写点什么

Docker 的诅咒:曾以为它是终极解法,最后却是“罪大恶极”?

  • 2023-11-28
    北京
  • 本文字数:5289 字

    阅读完需:约 17 分钟

大小:2.57M时长:14:56
Docker 的诅咒:曾以为它是终极解法,最后却是“罪大恶极”?

GitLab 高级专业服务工程师、DevOps 顾问 J. B. Crawford 最近写了一篇关于抱怨 Docker 的文章,在网上引发了开发者们的讨论。有人力挺,也有人反对:“我不明白没有 Docker 的堆栈管理怎么会更好。”


J. B. Crawford 在文章中表示:“我不太确定 Docker 帮助节约的时间有没有超过对它的管理成本。”下面让我们具体看看他为什么对 Docker 感到不满。

系统管理中的基础问题

 

打包软件一直是系统管理中的一大基础问题。它非常重要,对系统的使用方式有着巨大影响,甚至让包管理器成为区分操作系统的一项重要指标。

 

以 Windows 为例:在很多“Linux 派”眼中,这款操作系统最不讨喜的就是缺乏包管理机制,微软先后多次尝试引入这个概念也都没能得到广泛认可。相比之下,Linux 世界中各发行版间的主要区别,就集中在其管理软件 repo 的方式上。我所指的不只是 dpkb 和 rpm 之间的差异,而是在强调更底层的设计,例如硬性指定还是上游配置、稳定 repo 还是滚动发布。拿 RHEL 和 Arch 来说,二者虽然共享绝大多数实现,但管理风格却截然不同。

 

大多数 Linux 发行版都会明确强调某种软件应该如何打包(甚至规定了多久打包一次),而且这些系统也都有着一项共通理念:将依赖项集中起来。应该把库声明为依赖项,并把所依赖的包安装在公共位置以供链接器使用。但这也可能带来挑战,因为不同的软件往往依赖于不同的库版本,而各版本之间可能并不兼容。这也是在维护 Linux 发行版时最典型的老大难问题:如何提供能够良好协作的软件 repo 版本。像 RHEL 这类稳定发行版的一大优势,就是它们在这方面表现得相当可靠;至于缺点,就是这种可靠性其实是通过拒绝大部分新版本软件来实现的。

 

由于需要提供大量可以相互兼容的软件版本,并确保发行版遵守各种构建规范(例如支持自由软件等开发理念、以及配置文件布局等具体规则),所以向 Linux 发行版引入新软件时往往极度麻烦且繁琐。对于软件维护人员来说,他们需要面对一大堆有着特定构建和配置差异的旧版本,并想办法把它们塞进发行版中去。而在发行版和软件包维护者这边,则需要全盘考虑各种上游软件是否符合发行版策略,并解决版本和依赖项问题。虽然行业中已经出台了一系列相关规范,但具体操作仍然令人头痛,庞大的工作量也几近疯狂。

 

这就形成了一种双输的诡异局面:希望自己的软件能够广泛传播的开发者必须忍受发行版的怪癖,而想要壮大自身软件生态的发行版也得顺应开发者。每个人都不开心,每个人都很疲惫。

 

有问题,自然有人尝试解决。业界已经在这方面做出了各种探索,但也正是因为方法多种多样,所以至今没有真正出现一种能够统领全局的解决方案。在桌面环境中,常见的软件分发选项有 Flatpak、Snap 和 AppImage 等。这些系统的镜像或应用程序能够将软件及其依赖项共同打包,提供一套完整的独立环境,从而保证在任何发行版上都能正常工作。

 

但在实际使用时,我自己曾不止一次对 flatpak 文件进行逆向工程以修改其中的依赖项,所以说上述工具的宣传效果在日常应用时并不一定能发挥作用。但公平地讲,软件在与各种要素的交互过程中,难免会出现意料之外的状况——比如运行时无法正确将各种要素彼此隔离开来。视频技术栈就是个典型,我们往往需要删除或替换掉包中错误的 OpenGL 库,才能使其跟特定图形驱动程序共同运行。

