Docker&MongoDB实战（二）性能与容错
本文讲的是Docker&MongoDB实战（二）性能与容错，
【编者的话】在Docker中运行数据库很多人都想过，但是IO方面和在实体机上运行会有差异吗？数据应该怎么存储？映射到主机还是使用一个单独存储数据的容器？哪种方式更好？性能方面呢？本文针对这些问题一一给出了答案。第一篇文章在
这里
。
在前面，我们已经知道怎样创建和运行一个简单的基于CentOS的MongoDB实例。这对于开发或者测试使用来说再好不过了，但是它并没有说明一些性能和容错能力的问题。在本文中，我们会了解Docker相关的磁盘存储选项，以及在其之上运行数据库（如MongoDB）的注意事项。
文件系统分层
Docker最重要的特性（也是我比较喜欢的特性）是 分层文件系统 。每个基础层都是只读的，这些基础层相互叠加构成真实的文件系统，最上面的层是读写层（可读可写）。它们非常便于版本管理，同时，也可以缓存（我们不需要每次都从头开始构建）。
相比于传统的镜像方式，这真是一个巨大的改变，之前的整个文件系统镜像或者虚拟机模板都是手工构建的，我们根本不知道其中包含了什么以及为什么要包含。最近我们注意到有很多的配置管理工具，比如 Puppet 、 Chef 和 Ansible ，但是从头开始构建一个复杂且灵活的镜像非常耗时间。Docker分层的方式可以加快构建时间，因为它只需要重构仅仅做出修改的文件层。
但是，这种方式并不是没有缺点：这样的分层文件系统的运行时性能相当差。这也依赖于Docker使用的存储模块，包括之前一开始使用的AUFS，以及后来的OverlayFS、BTRFS和device mapper。为了获得最佳的I/O性能，我们需要使用Docker的 数据卷 。数据卷位于Docker容器之外，因此也绕开了分层文件系统。有两个主要的数据卷类型：主机目录和仅存储数据的容器。
数据卷：主机目录
一个主机目录数据卷是一个被挂载在原始容器的简单的目录。就像我们在 第一部分 中介绍的：在Docker主机中创建一个目录，然后使用它作为MongoDB的dbpath（容纳数据和分类文件）。例如：
$ docker run -d -P -v ~/db:/data/db mongod --smallfiles
通过检查日志文件来确认MongoDB容器是否启动成功：
$ docker ps
CONTAINER ID IMAGE COMMAND CREATED STATUS PORTS NAMES
efca3b637a75 mongod:latest "mongod --smallfiles 9 minutes ago Up 9 minutes 0.0.0.0:49160->27017/tcp prickly_sammet
$ docker logs efca3b637a75
2015-02-01T18:35:02.279+0000 [initandlisten] MongoDB starting : pid=1 port=27017 dbpath=/data/db 64-bit host=efca3b637a75
2015-02-01T18:35:02.279+0000 [initandlisten] db version v2.6.7
2015-02-01T18:35:02.279+0000 [initandlisten] git version: a7d57ad27c382de82e9cb93bf983a80fd9ac9899
2015-02-01T18:35:02.279+0000 [initandlisten] build info: Linux build7.nj1.10gen.cc 2.6.32-431.3.1.el6.x86_64 #1 SMP Fri Jan 3 21:39:27 UTC 2014 x86_64 BOOST_LIB_VERSION=1_49
2015-02-01T18:35:02.279+0000 [initandlisten] allocator: tcmalloc
2015-02-01T18:35:02.279+0000 [initandlisten] options: { storage: { smallFiles: true } }
2015-02-01T18:35:02.282+0000 [initandlisten] journal dir=/data/db/journal
2015-02-01T18:35:02.283+0000 [initandlisten] recover : no journal files present, no recovery needed
2015-02-01T18:35:02.454+0000 [initandlisten] allocating new ns file /data/db/local.ns, filling with zeroes...
2015-02-01T18:35:02.510+0000 [FileAllocator] allocating new datafile /data/db/local.0, filling with zeroes...
