从虚拟机到容器的进化
昆明某金融科技公司在2024年完成了从传统虚拟机部署到Docker容器化部署的迁移整个过程历时6个月涉及32个微服务节点。迁移完成后部署时间从平均2小时缩短到5分钟资源利用率提升了40%故障恢复时间从30分钟缩短到2分钟。本文将分享这次迁移过程中积累的实战经验和踩过的坑。
Dockerfile最佳实践
镜像分层优化：合理利用Docker的层缓存机制——将变化频率低的指令(安装系统依赖)放前面变化频率高的指令(复制应用代码)放后面。一个典型的Python项目Dockerfile：FROM python:3.11-slim AS base
RUN apt-get update && apt-get install -y --no-install-recommends gcc libpq-dev && rm -rf /var/lib/apt/lists/*
WORKDIR /app
COPY requirements.txt .
RUN pip install --no-cache-dir -r requirements.txt
COPY . .
EXPOSE 8000
CMD ["gunicorn", "--bind", "0.0.0.0:8000", "app:main"]多阶段构建：最终镜像只包含运行时依赖不包括编译工具和源码可将镜像体积从1.2GB缩减到150MB。安全基线：使用非root用户运行；不把敏感信息打入镜像(通过环境变量或Secret注入)；定期扫描镜像漏洞(trivy/grype)。
生产环境编排与管理
docker-compose vs K8s：开发和小型生产环境用docker-compose足够；大规模生产环境建议迁移到Kubernetes。我们采用了渐进式策略——先用compose跑通再逐步迁移到K8s。日志收集：每个容器的stdout/stderr通过Fluentd收集到ELK(Elasticsearch+Logstash+Kibana)堆栈按服务/级别/时间多维检索。监控告警：Prometheus采集各容器的CPU/内存/网络/自定义指标；Grafana展示仪表盘；Alertmanager对接钉钉/企微/短信告警。滚动更新：K8s的RollingUpdate策略确保零停机发布——逐个替换Pod新版本就绪后才销毁旧版本。