 

尽管如此,我还是承认上述工具的运行效果不错,甚至值得进一步扩展并普遍使用。它们所依托的桌面应用形式主要强调与用户交互,并通过自身界面接收用户发来的配置选项。尽管在与文件系统交互时仍然不够顺畅丝滑,但这种将交互界面限制在 GUI 形式内的作法确实让沙箱变得既可行、又极具现实意义。

 

需要强调的是,本文不会对沙箱问题做过多延伸。沙箱是一项重要的安全和稳定性保障技术,但这里讨论的主要是软件打包和分发问题。毕竟沙箱软件也可以通过更传统的方式进行分发,在其现代外壳之下的打包机制其实远没有人们想象的那么先进。

 

让我无法忍受的是什么?

 

总而言之,我想抱怨的其实是服务器端的软件运行体系。这里的软件打包方案基本只有一个:Docker。当然,人们偶尔也会使用 Podman 等兼容性的工具选项。

 

Docker 的出现被广泛视为服务器运营最佳实践的里程碑事件。尽管 Docker 是一种软件分发方式,但其最初似乎主要是为了将容器编排引入大规模可扩展环境。但最终随着不断发展和思想融合,Docker 成为一种面向开发者和单节点用例的常见软件分发方式。

 

现如今,Docker 也成为 Linux 上最常见的服务器端软件分发选项。而我,对它恨之入骨。

千万别误会,我在这里要批评的并不是容器技术本身。容器化非常精妙、有着诸多优点,虽然未必像炒作中说的那样全面碾压轻量化虚拟机,但它的亮点还是非常突出。我不太确定 Docker 帮助节约的时间有没有超过对它的管理成本,但公平地讲,身为一名 DevOps 顾问,实践经验告诉我正确运行 Docker 镜像并不算特别麻烦。

 

真正让我无法忍受的,就是在非 DevOps 环境中盲目使用 Docker 镜像。镜像需要集中规划和管理,也就是说 Docker 应该是向用户分发软件时的最小公共集,应该是种最低的保障性选项。而每当看到开源服务器端软件以 Docker 镜像的形式提交过来,甚至是更糟糕的 Docker Compose 栈时,我的第一反应就是愤怒。跟传统 Linux 软件包分发、或者使用源代码直接构建的软件相比,Docker 镜像总是需要耗费更多时间才能正常起效。

 

很多朋友可能不太理解,Docker 不是把所有元素都独立隔离开来,降低了部署难度吗?确实,但接下来我打算聊几个常见问题,也就是“Docker 不适用的情况”。

 

配置

 

Docker 在分发中最大的问题之一,就是缺少统一的配置约定。

 

绝大多数服务器端 Linux 软件需要读取文本文件来获取配置,这种古老的方式当然有自己的问题……但至少它有着统一的框架和准则。

 

可 Docker 镜像就不同了。

 

如果大家听说过 12 因素应用原则,就会意识到 Docker 镜像的最佳配置方式应该是通过环境变量。这样做的好处在于,启动容器时可以在命令行上轻松实现;至于缺点,就是环境变量不太适合传递结构化数据,而且由于大多需要通过 shell 脚本进行交互,这些脚本在处理长值或复杂值也显得比较笨拙。

 

DevOps 环境中使用的许多 Docker 镜像确实会从环境变量中获取配置,但出于前面这些现实问题,它们往往要通过避免复杂配置(例如假设 TLS 将被「他方」终止)或者控制信息获取量来实现。而配置内容,则来自网络上的数据库或服务。

 

不过对于大多数最终用户软件来说,其配置过于复杂或冗长,单靠环境变量根本无法容纳。这时他们就只能求助于配置文件,即以某种方式将配置文件纳入容器的文件系统当中。Docker 倒是提供了多种操作执行方式,于是不同软件包的文档会根据相关推荐而有所区别,甚至经常触发关于所有权和权限的警告。

 

