ExplainThis 全端開發雙週報 #86 Docker 與容器是什麼? 為什麼需要?
Docker 與容器是什麼? 為什麼需要?
先前有讀者在內容許願中提到 ExplainThis 的內容中似乎沒有關於 Docker 與容器 (container) 相關的內容，對此我們接下來會陸續有一系列的文章，從 Docker 與容器的基本介紹，到實戰的運用。
在開頭的第一篇文章中，我們會先介紹 Docker 與容器到底是什麼? 為什麼現在有那麼多專案都會用? 具體來說 Docker 與容器解決了什麼問題? 此外，我們也會透過一個最簡單的案例，讓過去還沒接觸過 Docker 的人能快速開始。
我們把第一篇完整版免費公開，後續的系列文會陸續在 E+ 上架，歡迎感興趣的讀者加入閱讀 (E+ 連結看這邊)。
Docker 與容器是什麼? 為什麼要用 Docker?
相信多數人聽過 Docker 是一套用來建置與執行容器化應用程式的平台與工具，不過容器究竟是什麼? 事實上，容器這個概念與實體世界中會看到的貨櫃很相似，都是像箱子一樣 (在英文上，貨櫃的英文跟容器的英文都是 container，所以很常看到實體貨櫃會出現在 Docker 相關的圖上)。但不同的地方在於，在軟體世界的容器，是裝著應用程式。
在這個箱子中，應用程式會有一套相對獨立的執行環境，包含主機名稱、IP 位址、磁碟機等等。不過這些其實都是由 Docker 創建出來的虛擬資源；透過 Docker 的管理，這些資源能夠被組合成一個讓應用程式得以被執行的環境。
在一台電腦中，多個容器會使用同一個 CPU 與記憶體等硬體資源，並共享底層的作業系統核心。不過，每個容器仍有自己的程序、檔案系統與網路環境，因此容器中的應用程式可以彼此隔離。
Docker 解決了什麼問題?
在看完上面 Docker 實際做的事情後，可能還沒辦法很直觀感受到其價值所在，或者 Docker 這項技術解決了什麼問題，讓我們在這個段落進一步說明。
在上面對於 Docker 的介紹中，有提到容器提供一個讓應用程式得以被執行的環境，這邊的環境是個關鍵。在做軟體開發時，寫程式只是其中一環，要讓程式碼跑起來，會需要有相對應的執行環境。由於使用的機器、安裝套件的版本，以及各種因素的不同，很可能某個專案能在你同事用的電腦跑起來，但是在你的電腦上跑不起來。
過去在沒有使用 Docker 的狀況下，有些人入職新團隊後，光是要讓專案能夠跑起來，就得花很多時間。在安裝環境時遇到問題，去找同事協助解決時，很常會聽到類似以下的話「這個專案的 Node.js 版本要 18，但你裝到 Node.js 22 所以跑不起來」，或是「這個的 Postgres 版本不同，才導致行為的不一致」。
透過容器，我們能把一個應用程式需要的執行環境包起來，讓它可以用相對一致的方式，在不同機器上跑。因此，在使用 Docker 的狀況下，當團隊有新成員加入，要建置、部署、管理專案時，不管用哪一台機器，機器裡的某個依賴是哪個版本，只要透過 Docker，新成員抓下原始碼後，執行一個指令，就能在本機把所有東西建置並跑起來，從此不再擔心要花很多時間建置環境 (備註：前提是團隊已經妥善準備好 Dockerfile、Compose 設定與必要的初始化流程，這些概念我們在後面的文章會談)。
因為這個特性，讓現代的應用程式，可以很輕易地跑在雲端、跑在資料中心，甚至是無伺服器函式 (serverless function) 中。不管應用背後選擇什麼架構或技術棧，都能夠透過 Docker 來建置、部署與管理。
為什麼 Docker 出現前的解決方案會被 Docker 取代?
