zoukankan      html  css  js  c++  java
  • Docker数据管理(一)

    数据卷挂载

    在生产环境中,需要对数据进行持久化,冗余化,或者在需要在多个容器之间进行数据共享

    数据卷:容器内数据直接映射到本地主机环境

    数据卷容器:使同特定容器维护数据卷

    -v 进行映射

    1.在容器内生成一个数据卷

    docker run -id --rm --name dbdata  -v dbdata docker.io/busybox

    2.挂载主机目录作为数据卷,  将webroot挂载到容器的test中(绝对路径)

     docker run -id --rm --name  -P web -v /root/webroot:/test docker.io/busybox

    3.挂载一个本机文件作为数据卷, 将web.xml挂载到容器的test中(不推荐)

    docker run -id --rm --name  -P web -v /root/web.xml:/test docker.io/busybox

    总结:

    如果使用文件挂载,当使用vim或者sed  --in-place时候,可能造成inode改变,所以不推荐以文件挂载


    数据卷容器

    生成一个专门放数据的容器,这个数据卷容器可以在多个容器之间共享一些持续更行的数据

    1.生成数据卷容器

    docker run -it --name dbdata -v /dbdata docker.io/busybox

    查看结果
    / # ls
    bin     dbdata  dev     etc     home    proc    root    run     sys     tmp     usr     var

    2.创建其他容器,其实可用到 --volumes-from来挂载dbdata容器中的数据卷

    docker run -it --name web1 --volumes-from dbdata docker.io/busybox
    docker run -it --name web2 --volumes-from dbdata docker.io/busybox

    在其中一个容器中创建一个文件,可以在另外两个看到

    总结:

    可以多次使用--volumes-from来挂载dbdata,也可以从其他已经挂载的容器卷的容器挂载数据卷

    如果删除了挂载的容器(包括dbdata,web1,web2),数据卷并不会被删除.只有删除最后一个还挂载着它的容器 显示使用docker rm -v 命令来指定 同时删除关联的容器


    利用数据卷来迁移数据


    利用数据容器对其中的数据卷进行备份,恢复以实现数据迁移

    1.备份


    docker run --volumes-from dbdata -v /root/back:/backup --name back docker.io/busybox tar -cvf /backup/backup.tar /dbdata

    利用目录挂载,就可以把备份放到物理机的/root/back里了

    2.恢复


     docker run --volumes-from dbdata -v /root/back:/backup --name recover docker.io/busybox tar -xvf /backup/backup.tar

    总结:
        通过数据卷和数据卷容器对容器内数据进行共享,备份,恢复等操作,即使出现了运行故障,用户也不必担心数据丢失,只需要快速创建容器即可
        在生产环境中,定期在物理机上进行数据备份,使用支持容错的存储系统(RAID,分布式文件系统{Ceph,GPFS,HDFS}).可以大大提升数据安全

    入门容器操作见https://blog.csdn.net/Nedved_L/article/details/79067732

     
     
     
     
     
     
     
     
  • 相关阅读:
    oracle 索引
    oracle 子查询因子化 浅谈(with的使用)
    大数据的遐想
    数据挖掘(算法概要链接)
    orcale 修改字段属性
    sql 对一张表进行按照不同条件进行多次统计
    oracle dblink
    oracle作业
    SQL效率的几点心得
    提高SQL语句的性能
  • 原文地址:https://www.cnblogs.com/Nedved/p/10472427.html
Copyright © 2011-2022 走看看