SSD Nodes Learn Hosting plans →
راهنماها Matt Connorتوسط Matt Connor

اجرای دیتابیس در Docker یا روی host؟

اجرای PostgreSQL، MySQL یا Redis در Docker برای محیط production کاملاً استاندارد است. چالش اصلی مدیریت صحیح Volumes، ارتقای نسخه، تهیه Backup و محدودیت‌های Memory است.

آیا دیتابیس باید در Docker اجرا شود یا روی host؟

دیتابیس را در Docker اجرا کنید. برای یک پشتهٔ نرم‌افزاری روی یک VPS، استفاده از PostgreSQL، MySQL، MongoDB یا Redis به صورت containerized یک انتخاب استاندارد در محیط production است و بحث‌هایی که معمولاً پیرامون آن مطرح می‌شود، اغلب به بیراهه می‌روند. یک container در واقع یک پردازش لینوکسی است که با namespaces و cgroups محدود شده است، نه یک ماشین مجازی؛ بنابراین هیچ hypervisorای بین دیتابیس و دیسک وجود ندارد. با استفاده از bind mount یا یک local named volume، عملیات خواندن و نوشتن مستقیماً روی فایل‌سیستم host انجام می‌شود، یعنی همان‌جایی که یک نصب معمولی (package install) از آن استفاده می‌کرد.

هزینهٔ واقعی، عملیاتی است. چهار عامل تعیین می‌کنند که این پیکربندی مناسب است یا به یک فاجعهٔ کند تبدیل می‌شود: محل ذخیره‌سازی داده‌ها، مالکیت آن دایرکتوری، نحوهٔ انجام ارتقای نسخهٔ اصلی (major version upgrade) و اینکه آیا تا به حال یک نسخه پشتیبان (backup) را بازیابی کرده‌اید یا خیر. اگر این موارد را به درستی مدیریت کنید، container تنها یک جزئیات فنی خواهد بود. اگر آن‌ها را اشتباه انجام دهید، container همان چیزی است که مقصر اصلی مشکلات خود می‌دانید.

این تصمیم برای تمام دیتابیس‌های سرور یکسان است. مثال‌های زیر از PostgreSQL، MySQL، MongoDB و Redis استفاده می‌کنند و تفاوت‌های مختص به هر محصول در جایی که اهمیت دارند، ذکر شده‌اند.

یک کانتینر واقعاً چه چیزی را تغییر می‌دهد

مسیر ذخیره‌سازی را تغییر نمی‌دهد، تا زمانی که یک volume برای آن mount کنید. همان هسته (kernel)، همان page cache و همان سیستم فایل باقی می‌ماند.

یک تلهٔ عملکردی واقعی وجود دارد و آن حالتی است که هیچ‌چیز mount نمی‌کنید. بدون volume، دایرکتوری داده‌ها در لایهٔ قابل‌نوشتن کانتینر قرار می‌گیرد که یک overlay filesystem است که روی image چیده شده است. نوشتن در آنجا کندتر است و با حذف کانتینر، کل آن لایه پاک می‌شود. دلیل اینکه «دیتابیس من صبح امروز خالی بود» همین است.

آنچه واقعاً تغییر می‌کند:

  • چرخهٔ حیات. docker compose down کانتینر را نابود می‌کند. هر چیزی که در یک volume نباشد، همراه با آن از بین می‌رود.
  • نسخه. تگ image همان نسخه است. هیچ apt upgrade داخل یک کانتینر دیتابیس وجود ندارد که از docker compose pull بعدی جان سالم به در ببرد.
  • حسابرسی حافظه. محدودیت cgroup یک دیوار سخت است که توسط هسته اعمال می‌شود و اکثر تنظیمات پیش‌فرض دیتابیس‌ها خود را با آن تطبیق نمی‌دهند. MySQL 9.3 یا نسخه‌های جدیدتر، این محدودیت را برای برخی تنظیمات می‌خوانند. MongoDB سعی می‌کند این کار را برای کش WiredTiger خود انجام دهد، اما مستندات خودش هشدار می‌دهد که ممکن است در برخی موارد موفق نشود. PostgreSQL و Redis این کار را نمی‌کنند.
  • کاربر. پردازش به عنوان یک شناسه کاربری عددی (numeric user id) در داخل کانتینر اجرا می‌شود که ممکن است در میزبان (host) شما مالک هیچ‌چیز نباشد.

محل ذخیره‌سازی داده‌ها تعیین‌کننده همه‌چیز است

دو گزینه مناسب و یک اشتباه رایج وجود دارد.