更糟糕的是,很多 Docker 镜像还试图通过提供某种入口点 shell 脚本来降低配置难度,这些脚本负责向容器提供更简单的文档以生成完整配置。这种抽象级别在实践中往往缺少相应的记录痕迹,这就让故障排查变得更加困难。

 

我自己就无数次经历过软件无法正常启动的“惊喜”,原因就是脚本引用了一些配置中未提供的键,导致我们必须查阅 Docker 镜像构建说明和入口点脚本来反推它的启动过程。这好吗?这一点也不好。

 

最要命的是,很多配置入口点脚本还有自己的设计倾向性。别看“设计倾向性”这词好像比较中性,但它的真实含义就是“除了开发者自己,别人都弄不明白”。我至少有十几次都被迫自己构建 Docker 镜像版本,来替换掉那些没有公开底层软件参数的入口点脚本。

 

更夸张的是,某些 Docker 镜像甚至根本不提供任何说明文档。用户必须深入研究、四下探寻,才能找出当前软件所使用的配置文件的具体位置。我认为 Docker 镜像至少也得给出最基本的 README 信息,帮助我们了解打包的软件到底应该如何配置。

 

文件系统

 

Docker 提供的沙箱或者说隔离机制肯定是个优点,但这也代表着它必然有着一切沙箱所面临的共同问题。

 

沙箱隔离机制跟 Linux 的文件系统兼容性很差,哪怕不涉及 UID 行为、单纯在 Docker Compose 栈中使用命名分卷就足以引发意外。在需要使用虚拟容器跟命名分卷中的文件进行交互时,比如执行备份之类的日常操作(都不说故障排查这类更复杂的需求),结果都很可能让人头痛欲裂。随着时间推移,命名分卷得到了大幅改进,但看似简单的操作在不同 Docker 版本之间仍经常出现奇怪的冲突,更不用说还得考虑如何兼容 Podman 等其他工具了。

 

当然,UID 也有自己的问题。Docker 的一大原罪,就是要求以 root 身份运行软件。

 

没错,Docker 确实提供一定程度的隔离,但从纵深防御的角度来看,以 root 身份公开运行用户操作仍然不是明智之举。为此,我需要频繁重构软件来适应 Docker 的这种怪癖,而且整个过程相当复杂。而且在稍微繁琐的环境中使用 Docker,都有很大概率引发涉及 UID 分配的 NFS 难题。使用命名分卷当然能缓解这些问题,但分卷本身又有自己的痛点,简直是要人老命。

容器可移植性很差

 

对于强调分布式特性的 Docker(特别是 Docker Compose)来说,最讽刺的还在于很多常规实践会大大影响其可移植性。

 

在 Docker Compose 中对网络执行的任何非默认操作,都有可能导致其在网络设置比较复杂的计算机上无法正常工作。很多 Docker Compose 栈都会将那些众所周知的端口默认为可供侦听器使用。它们还会启用各种底层软件功能,又不提供禁用的方法,甚至用到很多在具体环境中并不可用的通用值。

 

就个人而言,最让我恼火的就是 TLS。前文已经提到,我认为 Docker 容器不应该终止掉 TLS。只有接受 TLS 连接,才允许访问私钥信息。尽管长达 90 天的临时 TLS 证书和普遍懈怠的安全意识已经破坏了保障能力,但我仍然认为私钥信息应该受到严密保护。这部分信息只应存储在一个位置,且只能由一名主体进行访问。当然,能不能实现这种安全破坏还在其次,很多用户可能根本就搞不定 TLS 配置。

 

不少自行托管软件的朋友都会选择 SNI 或者虚拟托管的方式,其中往往存在涉及多个子域的通用证书。这一切最好都能在少量、甚至是单一专用点上处理。而一旦遇到在构建中假设在各个点上单独处理 TLS 的 Docker 镜像,可就倒了大霉了。即使完全不考虑 TLS,我个人也永远不想把 Docker 应用容器直接暴露在互联网上,在前面部署反向代理才是正确的选择。

 

