完整定義
容器化技術是一種作業系統層級的虛擬化方法,它將應用程式及其所有依賴項(例如程式庫、系統工具、運行時環境)打包到一個稱為容器的可移植單元中。容器與主機作業系統的核心隔離,但共享作業系統核心。這使得容器能夠在不同的環境中一致地運行,而無需修改應用程式程式碼。
白話說明
你有沒有遇過程式在你電腦上能跑,搬到伺服器卻壞掉?
你可以把容器化技術想成「把應用程式和它需要的環境一起打包」:不管搬到哪台機器,內容都盡量一樣。
它很重要,因為部署常常死在環境差異,容器化能讓開發、測試和上線更一致,也更容易管理,很多卡關其實不是程式壞掉,而是環境版本不同。
記住這句
打包環境一起走,部署才不容易出事。
比喻:容器化就像把你的樂高玩具組裝好後,裝進一個透明的收納盒 -- 不管你拿到哪裡玩,打開盒子裡面的東西都一樣,不會缺零件,也不會因為環境不同就不能玩。
容易混淆
容器化技術 vs 虛擬機 vs 映像檔
容器化技術:把應用和依賴一起打包,輕量又快
虛擬機:連作業系統也一起模擬,較重但隔離更完整
映像檔:建立容器時用的模板,不是正在跑的實例
最關鍵的區別:容器是可執行的運行單位,映像檔是建立它的藍本。
實際案例
開發到正式環境
前:本機 Python 版本和伺服器不同,功能一上線就錯
後:用容器把程式、套件和設定一起封裝,開發和上線更一致
機器學習服務
前:模型部署後缺少依賴套件,服務常常起不來
後:把推論服務裝進容器,搭配自動擴展和監控,維運更穩定
演算法與應用
容器化常和 Docker、Kubernetes、CI/CD、模型部署一起出現
在 AI 專案裡,它讓訓練、推論、測試環境更一致,也方便在不同雲端或機房移動
真正的價值不是「有個容器」,而是把環境差異縮到最低,減少部署失敗
情境判斷
Q1(直覺題): 你想讓同一個服務在筆電和雲端都跑得一樣,容器化有幫助嗎?
有。它的目的就是減少環境差異。
Q2(判斷題): 只要用容器化,就完全不用管設定和依賴了嗎?
不是。你還是要管版本、映像更新和部署策略,否則容器一樣會壞。
常見問題
不一定,容器較輕量,虛擬機隔離較強,適合的場景不同。
它是讓部署更一致、更可移植的基礎。
不是,Docker 是很常見的容器平台,容器化是更大的概念。
出現在這些考古題
官方公告試題的逐題解析裡,這 3 題把容器化技術列為延伸術語。
相關術語
來源
這個術語目前沒有標註外部來源。
其他格式:Markdown 版本