  • یک Named volume: pgdata:/var/lib/postgresql/data. داکر دایرکتوری را در /var/lib/docker/volumes/<project>_pgdata/_data ایجاد می‌کند و entrypoint ایمیج در اولین اجرا، مالکیت آن را تنظیم می‌کند. این پاسخ پیش‌فرض است.
  • یک Bind mount: /srv/appname/pg:/var/lib/postgresql/data. شما مسیر را انتخاب می‌کنید، بنابراین مسئولیت مشکلات مجوزها با شماست.
  • عدم استفاده از mount. به مورد بالا مراجعه کنید. داده‌ها درون کانتینر باقی می‌مانند.

بررسی کامل مزایا و معایب این روش‌ها موضوعی جداگانه است و تفاوت bind mountها با named volumeها آن را پوشش می‌دهد. برای یک دیتابیس، خلاصه مطلب این است: از یک named volume استفاده کنید مگر اینکه دلیل خاصی برای دانستن مسیر میزبان داشته باشید. اگر از bind mount استفاده می‌کنید، آن را در مکانی پایدار مانند /srv/appname/pg قرار دهید، نه داخل دایرکتوری پروژه که ممکن است توسط git clean در دسترس باشد.

در مورد حافظه‌های تحت شبکه مراقب باشید. دایرکتوری داده‌های دیتابیس را روی NFS (سیستم فایل شبکه) یا هر mount شبکه دیگری که رفتار قفل‌گذاری و fsync آن را تست نکرده‌اید، قرار ندهید. PostgreSQL یک الزام قطعی برای NFS دارد: استفاده از گزینه mount به نام hard؛ همچنین اکیداً توصیه می‌کند از گزینه export به نام sync در سمت سرور NFS استفاده شود، زیرا بدون آن، یک fsync در سمت کلاینت تضمین نمی‌کند که داده‌ها به دیسک سرور برسند. دیتابیس‌ها فرض می‌کنند که یک fsync موفق به معنای قرارگیری بایت‌ها روی حافظه پایدار است. وقتی این فرض اشتباه باشد، با خرابی داده‌هایی مواجه می‌شوید که ممکن است هفته‌ها بعد خود را نشان دهد.

نام‌گذاری ثابت برای volume پیش از ناپدید شدن آن

ابزار Compose برای volumeها نامی به فرمت <project>_<volume> انتخاب می‌کند و نام پروژه به‌صورت پیش‌فرض همان نام دایرکتوری است. بنابراین هویت volume به نام دایرکتوری وابسته است؛ چیزی که کاربران بدون تأمل آن را تغییر می‌دهند.

اگر /srv/app را به /srv/app-old منتقل کنید یا کلید pgdata را در فایل compose تغییر دهید، دستور docker compose up -d بعدی یک volume جدید و خالی ایجاد می‌کند. Postgres در آن یک کلاستر تازه مقداردهی اولیه می‌کند. کانتینر سالم است، برنامه اجرا می‌شود، اما تمام جداول ناپدید شده‌اند. خبر خوب این است که volume قدیمی همچنان با نام قبلی روی دیسک باقی مانده است.

docker volume ls
docker volume inspect app_pgdata

نام‌ها را ثابت (Pin) کنید تا چنین اتفاقی رخ ندهد. نام پروژه و نام volume را به‌صورت صریح تعیین کنید:

name: myapp

services:
  db:
    image: postgres:17
    volumes:
      - pgdata:/var/lib/postgresql/data

volumes:
  pgdata:
    name: myapp_pgdata

اگر داده‌های شما در یک volume سرگردان قرار دارد، پس از متوقف کردن دیتابیس، آن را کپی کنید:

docker compose stop db
docker run --rm -v app_pgdata:/from -v myapp_pgdata:/to alpine sh -c 'cp -a /from/. /to/'
docker compose start db

اگر در حین اجرای دیتابیس اقدام به کپی کنید، با یک کپی ناقص (torn copy) از فایل‌هایی که در حال نوشتن بوده‌اند مواجه می‌شوید. ابتدا آن را متوقف کنید.

مالکیت دایرکتوری داده با کیست

ایمیج‌های رسمی Postgres، MySQL و MongoDB سرور خود را با یک شناسه کاربری عددی بدون امتیاز اجرا می‌کنند: 999 در تگ‌های پیش‌فرض، و 70 در تگ‌های Postgres -alpine. هنگامی که کانتینر به عنوان root شروع به کار می‌کند، entrypoint مالکیت دایرکتوری داده را به آن کاربر تغییر می‌دهد و سپس امتیازات خود را کاهش می‌دهد. به همین دلیل است که یک bind mount خالی معمولاً در اولین تلاش به درستی کار می‌کند.

