转载

Docker容器：更小不一定更好

通常来讲，Docker的容器优选选择体积更小的。然而，体积更小却并总会带来性能上的优势。本文将介绍一个使用了一个体积（稍微）大一点的容器，从而将性能提高30倍以上的例子。

TL;DR

当使用 grep 来处理大量的数据的时候， busybox 中带的 grep 速度慢的让人痛苦。解决之道在于向容器添加一个（真正的） grep 。

背景

在 Raspberry Pi中实现简单的亚结构匹配一文中，我试图尽力找到Raspberry Pi处理数据的极限。我选择使用亚结构的搜索作为了课题，因为其充满挑战，且是一个展示Pi中并行worker的处理能能力的好例子。

我对NIM（_National Institutes of Health_, 美国国立卫生研究院）的PubChem Compounds数据库中的数据做了预处理，然后抽取出SIMLES（_Simplified molecular input line entry specification_，简化分子线性输入规范）数据，这是一种描述化学合成物的语言。作为我首次十分不成熟的实现，我用 grep 来匹配亚结构。我把文件分拆到5个Pi，每个都会处理大约730个文件，约840M的数据，我然后用 xargs 实现多核并行处理。在跑了几次后，所有的数据会被读到缓存中，然后Pi可以在1-2秒内处理完毕，以备实时的搜索。在1300万数据中找出所有含碳的化合物只需要花8-10秒，这相当不可思议。

在找到了解决方法后，我试着将它搬进docker。

我选择使用 voxxit/alpine-rpi 来作为基础镜像 - 它相当小，大概只有5M，几乎包含所有需要的东西。我发现其带的 xargs 不支持 -P 选项，因此我添加了 xargs ：

apk --update add findutils

我跑了一下测试，可是发现性能糟透了。

我决定打开shell亲自试试，做一些优化。这是优化之前的性能：

/opt/smiles # date;time /bin/ash -c &quot; ls | xargs -P 4 -n 50 grep -h 'C1CCCCC1C=O'| wc -l &quot;;date
 Sun Apr 19 14:25:54 GMT 2015
 19
 real 1m 4.21s
 user 3m 57.52s
 sys 0m 3.52s
 Sun Apr 19 14:26:58 GMT 2015

正常情况下大量的IO操作的性能在跑了几次后会得到改善；系统能缓存下读到的数据。通常，3次循环就能让所有的数据缓存下来。然而，上面的数据并没有得到改善。

经过验证，我发现多核的并发确实是被用到了。

我继续往下探究，检查IO和VM的数据。发现真是糟透了！在这个时候我开始在google查找Docker是否使用磁盘缓存，看看我是否漏掉了或者多添了某个参数。我确实不相信Docker使用的IO能慢到那种程度，而我一直是一个坚信想法都该去证实一下的人。

在查看了 /proc 和 /sys 下面的内容，并且在docker之外试了搜索后，我决定是否我该使用一个更快的grep，结果，该容器使用了busybox：

/opt/smiles # ls -li /bin/grep
 501101 lrwxrwxrwx 1 root root 12 Mar 6 13:27 /bin/grep -> /bin/busybox

从体积小来看，这通常确实是一个很好的选择。然而，其携带的 grep 要慢许多。突然我好像柳暗花明，我决定安装下 grep ：

/opt/smiles # apk search grep
 ngrep-1.45-r1
 grep-doc-2.20-r1
 grep-2.20-r1
 /opt/smiles # apk --update add grep
 fetch http://repos.lax-noc.com/alpine/v3.1/main/armhf/APKINDEX.tar.gz
 (1/2) Installing pcre (8.36-r1)
 (2/2) Installing grep (2.20-r1)
 Executing busybox-1.22.1-r14.trigger
 OK: 6 MiB in 18 packages
 /opt/smiles # which grep
 /usr/bin/grep
 /opt/smiles # ls -li /usr/bin/grep
 66417 -rwxr-xr-x 1 root root 189840 Feb 2 11:05 /usr/bin/grep

我然后重新运行测试，对着出来的结果，我高兴的都想出去跑三圈。

bash
 /opt/smiles # date;time /bin/ash -c &quot; ls | xargs -P 4 -n 50 grep -h 'C1CCCCC1C=O'| wc -l &quot;;date
 Sun Apr 19 14:30:35 GMT 2015
 19
 real 0m 1.81s
 user 0m 4.39s
 sys 0m 2.38s
 Sun Apr 19 14:30:36 GMT 2015