Docker

简而言之：Docker 会将应用程序及其所有依赖项打包到一个可移植的容器中。该容器可以在任何机器上以相同方式运行，从而消除“在我的机器上可以运行”的问题。

Docker 是 Docker, Inc. 于 2013 年发布的开源平台。它使用操作系统级虚拟化，在称为容器的隔离单元中运行应用程序。容器共享主机操作系统的内核。与每个实例都运行完整操作系统的虚拟机相比，它要轻量得多。Docker 容器可在数秒内启动，并且只需虚拟机所需内存的一小部分。

核心概念

1. 镜像：定义容器文件系统和配置的只读模板。镜像由 Dockerfile 构建而成。
2. 容器：镜像的运行实例。容器彼此隔离，也与主机隔离。
3. Dockerfile：包含逐层构建镜像指令的文本文件。
4. Docker Hub：预构建镜像的公共注册表（Node.js、Python、Postgres 等）。
5. 卷：挂载到容器中的持久化存储。容器重启后数据仍会保留。
6. Docker Compose：用于在单个 YAML 文件中定义和运行多容器应用程序的工具。

Docker vs 虚拟机

1. 启动时间：容器可在毫秒级启动。虚拟机启动完整操作系统需要数分钟。
2. 资源使用：容器共享主机内核。虚拟机则为每个实例运行一个完整操作系统。
3. 隔离性：虚拟机提供更强的隔离。容器共享内核，因此存在较小的风险面。
4. 可移植性：Docker 镜像可在任何 Docker 主机上运行。虚拟机镜像则绑定到特定的虚拟机管理程序。

用于网页抓取和数据管道的 Docker

网页爬虫工具通常依赖特定的浏览器版本、语言运行时和库组合。Docker 镜像会将所有依赖项锁定到精确版本。在 CI 中可运行的爬虫，在生产环境中也会以相同方式运行。使用 Playwright 或 Puppeteer 的无头浏览器抓取工具通常会被容器化。Bright Data 的抓取浏览器专为与容器化抓取工作负载集成而构建。多个容器可以并行运行，通过横向扩展提升吞吐量，而 Kubernetes 可在生产环境中自动执行这种扩展。

采用情况

Docker Hub 托管着超过 1500 万个代码库。Stack Overflow 开发者调查一直将 Docker 列为最常用的工具之一。Docker 是各大云服务提供商中容器化工作负载的基础，AWS、Google Cloud 和 Azure 都使用 Docker 的 OCI 兼容镜像格式运行容器。