به محض اینکه user: را در فایل compose تنظیم کنید، این فرآیند با مشکل مواجه می‌شود، زیرا در این حالت entrypoint دیگر امتیازی برای اصلاح هیچ‌چیزی ندارد. Postgres این موضوع را مستقیماً اعلام می‌کند:

initdb: error: could not change permissions of directory "/var/lib/postgresql/data": Operation not permitted

دایرکتوری داده‌ای که با دسترسی (mode) اشتباه وجود داشته باشد، پیام متفاوتی می‌دهد؛ شناختن این پیام مهم است زیرا راه حل آن chmod است، نه chown:

FATAL:  data directory "/var/lib/postgresql/data" has invalid permissions
DETAIL:  Permissions should be u=rwx (0700) or u=rwx,g=rx (0750).

entrypoint در MongoDB نیز مالکیت را به همین روش اصلاح می‌کند، بنابراین این خطای فایل قفل (lock file) به این معنی است که عملیات با شکست مواجه شده است: معمولاً user: تنظیم شده است، یا mount اجازه تغییر مالکیت (chown) از سمت root را نمی‌دهد.

Unable to create/open the lock file: /data/db/mongod.lock (Permission denied). Ensure the user executing mongod is the owner of the lock file and has the appropriate permissions.

راه حل این است که مالکیت دایرکتوری میزبان را به شناسه عددی تغییر دهید، نه به یک نام:

sudo chown -R 999:999 /srv/appname/pg
sudo chmod 700 /srv/appname/pg
ls -ldn /srv/appname/pg

دستور ls -ldn اعداد را به جای نام‌ها چاپ می‌کند و باید 999 999 را نشان دهد. برای ایمیج Postgres -alpine، از 70:70 استفاده کنید و انتظار 70 70 را داشته باشید. حسابی که در میزبان شما postgres نامیده می‌شود و حسابی که در داخل ایمیج postgres نام دارد، هیچ ارتباطی با هم ندارند: هسته سیستم‌عامل اعداد را مقایسه می‌کند و نام‌ها در هر سمت به صورت جداگانه جستجو می‌شوند. نحوه نگاشت کاربران میزبان به کانتینر توسط PUID و PGID این نگاشت را به درستی توضیح می‌دهد. در حالت rootless Docker یا بازنگاشت فضای نام کاربری (user namespace remapping)، اعداد دوباره تغییر می‌کنند، بنابراین به جای فرض کردن عدد 999، شناسه‌ها را از کانتینر در حال اجرا بخوانید.

استفاده از Named volumes باعث می‌شود کل این بخش در اولین اجرا حذف شود، زیرا Docker یک دایرکتوری خالی ایجاد می‌کند و entrypoint مالکیت آن را در اختیار می‌گیرد.

ارتقاها: ارتقای بسته در برابر تغییر تگ ایمیج

روی میزبان، apt upgrade شما را در یک نسخه فرعی جابه‌جا می‌کند. توزیع شما بدون اجازه، نسخه اصلی (major) دیتابیس را ارتقا نمی‌دهد و زمانی که تصمیم به ارتقا بگیرید، هر دو مجموعه باینری می‌توانند هم‌زمان نصب شوند که دقیقاً همان چیزی است که pg_upgrade به آن نیاز دارد.

در یک کانتینر، تگ همان نسخه است، بنابراین ارتقا فقط ویرایش یک خط است. این موضوع ارتقاهای فرعی را ساده و ارتقاهای اصلی را به یک رویه تبدیل می‌کند.

مقدار postgres:16 را به postgres:17 تغییر دهید، docker compose up -d را اجرا کنید؛ کانتینر بلافاصله متوقف می‌شود:

PostgreSQL Database directory appears to contain a database; Skipping initialization
FATAL:  database files are incompatible with server
DETAIL:  The data directory was initialized by PostgreSQL version 16, which is not compatible with this version 17.

هیچ‌چیز آسیب نمی‌بیند. باینری‌های جدید از خواندن ساختار کاتالوگ قدیمی روی دیسک که بین نسخه‌های اصلی تغییر می‌کند، خودداری می‌کنند. تگ را به postgres:16 برگردانید تا دوباره شروع به کار کند. این بازگشت به نسخه قبل (rollback)، تنها مزیت واقعی ارتقا در کانتینرها است.

مسیر پشتیبانی‌شده، dump و restore است. PostgreSQL ترجیح می‌دهد dump توسط کلاینت جدیدتر گرفته شود، بنابراین آن را از ایمیج جدید روی سرور قدیمی که هنوز در شبکه compose در حال اجراست، اجرا کنید:

docker run --rm --network myapp_default -e PGPASSWORD="$POSTGRES_PASSWORD" \
  postgres:17 pg_dumpall -h db -U postgres > /srv/backups/all.sql
ls -lh /srv/backups/all.sql
tail -n 2 /srv/backups/all.sql

