写点什么

入门解读:小白也能看懂的容器和虚拟机介绍

  • 2019-01-08
  • 本文字数:1802 字

    阅读完需:约 6 分钟

入门解读:小白也能看懂的容器和虚拟机介绍

如今,网络上对容器和虚拟机的比较很常见。理论上,正如大多数人所言,容器比虚拟机更好,甚至虚拟机会被彻底淘汰。但是,容器和虚拟机并不一定要站在对立面互相开撕,毕竟容器目前存在的很多问题并没有彻底解决,虚拟机的启动速度和内存开销也未必落后于容器。


因此,如果处于初级入门阶段,有必要认真了解容器和虚拟机的区别,以便做出更优选择。


开始之前,我们先想想应用程序在真实计算机环境中的运行情况。假设,我们需要运行 MySQL 数据库、Nodejs 应用程序和 MongoDB 数据库三个应用程序。真实的计算机环境需要配备服务器,这是运行操作系统的物理设备;主机操作系统,在服务器上运行的操作系统,比如可以选择 Linux Ubuntu。


如果希望应用彼此隔离,每个程序都有自己的操作系统,可以在 Linux Fedora 上运行 MySQL、在 Linux Ubuntu 上运行 Nodejs 并在 Windows 上运行 MongoDB。如果不依靠虚拟机和容器,这个过程需要用三台计算机实现,彼此之间还需要互相通信。

虚拟机

这种方式既不友好也不科学,虚拟机和容器的出现解决了这些问题。相较而言,虚拟机历史更久远,用户也更加熟悉。简单来说,虚拟机通过虚拟化来模拟真实计算环境,以执行在真实计算机上运行的应用程序。

优缺点

虚拟机的优点是可创建完全隔离的环境并实现完全虚拟化,每个虚拟机都有对应的 CPU 虚拟化。其缺点也很明显,重,虚拟机通常在繁重的隔离进程中执行,因为需要 Guest OS;性能一般,当虚拟机无法直接访问硬件(托管的虚拟机管理程序)时,需要在拥有一个层,这会明显降低性能。

研究进展

在理论层面, neclab 的研究学者已经把虚拟机的启动速度做到比 Docker 还快,并且内存开销比 Docker 更低,这些成果以 paper 形式发表在 SOSP’17 上。长期以来,由于虚拟机需要完整的操作系统,所以体积比较大,如果想优化速度必须精简操作系统。


论文作者提供了两种方法:一是 Unikernels,这种方法相对极端,简单来说是为应用专门定制操作系统内核,该内核只提供运行此服务最基本的功能;二是精简 Linux 内核只保留必要功能和模块,作者专门开发了 Tinyx 工具,根据应用 objdump 信息自动寻找依赖,并根据启发性测试不断寻找可关闭 linux 模块。这种方式不仅可以缩小镜像体积(与启动速度最相关的因素),还可以降低占用内存。

容器

简单来说,容器是与主机共享资源的独立进程。与虚拟机不同,容器不会虚拟化硬件,也不需要客户操作系统。在容器中,运行应用程序所需的必要组件都打包为单个映像,可重复使用。执行映像时,它在隔离环境中运行,不共享内存、CPU 或主机操作系统磁盘。这可以保证容器内的进程无法监视容器外的任何进程。

优缺点

容器的优点是由隔离进程执行但可与同一主机上的其他容器共享资源环境;允许将容器内部的文件和资源安装到外部;容器不在客户操作系统中运行,因此其过程是轻量级的,具有更好的性能,并可在几秒钟内启动。


容器的缺点有相同的 Host OS,当应用程序需要特定的操作系统并且使用虚拟机更容易实现时,我们可能会遇到这种情况;安全问题,容器相当于彼此隔离的进程,可以直接访问重要的命名空间,比如主机名、网络和共享内存。当然,这一点可以通过控制 root 用户有所缓解,但始终是个问题。

容器 VS 虚拟机

从舆论层面来看,我们似乎应该放弃虚拟机,毕竟不少媒体已经开始使用“虚拟机已死”的言论。但就可维护性而言,虚拟机的动态迁移等技术相对成熟,实现原理从根上就很简单,不需要操心少个依赖进程的内存没过去。所以,我们无法孤立分析二者的好坏,需要结合应用特点、解决问题和场景等因素选择。