2015-02-01T18:35:02.510+0000 [FileAllocator] creating directory /data/db/_tmp
2015-02-01T18:35:02.513+0000 [FileAllocator] done allocating datafile /data/db/local.0, size: 16MB, took 0.001 secs
2015-02-01T18:35:02.514+0000 [initandlisten] build index on: local.startup_log properties: { v: 1, key: { _id: 1 }, name: "_id_", ns: "local.startup_log" }
2015-02-01T18:35:02.514+0000 [initandlisten] added index to empty collection
2015-02-01T18:35:02.514+0000 [initandlisten] waiting for connections on port 27017
2015-02-01T18:36:02.481+0000 [clientcursormon] mem (MB) res:36 virt:246
2015-02-01T18:36:02.481+0000 [clientcursormon] mapped (incl journal view):64
2015-02-01T18:36:02.481+0000 [clientcursormon] connections:0
2015-02-01T18:41:02.571+0000 [clientcursormon] mem (MB) res:36 virt:246
2015-02-01T18:41:02.571+0000 [clientcursormon] mapped (incl journal view):64
2015-02-01T18:41:02.571+0000 [clientcursormon] connections:0
确保数据文件已经在指定的主机目录~/db中创建。
$ ls -l ~/db total 32776 drwxr-xr-x. 2 root root 17 Feb 1 18:35 journal -rw-------. 1 root root 16777216 Feb 1 18:35 local.0 -rw-------. 1 root root 16777216 Feb 1 18:35 local.ns -rwxr-xr-x. 1 root root 2 Feb 1 18:35 mongod.lock drwxr-xr-x. 2 root root 6 Feb 1 18:35 _tmp
快速衡量（Quick benchmarking）
主机目录数据卷比默认的分层文件系统快了多少？这当然依赖于你的环境，当然，本文也不会过多介绍性能测试的东西。但是，这里有一个快速的方法就是使用 mongoperf 来测试。# mongoperf process on latest CentOS # See https://docs.docker.com/articles/dockerfile_best-practices/ FROM centos MAINTAINER James Tan<james.tan@mongodb.com> COPY mongodb.repo/etc/yum.repos.d/ RUN yum install-ymongodb-org-tools WORKDIR/tmp ENTRYPOINT["mongoperf"]
这里我们使用与第一部分中案例相同的mongodb.repo，为了方便这里再做一次：
[mongodb] name=MongoDB Repository baseurl=http://downloads-distro.mongodb.org/repo/redhat/os/x86_64/ gpgcheck=0 enabled=1
使用在你当前的目录如上的两个文件，构建将要运行的镜像：
$ docker build -t mongoperf .
现在衡量分层的根目录文件系统，通过运行：
$ echo "{nThreads:32,fileSizeMB:1000,r:true,w:true}" | docker run -i --sig-proxy=false mongoperf
你应该看到相似的输出如下：
mongoperf
use -h for help
parsed options:
{ nThreads: 32, fileSizeMB: 1000, r: true, w: true }
creating test file size:1000MB ...
testing...
optoins:{ nThreads: 32, fileSizeMB: 1000, r: true, w: true }
wthr 32
new thread, total running : 1
read:1 write:1
877 ops/sec 3 MB/sec
928 ops/sec 3 MB/sec
920 ops/sec 3 MB/sec
...
new thread, total running : 2
read:1 write:1
1211 ops/sec 4 MB/sec
1158 ops/sec 4 MB/sec
1172 ops/sec 4 MB/sec
...
new thread, total running : 4
read:1 write:1
read:1 write:1
1194 ops/sec 4 MB/sec
1163 ops/sec 4 MB/sec
1162 ops/sec 4 MB/sec
...
new thread, total running : 8
read:1 write:1
...
1112 ops/sec 4 MB/sec
1161 ops/sec 4 MB/sec
1174 ops/sec 4 MB/sec
...
new thread, total running : 16
read:1 write:1
...
1156 ops/sec 4 MB/sec
1178 ops/sec 4 MB/sec
1160 ops/sec 4 MB/sec
...
new thread, total running : 32
read:1 write:1
...
1244 ops/sec 4 MB/sec
1205 ops/sec 4 MB/sec
1211 ops/sec 4 MB/sec
...
mongoperf
将一直运行，你可以通过Ctrl+C退出终端。容器将一直运行在后台，因此让我们结束它。
$ docker ps CONTAINER ID IMAGE COMMAND CREATED STATUS PORTS NAMES c1366d08b543 mongoperf:latest "mongoperf" 4 minutes ago Up 3 minutes boring_kirch $ docker rm -f c1366d08b543 c1366d08b543
现在再运行下主机目录数据卷：
$ mkdir ~/tmp
$ echo "{nThreads:32,fileSizeMB:1000,r:true,w:true}" | docker run -i --sig-proxy=false -v ~/tmp:/tmp mongoperf
从我们设置开始，这就有相同的输出：
mongoperf
use -h for help
parsed options:
{ nThreads: 32, fileSizeMB: 1000, r: true, w: true }
creating test file size:1000MB ...
testing...
optoins:{ nThreads: 32, fileSizeMB: 1000, r: true, w: true }
wthr 32
new thread, total running : 1
read:1 write:1
1273 ops/sec 4 MB/sec
1242 ops/sec 4 MB/sec
1178 ops/sec 4 MB/sec
...
new thread, total running : 2
read:1 write:1
2437 ops/sec 9 MB/sec
2702 ops/sec 10 MB/sec
2546 ops/sec 9 MB/sec
...
new thread, total running : 4
read:1 write:1
read:1 write:1
2575 ops/sec 10 MB/sec
2465 ops/sec 9 MB/sec
2558 ops/sec 9 MB/sec
...
new thread, total running : 8
read:1 write:1
...
2471 ops/sec 9 MB/sec
3081 ops/sec 12 MB/sec
3027 ops/sec 11 MB/sec
...
new thread, total running : 16
read:1 write:1
...