حجم فایل باید حداقل ده‌ها کیلوبایت باشد و با خطی که حاوی PostgreSQL database cluster dump complete است پایان یابد. فایلی با حجم چند صد بایت به این معنی است که dump با شکست مواجه شده و شما در آستانه حذف بیهوده یک volume هستید. تنها پس از این بررسی:

docker compose down
docker volume rm myapp_pgdata
# edit the compose file: image: postgres:17
docker compose up -d db
docker compose exec -T db psql -U postgres -f /dev/stdin < /srv/backups/all.sql

برای یک تغییر دیگر در postgres:18 برنامه‌ریزی کنید. از نسخه 18 به بعد، ایمیج رسمی داده‌های خود را در یک دایرکتوری نسخه‌بندی‌شده تحت /var/lib/postgresql (برای نسخه 18، /var/lib/postgresql/18/docker) نگه می‌دارد و volume خود را در /var/lib/postgresql اعلام می‌کند. اگر volume همچنان در /var/lib/postgresql/data mount شده باشد، کانتینر با خطایی که با Error: in 18+, these Docker images are configured to store database data شروع می‌شود، متوقف خواهد شد. هنگامی که به نسخه 18 یا بالاتر می‌روید، mount را به pgdata:/var/lib/postgresql تغییر دهید. مسیرهای /var/lib/postgresql/data در این پست برای نسخه 17 و قبل از آن هستند.

سایر موتورها متفاوت عمل می‌کنند:

  • MySQL 8 دیکشنری داده‌های خود را در زمان راه‌اندازی ارتقا می‌دهد، بنابراین تغییر تگ فرعی معمولاً فقط یک restart است. پیش از جهش بین سری‌های انتشار، یادداشت‌های انتشار (release notes) را بخوانید و در هر صورت ابتدا یک dump بگیرید.
  • MariaDB انتظار دارد که mariadb-upgrade پس از بالا آمدن سرور روی نسخه جدید اجرا شود.
  • MongoDB باید یک نسخه اصلی در هر مرحله ارتقا یابد و پس از هر مرحله، باید نسخه سازگاری ویژگی (feature compatibility version) را پیش از ادامه کار تنظیم کنید. پرش از یک نسخه باعث می‌شود mongod از شروع به کار خودداری کند و در لاگ‌ها خط UPGRADE PROBLEM را با نام featureCompatibilityVersion ثبت کند. از MongoDB 7.0 به بعد، این دستور به یک فلگ تأیید صریح نیاز دارد: db.adminCommand({ setFeatureCompatibilityVersion: "8.0", confirm: true }).
  • Redis فایل‌های snapshot قدیمی‌تر را به‌راحتی بارگذاری می‌کند اما فایل‌های جدیدتر را خیر، بنابراین ارتقا یک restart است و بازگشت به نسخه قبل (downgrade) ممکن است در بارگذاری داده‌ها با شکست مواجه شود.

قانون کلی: کانتینر بازگشت به نسخه قبل را آسان می‌کند و ارتقا را آسان‌تر نمی‌کند.

چرا کانتینر دیتابیس من با کد 137 خارج می‌شود؟

چون OOM killer (قاتل کمبود حافظه) هسته آن را کشته است. 137 حاصل جمع 128 و سیگنال 9 است.

docker compose ps --all
docker inspect myapp-db-1 | grep -i oomkilled
journalctl -k | tail -n 20

docker compose ps --all نشان‌دهنده Exited (137) است. بدون --all، دستور Compose فقط کانتینرهای در حال اجرا را لیست می‌کند، بنابراین دیتابیسِ ازکارافتاده به‌سادگی در خروجی دیده نمی‌شود. خط inspect مقدار "OOMKilled": true را نشان می‌دهد و لاگ هسته نیز یک ورودی مشابه دارد:

Memory cgroup out of memory: Killed process 4711 (postgres) total-vm:2170416kB

OOMKilled فقط به شما می‌گوید که یک OOM killer پردازشی را در کانتینر پایان داده است. پیشوند Memory cgroup out of memory نشان می‌دهد که این محدودیتِ خودِ کانتینر بوده است. کمبود حافظه در سطح کل میزبان، Out of memory: Killed process را لاگ می‌کند و در آن صورت، راه‌حل روی میزبان است، نه داخل کانتینر.

