Docker 容器性能优化实践

在生产环境中运行容器化应用时，性能优化是一个不可忽视的重要环节。本文将分享一些实用的 Docker 容器性能优化技巧。

🚀 镜像构建优化

1. 多阶段构建

# ❌ 单阶段构建 - 镜像体积大
FROM node:16
WORKDIR /app
COPY package*.json ./
RUN npm install
COPY . .
RUN npm run build
EXPOSE 3000
CMD ["npm", "start"]

# ✅ 多阶段构建 - 镜像体积小
# 构建阶段
FROM node:16-alpine AS builder
WORKDIR /app
COPY package*.json ./
RUN npm ci --only=production

# 生产阶段
FROM node:16-alpine AS production
WORKDIR /app
COPY --from=builder /app/node_modules ./node_modules
COPY . .
RUN npm run build
EXPOSE 3000
CMD ["npm", "start"]

2. 选择合适的基础镜像

# ❌ 体积大的基础镜像
FROM ubuntu:20.04

# ✅ 轻量级的 Alpine 镜像
FROM node:16-alpine

# ✅ Distroless 镜像（更安全）
FROM gcr.io/distroless/nodejs16

3. 优化层缓存

# ❌ 低效的层构建
FROM node:16-alpine
WORKDIR /app
COPY . .
RUN npm install

# ✅ 优化的层构建
FROM node:16-alpine
WORKDIR /app
# 先复制依赖文件，利用缓存
COPY package*.json ./
RUN npm ci --only=production
# 再复制源代码
COPY . .

💾 资源限制配置

1. 内存限制

# 限制容器内存使用
docker run -m 512m myapp

# 在 docker-compose.yml 中配置
services:
  app:
    image: myapp
    deploy:
      resources:
        limits:
          memory: 512M
        reservations:
          memory: 256M

2. CPU 限制

# 限制 CPU 使用
docker run --cpus="1.5" myapp

# 在 docker-compose.yml 中配置
services:
  app:
    image: myapp
    deploy:
      resources:
        limits:
          cpus: '1.5'
        reservations:
          cpus: '0.5'

3. 监控资源使用

# 实时监控容器资源使用
docker stats

# 查看容器详细信息
docker inspect <container_id>

🔧 运行时优化

1. 健康检查

# 在 Dockerfile 中添加健康检查
HEALTHCHECK --interval=30s --timeout=3s --start-period=5s --retries=3 \
  CMD curl -f http://localhost:3000/health || exit 1

# 在 docker-compose.yml 中配置
services:
  app:
    image: myapp
    healthcheck:
      test: ["CMD", "curl", "-f", "http://localhost:3000/health"]
      interval: 30s
      timeout: 10s
      retries: 3
      start_period: 40s

2. 日志管理

# 限制日志文件大小
docker run --log-driver json-file --log-opt max-size=10m --log-opt max-file=3 myapp

# 在 docker-compose.yml 中配置
services:
  app:
    image: myapp
    logging:
      driver: "json-file"
      options:
        max-size: "10m"
        max-file: "3"

3. 安全优化

# 创建非 root 用户
RUN addgroup -g 1001 -S nodejs
RUN adduser -S nextjs -u 1001
USER nextjs

# 或者使用现有的非 root 用户
USER node

📊 存储优化

1. 使用 .dockerignore

# .dockerignore
node_modules
npm-debug.log
.git
.gitignore
README.md
.env
coverage
.nyc_output

2. 卷挂载优化

# 使用命名卷而不是绑定挂载
services:
  db:
    image: postgres:13
    volumes:
      - postgres_data:/var/lib/postgresql/data # 命名卷
    environment:
      POSTGRES_DB: myapp

volumes:
  postgres_data:

3. 多阶段构建清理

FROM node:16-alpine AS builder
WORKDIR /app
COPY package*.json ./
RUN npm ci
COPY . .
RUN npm run build

FROM nginx:alpine
# 只复制构建结果，不包含源代码和依赖
COPY --from=builder /app/dist /usr/share/nginx/html
EXPOSE 80
CMD ["nginx", "-g", "daemon off;"]

🌐 网络优化

1. 使用自定义网络

# docker-compose.yml
version: "3.8"
services:
  app:
    image: myapp
    networks:
      - app-network

  db:
    image: postgres:13
    networks:
      - app-network

networks:
  app-network:
    driver: bridge

2. 容器间通信优化

# 使用内部网络，不暴露不必要的端口
services:
  app:
    image: myapp
    ports:
      - "3000:3000" # 只暴露应用端口
    depends_on:
      - db

  db:
    image: postgres:13
    # 不暴露数据库端口到宿主机
    environment:
      POSTGRES_DB: myapp