实际上,容器诞生之初更多的目的是解决裸进程的隔离和部署问题,并不是冲着取代虚拟机。目前还有不少人选择应用虚拟机,如果场景和需求合适,也不妨将虚拟机和容器一起使用,比如,生产环境使用 Windows,但有一个仅在 Linux 上运行的应用程序,此时可以使用虚拟机运行 Linux 发行版,然后在此虚拟机中运行容器。当然,这件事情现在似乎也由云厂商代做了。


前不久,AWS 开源 Firecracker,这其实可以算是是容器和虚拟化优势结合的产物,专门用于创建和管理多租户容器以及基于函数的服务,利用传统虚拟机提供的安全性和工作负载隔离,同时兼具容器的资源效率。不少人认为这可能是未来虚拟机和容器的发展方向,今年可能会看到更多云计算厂商推出此类服务。


参考链接:https://dzone.com/articles/part-4-docker-images-in-more-details


https://dl.acm.org/citation.cfm?id=3132763


2019-01-08 08:2011963
用户头像
赵钰莹 极客邦科技 总编辑

发布了 893 篇内容, 共 668.4 次阅读, 收获喜欢 2690 次。

关注

评论

发布
暂无评论
发现更多内容

宝塔Docker部署Nuxt3 BBS项目

源字节1号

开源

Footprint Analytics 助力 Core 区块链实现数据效率突破

Footprint Analytics

区块链 EVM

基于Java+SpringBoot+Vue前后端分离大学生一体化服务平台设计和实现

hunter_coder

后端开发

TDengine 流计算实践指南:从平均风速到复杂流计算解析

TDengine

AccessLog| 一款开源的日志分析系统

ClkLog

数据分析 日志分析 埋点 开源软件

GPUStack正式发布: 为大模型而生的开源GPU集群管理器

GPUStack

AI 大模型 AIGC LLM GenAI

“用友BIP成就数智企业”入选新质生产力案例库

用友BIP

PostgreSQL成为最受欢迎的数据库; TiDB马拉松大赛开启

NineData

数据库 postgresql Serverless vector TiDB

驾控更进阶 长安马自达MAZDA EZ-6树立合资新能源价值新标准

极客天地

【YashanDB知识库】列与存储过程中重名变量/别名问题

YashanDB

yashandb 崖山数据库 崖山DB

亚信安慧AntDB数据库与用友Yon BIP商业创新平台完成兼容性互认证

亚信AntDB数据库

CBR云备份与恢复管控简介

天翼云开发者社区

云计算 云服务 云备份

ceph数据重构原理

天翼云开发者社区

分布式系统 存储 硬盘故障

Prometheus Pushgateway 协议上报观测云最佳实践

观测云

监控

火山引擎边缘智能平台,让AI走进企业现场

火山引擎边缘云

物联网 智能IoT边缘服务 大模型 AI Agent #大模型

基于Java+SpringBoot+Vue前后端分离反欺诈平台设计和实现

hunter_coder

后端开发

Milvus × RAG助力快看多业务应用

Zilliz

人工智能 AI Milvus Zilliz 向量数据库

分布式系统心跳机制(一)

天翼云开发者社区

架构 分布式系统

Git的一些基本用法

天翼云开发者社区

git 存储

GPUStack正式发布: 为大模型而生的开源GPU集群管理器

SEAL安全

AI 大模型 AIGC LLM GenAI

nvm报错解决:配置最新淘宝镜像源

源字节1号

开源

【YashanDB知识库】开源调度框架Quartz写入Boolean值到YashanDB报错

YashanDB

yashandb 崖山数据库 崖山DB

基于Java+SpringBoot+Vue前后端分离多媒体素材库设计和实现

hunter_coder

后端开发

全新A/B实验能力,火山引擎数智平台上线广告营销实验

字节跳动数据平台

大数据 A/B测试 对比实验 数字化增长

喜报!望繁信科技CEO索强与CTO李进峰双双荣获2024上海软件企业技能人才奖

望繁信科技

人工智能 #大数据 流程智能 #流程挖掘 上海望繁信科技

入门解读:小白也能看懂的容器和虚拟机介绍_服务革新_赵钰莹_InfoQ精选文章