مکانیسم آن این‌گونه است و مردم را غافلگیر می‌کند. داخل کانتینر، free و /proc/meminfo همچنان کل حافظه میزبان را گزارش می‌دهند و محدودیت cgroup آن عدد را تغییر نمی‌دهد. PostgreSQL هیچ‌چیز را بر اساس آن تنظیم نمی‌کند: shared_buffers به‌طور پیش‌فرض 128MB است و هر مقدار بزرگ‌تر، انتخابی است که شما یا یک راهنمای بهینه‌سازی انجام داده‌اید. مقدار innodb_buffer_pool_size در MySQL نیز به‌طور پیش‌فرض 128M است. مشکل زمانی شروع می‌شود که تنظیمات بر اساس آنچه سیستم گزارش می‌دهد، تعیین شوند. راهنمای خودِ PostgreSQL پیشنهاد می‌کند که 25 درصد از حافظه سیستم را به عنوان shared_buffers اولیه در نظر بگیرید؛ بنابراین روی یک میزبان 16 گیگابایتی با محدودیت 2 گیگابایتی، آن قانون مقدار 4 گیگابایت را می‌دهد و cgroup دیتابیس را خیلی زودتر از اینکه میزبان تحت فشار قرار بگیرد، می‌کشد. برخی موتورها اکنون محدودیت را برای برخی پیش‌فرض‌ها می‌خوانند: MySQL 9.3 و نسخه‌های جدیدتر این کار را می‌کنند و MongoDB در صورت تشخیص، از آن برای کش WiredTiger استفاده می‌کند. هیچ‌کدام همه چیز را بر اساس آن تنظیم نمی‌کنند و مستندات خودِ MongoDB می‌گوید که تشخیص ممکن است شکست بخورد. بنابراین محدودیت حافظه به‌تنهایی کافی نیست. شما باید به دیتابیس بگویید چه مقدار حافظه در اختیار دارد:

  • PostgreSQL: مقدار shared_buffers را تنظیم کنید و به work_mem توجه داشته باشید. work_mem برای هر عملیات sort یا hash اعمال می‌شود و هر اتصال می‌تواند چندین عملیات را همزمان اجرا کند؛ بنابراین یک مقدار دست‌ودلبازانه ضرب‌در پنجاه اتصال، دلیل معمولِ کانتینری است که تحت بار می‌میرد، نه هنگام شروع.
  • MySQL و MariaDB: مقدار innodb_buffer_pool_size را تنظیم کنید که پیش‌فرض آن 128M است. در نسخه‌های قبل از 9.3 MySQL، مقدار innodb_dedicated_server را در کانتینر خالی بگذارید، زیرا buffer pool را بر اساس حافظه ماشین تنظیم می‌کند که در اینجا به معنای حافظه میزبان است. از نسخه 9.3 به بعد، MySQL محدودیت‌های کانتینر را می‌خواند و innodb_dedicated_server را بر اساس آن‌ها تنظیم می‌کند، اما تعیین صریح اندازه buffer pool همچنان انتخاب قابل‌پیش‌بینی‌تری است.
  • MongoDB: اندازه کش WiredTiger را به‌طور صریح تنظیم کنید. MongoDB در صورت امکان، از محدودیت کانتینر استفاده می‌کند (hostInfo آن را به عنوان memLimitMB گزارش می‌دهد)، اما مستندات خودش هشدار می‌دهد که ممکن است در برخی موارد موفق نشود و به شما می‌گوید --wiredTigerCacheSizeGB یا --wiredTigerCacheSizePct را کمتر از حافظه کانتینر تنظیم کنید.
  • Redis: مقدار maxmemory به‌طور پیش‌فرض نامحدود است، بنابراین Redis تا زمانی که cgroup آن را متوقف کند، رشد می‌کند. مقدار maxmemory را به‌راحتی کمتر از محدودیت کانتینر قرار دهید و یک maxmemory-policy مناسب انتخاب کنید.

Postgres نیز این رویداد را از سمت خود گزارش می‌دهد و این جفت خط همان چیزی است که در لاگ خواهید یافت:

LOG:  server process (PID 123) was terminated by signal 9: Killed
LOG:  terminating any other active sessions due to crash of another server process

کشته شدن یک backend باعث می‌شود تمام backendهای دیگر ری‌استارت شوند، زیرا حافظه اشتراکی ممکن است اکنون ناسازگار باشد. این یک طوفان اتصال برای اپلیکیشن شماست، نه یک رویداد آرام. تنظیم محدودیت‌های حافظه در Docker Compose سینتکس و تفاوت بین mem_limit و فرم deploy.resources را پوشش می‌دهد.

هیچ‌کدام از این‌ها روی میزبان ناپدید نمی‌شود. فقط جابه‌جا می‌شود. بدون cgroup، دیتابیس با هر چیز دیگری روی سیستم رقابت می‌کند و OOM killer میزبان، یک قربانی را بر اساس امتیاز انتخاب می‌کند که ممکن است sshd باشد. محدودیتی که دیتابیس را به‌طور قابل‌پیش‌بینی می‌کشد، مدیریت آسان‌تری نسبت به OOM میزبان دارد که ممکن است دسترسی شما را کاملاً مسدود کند.

پشتیبان‌گیری: تهیه dump در داخل، انتقال به خارج

هرگز از یک دیتابیس در حال اجرا با کپی کردن دایرکتوری داده‌های آن پشتیبان نگیرید. کپی در سطح فایل که هنگام نوشتن سرور انجام شود، یک کپی ناقص (torn copy) است و شما این موضوع را تنها در زمان بازیابی متوجه خواهید شد.