此外,Docker Compose 栈还总想要使用 ACME 为最终用户软件颁发自有证书,我们得深入研究说明文档才能搞清如何禁用这一行为。

 

单一用途计算设备

 

我前面说的这些问题在业余人士开发的软件中最为常见,我现在脑海中就浮现了 HomeAssistant 和 Nextcloud 这两个例子。请别误会,我所说的“业余”并不质疑软件本身,而是在强调普通用户的使用习惯。

 

遗憾的是,由于 Raspberry Pi 设备的价格越来越低廉,很多业余爱好者失去了那份严谨态度。可能我说的有点夸张,但他们在专用硬件上运行的“自托管”软件包已经多到了荒谬的程度。在我看来,软件名称中带有“pi”基本就是个危险信号,代表着开发者“没考虑过在共享设备上运行需要做哪些改动”。大家可以说是我太守旧,但我认为计算设备就不该只能执行一项任务,特别是那些需要 24/7 全天候开机的设备。

 

HomeAsistant 可能就是其中最大的罪魁祸首,我自己就在一台设备上通过 Docker 运行它,还有其他几款应用程序。但 HomeAsistantr 明显不想跟其他软件共存,每次更新后都会弹出“检测到不支持软件”的提醒。这也太过分了,有必要管得这么宽吗?

 

后来我决定尝试一下 Nextcloud,大概花了两个小时想让打包的 Docker 镜像在自己的环境上正常运行。最终,我决定放弃并转为手动安装,结果发现它就是一款平平无奇的 PHP 应用,跟十几年前的程序没有任何区别。这么简单的东西,你把它打包成 Docker 镜像干什么嘛?直接用 config.php 不好吗?

“罪大恶极,罄竹难书”

 

当然,大家可能觉得前面的问题都是操作细节,只要认真制作 Docker 镜像就能避免。没错,确实可以!也许 Docker 最大的问题就是它门槛太低了。创建 RPM 或者 Debian 软件包就有一定的技术难度,即使是经验丰富的开发者需要多次尝试才能让 rpmbuild 顺利运行起来(这里建议只用 copr 和 rpkg)。

 

我的抱怨在于,纯以 Docker 镜像的形式做分发,往往代表着开发者并没有对自己的项目投入足够的心力、或者至少没有专门做过项目分发设计。要想让自己的成果在各种非标环境中运行起来,就一定得预先考虑到可能出现的意外。

 

当然,大家应该能明白,我的用词只是种夸张和讽刺。我曾经把 Docker 誉为稳定可靠的终极解决方案,只是后来发现必须得有一定的配置经验和管理水平才能实现。

 

写在最后

 

当然,以上只是我的一点个人观点,相信很多朋友会抱有完全不同的意见——比如我坚信 Docker Compose 是容器时代最大的错误之一。

 

15 年前我曾写过一篇类似的文章,讲述自己在开发小型项目时在 RPM 中遇到的各种问题。Docker 最让我惊讶的一点,就是它能让项目发展到很大的规划、获得企业的广泛支持,同时还通过 Docker Compose 栈大大降低了分发的技术门槛。

 

我在前面提到的很多问题也确实源自这种“简单性”,因为很多项目根本就没有固定的分布式工程人员。面对不断变化的软件发展格局,他们只是想用廉价的单片机搭配上 Docker 容器技术,回避掉相对更麻烦的虚拟机镜像。当然,我也承认随着年纪愈长,我这人说话也越来越不中听了。


原文链接:

https://computer.rip/2023-11-25-the-curse-of-docker.html

 

2023-11-28 09:549598

评论 3 条评论

发布
用户头像
docker 解决了一个核心问题 就是发生产与开发环境 在主机层面不一致问题。
2024-02-18 15:09 · 江苏
回复
用户头像
在讨论任何技术的优劣时,不同的人自然会有不同的见解。就我个人而言,我认为Docker或者说容器技术,是一项杰出的创新,这一点对于大型团队尤其明显。容器技术的出现极大地提升了运维效率,使得较小的运维团队也能高效管理庞大的业务系统。