🔍 监控和调试

1. 性能监控

# 使用 cAdvisor 监控容器性能
docker run \
  --volume=/:/rootfs:ro \
  --volume=/var/run:/var/run:ro \
  --volume=/sys:/sys:ro \
  --volume=/var/lib/docker/:/var/lib/docker:ro \
  --volume=/dev/disk/:/dev/disk:ro \
  --publish=8080:8080 \
  --detach=true \
  --name=cadvisor \
  gcr.io/cadvisor/cadvisor:latest

2. 应用性能分析

// Node.js 应用中添加性能监控
const prometheus = require("prom-client");

// 创建性能指标
const httpDuration = new prometheus.Histogram({
  name: "http_request_duration_ms",
  help: "Duration of HTTP requests in ms",
  labelNames: ["route", "method", "status_code"],
});

// 中间件记录请求时间
app.use((req, res, next) => {
  const start = Date.now();

  res.on("finish", () => {
    const duration = Date.now() - start;
    httpDuration
      .labels(req.route?.path || req.path, req.method, res.statusCode)
      .observe(duration);
  });

  next();
});

3. 容器调试

# 进入运行中的容器
docker exec -it <container_id> sh

# 查看容器日志
docker logs -f <container_id>

# 复制文件到容器
docker cp localfile.txt <container_id>:/path/to/file

# 查看容器进程
docker top <container_id>

🚀 生产环境最佳实践

1. 容器编排

# Kubernetes Deployment 示例
apiVersion: apps/v1
kind: Deployment
metadata:
  name: myapp
spec:
  replicas: 3
  selector:
    matchLabels:
      app: myapp
  template:
    metadata:
      labels:
        app: myapp
    spec:
      containers:
        - name: myapp
          image: myapp:latest
          resources:
            requests:
              memory: "256Mi"
              cpu: "250m"
            limits:
              memory: "512Mi"
              cpu: "500m"
          readinessProbe:
            httpGet:
              path: /health
              port: 3000
            initialDelaySeconds: 10
            periodSeconds: 5
          livenessProbe:
            httpGet:
              path: /health
              port: 3000
            initialDelaySeconds: 30
            periodSeconds: 10

2. 容器安全扫描

# 使用 Trivy 扫描镜像漏洞
docker run --rm -v /var/run/docker.sock:/var/run/docker.sock \
  aquasec/trivy image myapp:latest

# 使用 Clair 进行安全扫描
docker run -d --name clair-db arminc/clair-db:latest
docker run -p 6060:6060 --link clair-db:postgres -d --name clair arminc/clair-local-scan:latest

📈 性能测试

1. 压力测试

# 使用 Apache Bench
ab -n 1000 -c 10 http://localhost:3000/

# 使用 wrk
wrk -t12 -c400 -d30s http://localhost:3000/

# 使用 hey
hey -n 1000 -c 50 http://localhost:3000/

2. 容器性能基准测试

# 创建性能测试镜像
FROM alpine:latest

RUN apk add --no-cache \
    sysbench \
    iperf3 \
    fio

# CPU 测试
RUN sysbench cpu --cpu-max-prime=20000 run

# 内存测试
RUN sysbench memory --memory-total-size=1G run

# 磁盘 I/O 测试
RUN fio --name=random-write --ioengine=posixaio --rw=randwrite --bs=4k --size=4g --numjobs=1 --iodepth=1 --runtime=60 --time_based --end_fsync=1

📝 总结

Docker 容器性能优化是一个多方面的工程：

🎯 关键优化点

1. 镜像优化：使用多阶段构建，选择轻量级基础镜像
2. 资源管理：合理设置内存和 CPU 限制
3. 存储优化：使用 .dockerignore，优化层缓存
4. 网络配置：使用自定义网络，优化容器间通信
5. 监控调试：建立完善的监控体系

🔧 最佳实践

• 在开发阶段就考虑性能优化
• 定期进行性能测试和监控
• 保持镜像的最小化原则
• 合理配置健康检查和资源限制
• 建立完善的日志和监控系统

通过这些优化实践，可以显著提升 Docker 容器在生产环境中的性能表现。

---

希望这些优化技巧能帮助你构建更高效的容器化应用！