Docker 容器創建出的執行環境，讓多個應用程式即使背後用的依賴版本不同，也不會有衝突、能同時運行，不會因為兩個應用程式用的 Node.js 版本不同，就無法和平共處。這件事在 Docker 出現前，業界其實已經有技術在解決了。
在 Docker 之前比較廣泛被使用的方法，是透過虛擬機器 (VM)。在概念上，虛擬機器跟容器其實很類似，都是提供一個箱子，讓應用程式能在裡頭執行。不過兩者的差異在於，虛擬機器的箱子中包含作業系統，所以兩個虛擬機器彼此不會共享主機的作業系統。
由於一套作業系統可能就會佔用好幾 GB 的記憶體，也會消耗大量 CPU 時間，不共享作業系統就代表原本能給應用程式使用的資源，被作業系統占據。這就導致同樣的資源，在使用虛擬機器的狀況下，能同時跑的應用程式數量下降。
對比之下，同樣提供隔離環境，由於 Docker 容器會共享執行容器的機器上的作業系統，所以容器本身相對輕量。給定同樣的硬體，能夠執行的應用系統，會比用虛擬機器多不少。
從一個最簡單的案例開始用 Docker
在了解完 Docker 的概念後，接著讓我們一起動手開始使用 Docker。我們會以一個最簡單的案例，帶著還沒有用過 Docker 的讀者入手。完整的講解可以看這篇文章的完整版本 (連結)。
如果對完整的 Docker 入門到實戰系列文感興趣，我們未來會持續在 E+ 中更新後續的內容，歡迎感興趣的讀者加入閱讀 (E+ 連結看這邊)。
備註：許多 E+ 會員透過所任職公司的教育訓練補助 (E+ 會開立有統編的發票)，不用花自己的錢，也能每週透過深度主題文與社群交流，用穩扎穩打的方式拓展技術視野、在職涯持續成長。
本期推薦
Coinbase 工程團隊分享的《Interviewing Engineers in the AI Era: Lessons from a Year of Rebuilding》。該文談了在 AI 時代下，Coinbase 工程團隊如何重新打造面試流程。推薦給想了解近期求職市場在面試上有什麼變化的人一讀 (連結)
《Choose Boring Technology》一文談到一個軟體團隊能承擔的新技術其實有限，不需要每個問題都選最新、最特別的工具 (連結)。 文章從維運成本、認知負擔到技術選型談得很完整，如果你正在決定要不要引進新框架、資料庫或服務，這篇提供了一套很不錯用的思考方式
《Build Wide, Ship Narrow》的作者分享他的 AI 驅動開發流程，先把功能完整做出來、實際展示與修正，再回頭拆成容易審查的小型 PR (連結)，特別適合平常工作會接觸跨前後端功能或大型重構的人一讀
Google 在《Why Go is an Ideal Language for AI-Assisted Software Engineering》中談到 AI 程式實作讓產生程式碼變快，審查與驗證反而成為瓶頸，以及在這個新瓶頸下，為什麼 Go 語言有優勢 (連結)。 文章從 Go 一致的格式、簡單明確的語法、型別檢查與內建工具，來解析為何 Go AI 更容易閱讀、測試與修正產生出來的程式碼
寫了十年 Go 的 Paul Hinze 在《A Gopher Meets a Crab》中，讓 Claude 幫他用 Rust 與 Tokio 寫一個聊天伺服器，再一邊追問 AI、一邊真正把 Rust 學起來 (連結)
文章從一位初入門 Rust 的工程師角度，談 Rust 的錯誤處理、型別到非同步執行模型與 Go 有什麼不同、《Your JSON Is Lying to You》一文整理了 JavaScript 資料經過 JSON 序列化後可能悄悄改變的情況，包括大整數失去精度、
undefined消失、Date變成字串，以及NaN變成null(連結)。如果平常會設計 API、處理資料庫 ID 或做前後端資料交換，這篇文章能協助釐清「JavaScript 物件」和「送上網路的 JSON」之間到底會遺失哪些資訊《Shopify Speed Optimization: Fixing The Real Bottlenecks》一文拆解 Shopify 商店容易拖慢體感速度的地方 (連結)。從首頁大圖與輪播、第三方 App 腳本，到 JavaScript 延後與條件載入、CSS 與字型都有實例