此外,容器技术的引入还实现了角色的明确分工,“让专业的人去做专业的事”。在我的观点看来,它使得开发人员能够更加专注于业务逻辑的开发,而不必在工程技术细节上耗费过多精力。当然,文章作者指出的问题也非常重要。正是这些问题的存在,才能推动技术的不断进步。我期待着Docker的爱好者们能够解决这些问题,进一步优化这一技术。
2023-12-04 19:32 · 吉林
回复
用户头像
每一个新技术的产生,人们起初总是容易高估它的作用和价值。在不遗余力的宣传这个新技术能够帮人们解决了哪些麻烦之后,往往忽视了应用新技术所带来的新麻烦
2023-11-28 15:59 · 广东
回复
没有更多了
发现更多内容

如何合理使用 CPU 管理策略,提升容器性能?

阿里巴巴云原生

阿里云 容器 云原生 资源管理 ACK

Python3 cpython优化 实现解释器并行

字节跳动终端技术

字节跳动 编程语言 代码优化 Python3 火山引擎MARS

引领创新技术发展,百度荣获两项数据中心国家级荣誉

百度大脑

如何高效交付专有云?百度智能云有妙招

百度大脑

学生管理系统详细架构方案

IT屠狗辈

架构实战营 详细架构

如何设计一个复杂的业务系统?从对领域设计、云原生、微服务、中台的理解开始

阿里巴巴云原生

阿里云 云原生 架构设计

架构实战营:模块八作业

Geek_93ffb0

「架构实战营」

云原生小课堂 | Envoy请求流程源码解析(一):流量劫持

York

云原生 istio envoy

一块屏幕的全球研发之旅

万事ONES

ONES 案例分析

如何思考需求的优先级?

石云升

产品经理 需求分析 2月月更 需求排序

六年老员工的幸福感

万事ONES

内网安全-记一次内网靶机渗透

网络安全学海

黑客 网络安全 信息安全 渗透测试

Go自定义DNS解析器负载均衡实践

FunTester

HTTP 接口测试 DNS Go 语言 FunTester

博文干货|在 Kotlin 中使用 Apache Pulsar

Apache Pulsar

开源 架构 云原生 kotlin Apache Pulsar

Flink 实践教程-进阶(8):自定义标量函数(UDF)

腾讯云大数据

云计算情报局预告|告别 Kafka Streams,让轻量级流处理更加简单

阿里巴巴云原生

阿里云 云原生 消息队列 Kafka ETL

网站开发进阶(六十八)防抖节流

No Silver Bullet

防抖节流 2月月更

人类的AI调校计划:像个淑女,或者硬汉

脑极体

"5G通达,AI赋能" AI在网络规划中的应用实践

百度大脑

学生管理系统架构设计文档

Bear

「架构实战营」

Trisk:在 Flink 上实现以 task 为中心的流处理动态 Reconfiguration 的 Control Plane

Apache Flink

大数据 flink 开源 编程 实时计算

关于阿里云多活容灾的那点事

阿里巴巴云原生

阿里云 云原生 应用多活

模块三作业

Geek_ec866b

架构实战营

全国人工智能师资培训班·上海站火热招生中

百度大脑

PaddleOCR 部署实战之Java&C#方案直播分享来啦

百度大脑

1月云短信报告出炉,华为云跃居榜首

博睿数据

中远海运集团总经理付刚峰率队访问百度 双方将加强合作

百度大脑

系统学习 TypeScript(三)——基础类型

编程三昧

typescript 前端 2月月更

Flink State - Backend Improvements and Evolution in 2021

Apache Flink

大数据 flink 开源 编程 实时计算

模块三:学生管理系统详细架构设计

刘璐

“首席AI架构师”+57人!百度AICA第五期结业啦

百度大脑

Docker 的诅咒:曾以为它是终极解法,最后却是“罪大恶极”?_架构_J. B. Crawford_InfoQ精选文章