Docker学习之数据管理（超详解析）

Docker存储资源类型：

用户在使用 Docker 的过程中，势必需要查看容器内应用产生的数据，或者需要将容器内数据进行备份，甚至多个容器之间进行数据共享，这必然会涉及到容器的数据管理：
（1）Data Volume （数据卷）
（2）Data Volume Dontainers --- 数据卷容器
Docker 容器有两种方式卷和绑定挂载可将容器中的文件存储在宿主机的文件系统上，这样即使在容器停止之后这些文件也会被保留。

volume，bind和tmpfs三者的相同点和不同点：

a. 相同之处无论您选择使用哪种类型去使用，数据在容器内看起来都是相同的。它被视为容器文件系统中的目录或单个文件。b. 不同之处卷（volume）存储在于 由Docker管理 的主机文件系统的一部分中（在Linux上是：/var/lib/docker/volumes/）。非Docker进程不应该修改这部分文件系统。卷是在Docker中保留数据的最佳方式。绑定挂载（bind mount） 也就是把主机的本地目录挂载到容器中某个挂载点。可以存储在主机系统的任何位置。他们甚至可能是重要的系统文件或目录。Docker主机或Docker容器上的非Docker进程可以随时修改它们。tmpfs挂载（tmpfs mount）仅存储在主机系统的内存中，而不会写入主机系统的文件系统

数据卷：

1> Data Volume 有以下特点：a）Data Volume 是目录或文件，而非没有格式化的磁盘（块设备）。b）容器可以读写 volume 中的数据。c）volume 数据可以被永久的保存，即使使用它的容器已经销毁。
2> DataVolume的使用
[root@localhost ~]# docker volume ls  //查看是否又数据卷
DRIVER              VOLUME NAME
[root@localhost ~]# docker volume create -d local test  //创建数据卷test
test
[root@localhost ~]# docker volume ls  //再次查看
DRIVER              VOLUME NAME
local               test
[root@localhost ~]# docker volume inspect test   //查看数据卷test详细信息
[{"CreatedAt": "2024-03-17T16:59:13+08:00","Driver": "local","Labels": {},"Mountpoint": "/var/lib/docker/volumes/test/_data","Name": "test","Options": {},"Scope": "local"}
]
3>数据卷的使用
通过--mount选项来使用数据卷：volume:普通数据卷，映射到主机/var/lib/docker/volumes路径下bind:绑定数据卷，映射到主机指定路径下tmpfs:临时数据卷，只存在于内存中
通过-v 参数格式为 <host path>:<container path>（推荐方式）
[root@localhost ~]# mkdir /webapp
[root@localhost ~]# docker run -d -P --name web --mount  type=bind,source=/webapp,destination=/opt/webapp training/webapp python app.py //使用training/webapp镜像创建一个web容器，并创建一个数据卷挂载到容器的/opt/webapp目录（不推荐使用--mount方式）
Unable to find image 'training/webapp:latest' locally
latest: Pulling from training/webapp
e190868d63f8: Pull complete 
909cd34c6fd7: Pull complete 
0b9bfabab7c1: Pull complete 
a3ed95caeb02: Pull complete 
10bbbc0fc0ff: Pull complete 
fca59b508e9f: Pull complete 
e7ae2541b15b: Pull complete 
9dd97ef58ce9: Pull complete 
a4c1b0cb7af7: Pull complete 
Digest: sha256:06e9c1983bd6d5db5fba376ccd63bfa529e8d02f23d5079b8f74a616308fb11d
Status: Downloaded newer image for training/webapp:latest
7dc7e6688772c55bd65eab865d26b603771ae503e2ef8fd6e8a5f13b1aec18d4
[root@localhost ~]# docker ps -a
CONTAINER ID        IMAGE               COMMAND             CREATED             STATUS                      PORTS               NAMES
7dc7e6688772        training/webapp     "python app.py"     57 seconds ago      Exited (2) 55 seconds ago                       web
[root@localhost ~]# docker rm web 
web
[root@localhost ~]# docker run -d -P --name web -v /webapp:/opt/webapp training/webapp python app.py（推荐使用方式，与上述--mount命令具有一致性）
0d6533d2f457cd89b2a919d8dab5b7cce93a142de83093c87a5feb54491d6ee9

数据卷容器：

数据卷容器Data Volume Dontainers
如果用户需要在容器之间共享一些持续更新的数据，最简单的方法就是使用数据卷容器，其实数据卷容器就是一个普通的容器，只不过是专门用它提供数据卷供其他容器挂载使用。
Data Volume Dontainers使用：
1.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:
[root@localhost ~]# docker run -it -v /dbdata --name dbdata busybox
2.查看/dbdata目录：
/ # ls
bin     dev     home    root    tmp     var
dbdata  etc     proc    sys     usr
3.在其他容器中使用--volumes-from来挂载dbdata容器中的数据卷（复制终端制作）
[root@localhost ~]# docker run -it --volumes-from dbdata --name db1 busybox
[root@localhost ~]# docker run -it --volumes-from dbdata --name db2 busybox
[root@localhost ~]# docker run -it --volumes-from db1 --name db3 busybox
4.此时，容器db1,db2和db3都挂载同一个数据卷到相同的/dbdata目录，四个容器任何一方在该目录下的写入，其他容器都可以看到：
[root@localhost ~]# docker run -it --volumes-from dbdata --name db2 busybox
/ # ls
bin     dev     home    root    tmp     var
dbdata  etc     proc    sys     usr
/ # cd /dbdata/
/dbdata # echo 123 > test1.txt
[root@localhost ~]# docker run -it -v /dbdata --name dbdata busybox
/ # ls
bin     dev     home    root    tmp     var
dbdata  etc     proc    sys     usr
/ # cat dbdata/test1.txt 
123
[root@localhost ~]# docker run -it --volumes-from dbdata --name db1 busybox
/ # ls
bin     dev     home    root    tmp     var
dbdata  etc     proc    sys     usr
/ # cat dbdata/test1.txt 
123
[root@localhost ~]# docker run -it --volumes-from db1 --name db3 busybox
/ # cat dbdata/test1.txt 
123
5.使用--volumes-from参数所挂载数据卷的容器本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,db2和db3），数据卷并不会自动删除。如果需要删除一个数据卷，必须删除最后一个还挂载着它的容器。（使用docker rm -f -v命令来指定同时删除关联的容器）