دو روش مطمئن وجود دارد: یا با استفاده از ابزار اختصاصی دیتابیس در حین اجرا یک dump تهیه کنید و از آن پشتیبان بگیرید، یا کانتینر را متوقف کرده و volume را به صورت cold کپی کنید.

docker compose exec -T db pg_dump -U postgres -Fc appdb > /srv/backups/appdb.dump
docker compose exec -T db mysqldump -u root -p"$MYSQL_ROOT_PASSWORD" --single-transaction --all-databases > /srv/backups/mysql.sql
docker compose exec -T db mongodump --archive --gzip --db appdb > /srv/backups/appdb.archive.gz
docker compose exec -T redis redis-cli BGSAVE

استفاده از -T اهمیت دارد. بدون آن، docker compose exec ممکن است یک ترمینال به دستور متصل کند و لایه ترمینال کاراکترهای بازگشت به ابتدای خط (carriage return) را به جریان خروجی اضافه می‌کند. در نتیجه، یک dump متنی با خطاهای عجیب بازیابی می‌شود و یک dump باینری به سادگی خراب خواهد بود. این مشکل در زمان پشتیبان‌گیری بی‌صدا رخ می‌دهد و یک ماه بعد با صدای بلند (هنگام نیاز به بازیابی) خود را نشان می‌دهد.

--single-transaction به mysqldump یک snapshot منسجم از جداول InnoDB می‌دهد بدون اینکه کل سرور را قفل کند.

این دستورات هر کدام تنها یک فایل تولید می‌کنند. این‌ها یک سیستم پشتیبان‌گیری نیستند: نه سیاست نگهداری (retention) دارند، نه کپی خارج از سرور و نه فرآیند تایید سلامت. دایرکتوری dump را به ابزاری بسپارید که هر سه مورد را انجام دهد، که این دقیقاً همان کاری است که پشتیبان‌گیری با restic از یک VPS برای آن طراحی شده است. از /srv/backups پشتیبان بگیرید، نه از /var/lib/docker/volumes.

سپس فرآیند بازیابی را تست کنید، زیرا پشتیبانی که هرگز بازیابی نشده است، در واقع پشتیبان نیست:

docker compose exec -T db createdb -U postgres restore_test
docker compose exec -T db pg_restore -U postgres -d restore_test < /srv/backups/appdb.dump
docker compose exec -T db psql -U postgres -d restore_test -c '\dt'

\dt باید جداول برنامه شما را لیست کند. نتیجه خالی یا Did not find any relations. به این معنی است که dump آن چیزی نیست که تصور می‌کنید. پس از اتمام کار، restore_test را حذف کنید.

دستوری که همه چیز را حذف می‌کند

docker compose down -v.

دستور ساده down کانتینرها و شبکه را حذف می‌کند. دستور -v علاوه بر آن‌ها، تمام volumeهای نام‌گذاری‌شده‌ای که در آن فایل compose تعریف شده‌اند و همچنین تمام volumeهای بی‌نام متصل به آن کانتینرها را نیز پاک می‌کند. این دستور هیچ تأییدیه‌ای نمی‌گیرد و قابل بازگشت نیست. این رایج‌ترین روشی است که دیتابیس‌های self-hosted از بین می‌روند و معمولاً هنگام عیب‌یابی یک مشکل بی‌ربط اتفاق می‌افتد، چون در پاسخ یک انجمن گفته شده که آن را اجرا کنید.

چهار مورد زیر شعاع تخریب را کاهش می‌دهند:

  • دیتابیس volume را به صورت external: true تعریف کنید. Compose نمی‌تواند volumeای را که مالک آن نیست حذف کند، بنابراین -v نمی‌تواند به آن دسترسی پیدا کند. شما آن را یک بار با docker volume create myapp_pgdata ایجاد می‌کنید.
  • برای ری‌استارت‌های روتین از docker compose stop و docker compose start استفاده کنید. تفاوت down و stop در Compose توضیح می‌دهد که هر کدام چه چیزی را حذف می‌کنند.
  • فایل‌های dump را در یک مسیر روی host، خارج از هر volume که توسط compose مدیریت می‌شود، نگه دارید.
  • هرگز -v را از پاسخ‌های عیب‌یابی در استکی که حاوی داده‌های مهم شماست، کپی و اجرا نکنید.

