在大多数情况下，可以将容器视为流程的实例。进程不保持持久状态。虽然容器可以写入其本地存储，但假设实例无限期地存在，就像假设内存中的单个位置是持久的一样。您应该假设容器映像（如进程）具有多个实例，或者最终将被终止。如果它们是由容器编排器管理的，则应该假设它们可能会从一个节点或VM移动到另一个节点或VM。
以下解决方案用于管理Docker应用程序中的数据：
从Docker主机，作为Docker卷：
- 卷存储在Docker管理的主机文件系统的一个区域中。
- 绑定挂载可以映射到主机文件系统中的任何文件夹，因此无法从Docker进程控制访问，并且由于容器可以访问敏感的OS文件夹，因此可能会带来安全风险。
- tmpfs挂载就像虚拟文件夹，只存在于主机的内存中，从不写入文件系统。
从远程存储：
- Azure存储提供了地理分布存储，为容器提供了一个良好的长期持久性解决方案。
- 远程关系数据库，如Azure SQL数据库或NoSQL数据库，如Azure Cosmos DB，或缓存服务，如Redis。
从Docker容器：
- 覆盖文件系统。此Docker功能实现了一个写时拷贝任务，该任务将更新的信息存储到容器的根文件系统中。该信息位于容器所基于的原始图像的“顶部”。如果容器从系统中删除，则这些更改将丢失。因此，虽然可以将容器的状态保存在其本地存储中，但围绕此设计系统将与容器设计的前提冲突，容器设计的前提默认为无状态。
不过，使用Docker卷现在是处理Docker中本地数据的首选方法。如果您需要更多关于容器中存储的信息，请查看Docker存储驱动程序和存储驱动程序。
以下提供了有关这些选项的详细信息：
- 卷是从主机操作系统映射到容器中目录的目录。当容器中的代码可以访问该目录时，该访问实际上是对主机操作系统上的一个目录的访问。此目录不与容器本身的生存期绑定，该目录由Docker管理，并与主机的核心功能隔离。因此，数据卷被设计成独立于容器的生命周期来保存数据。如果从Docker主机中删除容器或图像，则不会删除保存在数据卷中的数据。
- 卷可以命名或匿名（默认）。命名卷是数据卷容器的发展，使容器之间的数据共享变得容易。卷还支持允许您在远程主机上存储数据的卷驱动程序，以及其他选项。
- 绑定挂载很久以前就可用了，允许将任何文件夹映射到容器中的挂载点。绑定装载具有比卷更多的限制和一些重要的安全问题，因此建议使用卷。
- tmpfs挂载基本上是虚拟文件夹，只存在于主机的内存中，从不写入文件系统。它们快速、安全，但使用内存，仅用于临时、非持久性数据。
如图5所示，常规Docker卷可以存储在容器本身之外，但在主机服务器或虚拟机的物理边界内。但是，Docker容器无法从一个主机服务器或虚拟机访问卷
到另一个主机服务器或虚拟机。换句话说，使用这些卷，不可能管理在不同Docker主机上运行的容器之间共享的数据，尽管可以使用支持远程主机的卷驱动程序来实现。
图 5基于容器的应用程序的卷和外部数据源
卷可以在容器之间共享，但只能在同一主机中共享，除非使用支持远程主机的远程驱动程序。此外，当Docker容器由编排器管理时，容器可能在主机之间“移动”，这取决于集群执行的优化。因此，不建议将数据卷用于业务数据。但它们是处理跟踪文件、临时文件或类似不会影响业务数据一致性的文件的良好机制。
- 远程数据源和缓存工具（如Azure SQL Database、Azure Cosmos DB或远程缓存（如Redis））可以在容器化应用程序中使用，就像在没有容器的情况下开发时使用它们一样。这是一种行之有效的存储业务应用程序数据的方法。
- Azure存储。业务数据通常需要放在外部资源或数据库中，如Azure存储。具体来说，Azure存储在云中提供以下服务：
- Blob存储存储非结构化对象数据。blob可以是任何类型的文本或二进制数据，例如文档或媒体文件（图像、音频和视频文件）。Blob存储也称为对象存储。
- 文件存储为使用标准SMB协议的传统应用程序提供共享存储。Azure虚拟机和云服务可以通过挂载的共享跨应用程序组件共享文件数据。本地应用程序可以通过文件服务REST API访问共享中的文件数据。
- 表存储存储结构化数据集。表存储是一种NoSQL关键属性数据存储，它允许快速开发和快速访问大量数据。
- 关系数据库和NoSQL数据库。外部数据库有许多选择，从关系数据库如SQL Server、PostgreSQL、Oracle或NoSQL数据库如Azure Cosmos DB、MongoDB等。这些数据库不会作为本指南的一部分进行说明，因为它们属于完全不同的主题。
最佳实践
- 不要在docker容器或docker主机（虚拟机）的本地文件中存储任何配置信息。
- 建议您将配置信息存储在对象存储或其他全局存储服务中。
- 不要使用本地缓存（如Java Hashmap），建议使用全局缓存（如Redis服务）
