,Docker 如何回应呢?

Docker 建议持久化数据应该存储到具名卷中,现在和未来的创新会提高这一技术的稳定性和容错性。我相信多数针对数据容器的批评的焦点在于,数据容器无法在主机间迅速转移,这就意味着随 Docker 建立的数据容器只能存在于一个主机上。然而随着 Docker 1.9 的出现, Flocker、Convoy 以及 GlusterFS 这些的插件让 Docker 能够在这些存储集群上建立卷了。

Docker 的网络模型,针对目前的需要,做了哪些增强呢?

Docker 1.12 带来了很多改进,包括无缝的利用独立网络来启动整个应用栈的巨大进步。同样受益于插件系统,Docker 能够使用第三方的网络插件。Docker 1.12 还增强了网络安全性,利用软件定义网络,为应用提供了隔离良好的能跨越多个 Docker 主机的网络堆栈。负载均衡得到了显著增强,这是这一版本的主要特性之一。

你认为最近启动的 Docker 安全扫描,对企业云用户有效果么?Docker 对安全的态度是怎样的?

Docker 最大的好处,也是企业用户最大的担心。把整个应用的依赖打包在一个镜像之中,就获得了让容器有了被迁移的能力,但是与此同时也带来了透明性的损失。

Docker 的安全扫描,在 DockerHub 上根据已知的软件缺陷进行评估,降低了这一风险,在 Docker Hub 上建立了私有仓库的企业将从中获益。在私有云中运行 Docker 受信仓库的用户同样也具有这方面的担忧。,我们正准备更进一步的把这一特性带给 Docker 数据中心的用户。

安全是 Docker 第一优先考虑的问题,过去发行的版本在这一方面进行了持续的增强,去年还发布了 Docker 内容信任(机制?)。这使得基于 Docker 的安装越来越好的同现有安全策略进行写作。

IT 团队是如何看待这一新兴技术的投资回报率的?

可以用多种途径来度量投资回报率 —— 最显而易见的就是缩减了虚拟化层造成的性能浪费。Docker 能够更快的进行代码的测试和发布,也大大的加速了软件的交付过程。

你认为哪些行业更愿意拥抱容器技术?

容器技术对于 Web 应用有很好的支撑能力,因此在线商务最乐于进行这方面的投入。不过这并不是排他的,任何想要提高交付速度的行业都会跟进。

在初步接触容器技术的过程中,最容易犯下什么错误?

很多公司会尝试用(过去的)虚拟化同样的思路来运行容器,这当然还是会有一定的好处,但是也有其局限性。这种做法会造出肥胖的容器,是一种买椟还珠的行为。

是否存在不适合 Docker 的场景?

目前还局限于 Linux。

Windows 支持目前还比较幼稚,但是今年会有显著的增强。另外不希望迎合技术变革的企业也不应该选择 Docker —— 这一新技术对软件的生命周期会造成巨大变化,对身处其中的企业和雇员来说,都会带来很大挑战。

More from this blog

AI Agent 的“莫兰迪时刻”

一个新范式真正走向大众,往往不是从所有人都正确理解它开始,而是从它开始被反复引用、简化、误读,甚至滥用开始。 今天的 AI Agent,可能正走到这样一个时刻。 这篇文章的念头,来自我最近收听《大内密谈》vol.1434《审美升级or消费主义?从莫兰迪在中国聊起》时的一些联想。节目从莫兰迪色在中国的走红,谈到作品价格、知识产权、商业流量与消费主义。[9] 我听着听着想到另一个熟悉的技术史问题:为

Oct 5, 20263 min read

FDE 是传统运维产品厂商的出路吗?

很多传统运维产品厂商,已经不缺产品了。 从 ITSM、CMDB、监控、自动化,到 IAM、数据中心管理和各类大屏,一个成熟厂商往往都能拿出一张很完整的产品地图。销售材料上看,客户运维部门的日常工作几乎都被覆盖了。 但项目一落地,味道就变了。 产品越多,集成越重;模块越全,边界越模糊;客户越大,定制越深。到了后期,项目成功本身也会变成麻烦:现场改出来的东西回不到主干,配置越来越像黑箱,谁都不敢轻易升

Jun 29, 20263 min read

绵里藏针才是 AIOps 的本质?

Agent 让运维编排变得柔性、可变、甚至自演进;但真正敢进入生产环境的 AIOps,仍然离不开坚实、受控、可审计、可回退的自动化底座。 从 Gartner 提出 AIOps 概念到现在,也大概有十年了。这么多年来,这个领域好像发生了很多变化,又好像没什么“本质”的变化。技术上,我们经历了传统机器学习、深度学习和神经网络、以及大模型和智能体这样“翻天覆地”的变化;业务上,我们面对的是更多品种、更大

May 31, 20263 min read

龙虾恐慌:AIOps 又要改名了?

ChatGPT 开始,把 AI 拉近到普罗大众的面前,让无数人感受到 AI 的亲民魅力。而龙虾,则把大模型驱动的自动化能力,突然间变得水灵灵、活泼泼地走进千家万户。它不只是“风口上的猪”,而是风口本身。热度高到让 Mac mini 一度断货,不知道这在不在库克的预料之内。 每代人都有每代人的鸡蛋,春节期间,我就领了我的鸡蛋。翻出古老的 MacBook Air M1,充值各种大模型。当然了,这个工具

Mar 9, 20261 min read
【

【伪】架构师

346 posts