پورت دیتابیس را منتشر نکنید

این خط دیتابیس شما را روی اینترنت عمومی قرار می‌دهد:

    ports:
      - "5432:5432"

این دستور باعث می‌شود سرویس روی تمام اینترفیس‌ها گوش دهد. Docker با بازنویسی مقصد بسته‌ها پیش از آنکه قوانین ورودی فایروال شما آن‌ها را ببینند، پورت را منتشر می‌کند؛ از آنجا که قوانین ufw در زنجیره input قرار دارند، ufw deny 5432 عملاً هیچ کاری انجام نمی‌دهد. چرا پورت‌های منتشر شده توسط Docker از ufw عبور می‌کنند نحوه پیمایش زنجیره‌ها را نشان می‌دهد.

یک برنامه در همان پروژه compose از طریق نام سرویس در شبکه compose به دیتابیس دسترسی پیدا می‌کند، بنابراین نیازی به پورت منتشر شده ندارد. این بلوک را حذف کنید. اگر به کلاینتی روی همان میزبان نیاز دارید، آن را فقط به loopback متصل کنید:

    ports:
      - "127.0.0.1:5432:5432"

بررسی کنید چه چیزی در حال حاضر در حال گوش دادن است:

sudo ss -ltnp | grep 5432

127.0.0.1:5432 همان چیزی است که باید باشد. 0.0.0.0:5432 به این معنی است که هر کسی می‌تواند رمز عبور شما را امتحان کند.

چه چیزی را کجا اجرا کنیم

یک برنامه روی یک VPS. از Container استفاده کنید. یک volume با نام مشخص و ثابت تعریف کنید، پورت را publish نکنید، محدودیت حافظه (memory limit) با تنظیمات متناسب دیتابیس اعمال کنید و یک dump شبانه به مسیری در host بگیرید که restic آن را جمع‌آوری کند. از یک نصب تمیز Docker روی VPS شروع کنید و کل stack را در یک فایل compose نگه دارید که آن را commit می‌کنید. مزیت این کار واقعی است: نسخهٔ دیتابیس به یک خط قابل‌بررسی در git تبدیل می‌شود.

یک host که چندین سرویس را اجرا می‌کند. از Container استفاده کنید و برای هر برنامه یک دیتابیس جداگانه در نظر بگیرید، نه یک دیتابیس مشترک برای همه. استفاده از یک سرور مشترک، تمام برنامه‌ها را به یک برنامهٔ زمان‌بندی ارتقا وابسته می‌کند و یک کوئری سنگین می‌تواند باعث از دسترس خارج شدن همهٔ سرویس‌ها شود. برای هر container محدودیت حافظه تعیین کنید تا یک کوئری مخرب فقط به همان برنامه‌ای محدود شود که آن را ایجاد کرده است. چندین نمونهٔ کوچک Postgres فضای دیسک کمی بیشتر اشغال می‌کنند اما هماهنگی بسیار کمتری نیاز دارند.

دیتابیس، خودِ محصول است. آن را مستقیماً روی host از طریق مخزن بسته‌های (package repository) سازنده اجرا کنید یا هزینهٔ یک سرویس مدیریت‌شده (managed service) را بپردازید. pg_upgrade به نصب همزمان دو نسخهٔ اصلی از باینری‌ها نیاز دارد که بسته‌های سیستمی این امکان را به شما می‌دهند، اما imageهای تک‌نسخه‌ای خیر. Replication و بازیابی در لحظه (point in time recovery) با استفاده از آرشیو کردن WAL (write ahead log)، زمانی که دیتابیس مالک ماشین و دیسک‌های آن باشد، بسیار ساده‌تر است. برای سیستمی که قرار است ساعت 03:00 صبح شما را با هشدار بیدار کند، مسیر مطمئن و ساده را انتخاب کنید.

برنامه کوچک است. اصلاً به فکر اجرای دیتابیس سروری نباشید. برای یک برنامهٔ وب با یک نویسنده روی یک VPS، استفاده از SQLite در محیط production روی VPS اغلب گزینهٔ بهتری است؛ جایی که پشتیبان‌گیری فقط شامل یک فایل است و مسیر ارتقا، صرفاً به‌روزرسانی نسخهٔ کتابخانه است.

FAQ

آیا اجرای دیتابیس در محیط production با Docker ایمن است؟

بله، برای پشته‌های نرم‌افزاری تک‌سرور. کانتینر در واقع یک پردازش لینوکسی است که توسط namespaces و cgroups محدود شده است؛ بنابراین با mount کردن یک volume، دیتابیس داده‌ها را دقیقاً روی همان فایل‌سیستم میزبان می‌نویسد که در صورت نصب مستقیم از پکیج‌ها می‌نوشت. ریسک‌های موجود بیشتر عملیاتی هستند تا مربوط به سرعت: volumeای که نام آن ثابت (pin) نشده، bind mountای که مالکیت آن متعلق به user id اشتباهی است، یا بازیابی (restore) داده‌ای که هرگز تست نکرده‌اید و docker compose down -v. اگر این چهار مورد را مدیریت کنید، کانتینر مشکلی نخواهد داشت. زمانی که دیتابیس بار کاری اصلی شماست و به pg_upgrade، همانندسازی (replication) یا بازیابی در لحظه (point in time recovery) نیاز دارید، به نصب مستقیم روی میزبان مهاجرت کنید.