3031 ops/sec 11 MB/sec
3376 ops/sec 13 MB/sec
3384 ops/sec 13 MB/sec
...
new thread, total running : 32
read:1 write:1
...
3272 ops/sec 12 MB/sec
3196 ops/sec 12 MB/sec
3385 ops/sec 13 MB/sec
...
停止并移除之前的容器。
具有32个并行读写线程结果最后一组比较，我们看到在操作每秒数量提高180%，从1211到3385 ops/s。还有的吞吐量增加了225%，从4到13 MB/s。
容器可移植性
虽然上面的方式中性能得到了提升，但这并不利于容器的迁移，因为现在我们的Docker容器需要依赖外部的Docker主机上的目录，而这个目录却没有通过Docker来管理，所以我们不能简单的运行或者迁移它。最好的解决方案就是使用data-only容器，接下来，我们将详述。数据卷：仅有数据的容器
仅有数据（data-only）的容器是推荐的Docker数据存储模式，它可以解耦对主机的依赖。
为了创建数据容器来作为衡量标准，我们重新使用已经存在的
mongoperf
镜像：
$ docker create -v /tmp --name mongoperf-data mongoperf 7d476bb9d3ca0cf282e2d3b9cf54e18d7bbe9b561be5d34646947032b64b4b9c
使用数据容器，重新运行测试标准，使用
--volume-from mongoperf-data
参数。
$ echo "{nThreads:32,fileSizeMB:1000,r:true,w:true}" | docker run -i --sig-proxy=false --volumes-from mongoperf-data mongoperf
这个过程如下面的输出：
mongoperf
use -h for help
parsed options:
{ nThreads: 32, fileSizeMB: 1000, r: true, w: true }
creating test file size:1000MB ...
testing...
optoins:{ nThreads: 32, fileSizeMB: 1000, r: true, w: true }
wthr 32
new thread, total running : 1
read:1 write:1
1153 ops/sec 4 MB/sec
1146 ops/sec 4 MB/sec
1151 ops/sec 4 MB/sec
...
new thread, total running : 2
read:1 write:1
1857 ops/sec 7 MB/sec
2489 ops/sec 9 MB/sec
2459 ops/sec 9 MB/sec
...
new thread, total running : 4
read:1 write:1
read:1 write:1
2518 ops/sec 9 MB/sec
2477 ops/sec 9 MB/sec
2451 ops/sec 9 MB/sec
...
new thread, total running : 8
read:1 write:1
...
2812 ops/sec 10 MB/sec
2837 ops/sec 11 MB/sec
2793 ops/sec 10 MB/sec
...
ew thread, total running : 16
read:1 write:1
...
3111 ops/sec 12 MB/sec
3319 ops/sec 12 MB/sec
3263 ops/sec 12 MB/sec
...
new thread, total running : 32
read:1 write:1
...
2919 ops/sec 11 MB/sec
3274 ops/sec 12 MB/sec
3306 ops/sec 12 MB/sec
...
性能方面它和主机目录数据卷方式一致。即使引用容器被移除了，仅仅包含数据的容器依然存在。我们继续运行查看：
$ docker ps -a CONTAINER ID IMAGE COMMAND CREATED STATUS PORTS NAMES 7d476bb9d3ca mongoperf:latest "mongoperf" 9 minutes ago mongoperf-data
结束
回顾一下我们的mongod
容器，我们现在使用data-only容器来存储数据以获得更好的性能。
$ docker create -v /data/db --name mongod-data mongod $ docker run -d -P --volumes-from mongod-data mongod --smallfiles
记住，你可以通过运行
docker ps
看到映射的本地端口值。例如：
$ docker ps CONTAINER ID IMAGE COMMAND CREATED STATUS PORTS NAMES 08245e631171 mongod:latest "mongod --smallfiles 40 seconds ago Up 39 seconds 0.0.0.0:49165->27017/tcp gloomy_meitner $ mongo --port 49165 MongoDB shell version: 2.6.7 connecting to: 127.0.0.1:49165/test >
数据卷将最终成为Docker里的 头等公民 。同时，考虑使用社区工具，像 docker-volume 来更加轻松的管理他们。
接下来
在接下来的部分，我们将研究各种各样的Docker网络参数，并细说哪种更适合多主机的MongoDB副本集。敬请期待！原文链接：MONGODB & DOCKER – PART 2（翻译：刘红 校对：李颖杰）
＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝
译者介绍
刘红，才毕业的本科小生，平时喜欢业余学习一些自己感兴趣的技术或者框架，目前正在学习Docker，也在着手翻译Docker官方文档，如果对翻译Docker官方文档感兴趣的朋友可以联系译者哟。
原文发布时间为：2015-03-22
本文作者：刚百
本文来自云栖社区合作伙伴DockerOne，了解相关信息可以关注DockerOne。
原文标题：Docker&MongoDB实战（二）性能与容错
