跳轉到

1.1 為什麼需要 Docker？#

從一個問題開始#

「在我電腦上可以執行啊！」——這大概是軟體工程史上最經典的藉口。你寫了一個程式，在本機跑得好好的，交給同事或部署到伺服器上就掛了：Python 版本不同、套件裝不起來、環境變數沒設、作業系統行為不一樣。

問題的根源是：程式不只包含你的程式碼，還包含它所依賴的整個環境。 程式碼可以用 Git 傳遞，但「環境」過去很難打包傳遞。

Docker 的答案：把環境一起打包#

Docker（容器技術）的本質，就是把「應用程式 + 所有依賴 + 執行環境」打包成一個可攜帶的鏡像（Image），這個鏡像在任何裝了 Docker 的機器上執行結果都一樣。

打比方：過去搬家的時候，家具要一件一件搬、到了新家還要重新組裝（安裝依賴）；Docker 像是直接把整個房間「原封不動」搬過去，打開就能用。

Container 與 VM 的根本差異#

初學者最常問：「Docker 不是虛擬機嗎？」不是。兩者隔離的層級完全不同：

虛擬機器（VM） 容器（Container）
隔離對象 整台機器（含完整的作業系統） 只隔離應用層，共用主機核心（kernel）
大小 通常數 GB 到數十 GB 通常數十 MB 到數百 MB
啟動速度 數十秒到數分鐘 不到一秒
資源開銷 高（每台 VM 都要完整 OS） 低（一台機器可跑數十個容器）
隔離強度 較強 較弱（但一般開發部署夠用）

關鍵理解：VM 虛擬化的是「硬體」，容器虛擬化的是「作業系統的使用者空間」。容器不是在跑一個完整的 OS，而是用主機的核心，配合鏡像內自帶的檔案系統與依賴。這就是它又快又輕的原因。

容器解決了什麼工程問題#

  • 環境一致性：開發、測試、正式環境跑同一個鏡像，消滅「在我電腦上可以執行」
  • 快速部署：鏡像建構一次，處處執行，啟動只要一秒
  • 資源隔離：多個專案用不同版本的依賴互不衝突（一台機器同時跑 Python 3.9 和 3.12）
  • 易於清理：刪除容器不留痕跡，不會把主機環境弄得一團亂

本章小結#

  • 程式的依賴環境難以傳遞，是「在我電腦上可以執行」的根源
  • Docker 把程式與環境打包成鏡像，在任何機器上執行結果一致
  • VM 虛擬化硬體，容器共用主機核心，因此容器又快又輕
  • 容器解決環境一致性、部署速度、資源隔離三大工程問題

想一想#

  1. 你曾經遇過哪些「環境不一樣」造成的問題？容器如何解決？
  2. 為什麼容器比 VM 輕量？關鍵在哪一層的差異？
  3. 什麼情況下你應該用 VM 而不是容器？（提示：需要不同作業系統核心時）