برای داده‌های دیتابیس از bind mount استفاده کنم یا named volume؟

مگر اینکه دلیل خاصی برای دانستن مسیر دقیق روی میزبان داشته باشید، از named volume استفاده کنید. Docker دایرکتوری را ایجاد می‌کند و entrypoint تصویر در اولین اجرا مالکیت آن را تنظیم می‌کند، بنابراین مشکل مجوزها (permission) هرگز پیش نمی‌آید. volume را با یک name: صریح ثابت (pin) کنید یا آن را external: true علامت‌گذاری کنید؛ در غیر این صورت، تغییر نام دایرکتوری پروژه به‌طور خودکار یک volume خالی جدید و یک دیتابیس خالی ایجاد می‌کند. اگر دایرکتوری میزبان را با دستور chown به numeric user id که تصویر با آن اجرا می‌شود تغییر دهید، bind mount مشکلی ندارد؛ این مقدار برای تگ‌های پیش‌فرض تصاویر رسمی Postgres، MySQL و MongoDB برابر با 999 و برای تگ‌های -alpine در Postgres برابر با 70 است. این مورد را با ls -ldn بررسی کنید، زیرا ls -l نام کاربری میزبان شما را برای آن عدد نشان می‌دهد و آن نام در داخل کانتینر بی‌معنی است.

دستور docker compose down -v چه چیزی را حذف می‌کند؟

این دستور کانتینرها و شبکه را مانند یک down ساده حذف می‌کند و -v علاوه بر آن‌ها، تمام named volumeهای تعریف‌شده در آن فایل compose و تمام anonymous volumeهای متصل به آن کانتینرها را نیز پاک می‌کند. این شامل دیتابیس هم می‌شود. هیچ پیام تأییدی وجود ندارد و امکان بازیابی نیست. volumeهایی که external: true علامت‌گذاری شده‌اند حذف نمی‌شوند؛ به همین دلیل است که باید volume دیتابیس را external تعریف کرد. برای ری‌استارت‌های معمول، از docker compose stop و docker compose start استفاده کنید.

چگونه PostgreSQL را در Docker به نسخه اصلی (major) جدید ارتقا دهم؟

از روش dump و restore استفاده کنید. تغییر postgres:16 به postgres:17 و ری‌استارت کردن، منجر به FATAL: database files are incompatible with server با یک خط DETAIL می‌شود که نام هر دو نسخه را ذکر می‌کند، زیرا باینری‌های جدید نمی‌توانند ساختار کاتالوگ قدیمی را بخوانند. هیچ آسیبی به داده‌ها نمی‌رسد: تگ قدیمی را برگردانید تا سیستم بالا بیاید. با استفاده از کلاینت نسخه جدید روی کانتینر قدیمی در حال اجرا، یک pg_dumpall بگیرید، تأیید کنید که فایل با PostgreSQL database cluster dump complete پایان می‌یابد، سپس تگ جدید را روی یک volume خالی بالا بیاورید و dump را load کنید. از postgres:18 به بعد، آن volume را به جای /var/lib/postgresql/data در مسیر /var/lib/postgresql mount کنید. ارتقاهای جزئی (minor) در یک نسخه اصلی، تنها به pull و ری‌استارت نیاز دارند.

چرا کانتینر دیتابیس من با کد 137 خارج می‌شود؟

کد 137 حاصل جمع 128 و سیگنال 9 است، یعنی چیزی پردازش را مستقیماً کشته است. دستور docker inspect <container> | grep -i oomkilled را اجرا کنید؛ مقدار true به این معنی است که OOM killer یک پردازش را در کانتینر متوقف کرده است، معمولاً به این دلیل که کانتینر به محدودیت حافظه cgroup خود رسیده است. علت معمول، تنظیمات حافظه‌ای است که برای میزبان در نظر گرفته شده نه کانتینر: ابزارهای داخل کانتینر همچنان کل حافظه میزبان را گزارش می‌دهند، بنابراین بافری که برای 16 گیگابایت تنظیم شده، در فضای 2 گیگابایتی قرار می‌گیرد. مقادیر shared_buffers و work_mem یا innodb_buffer_pool_size را متناسب با محدودیتی که به کانتینر داده‌اید تنظیم کنید. برای تأیید اینکه کدام پردازش توسط هسته انتخاب شده و اینکه این محدودیت کانتینر بوده نه یک کشتار Out of memory در سطح کل میزبان، journalctl -k را برای خط Memory cgroup out of memory منطبق بررسی کنید.

آیا این مقاله مفید بود؟