一、新瓶装旧酒
首先我们需要知道，Docker是一个“箩筐”：
1.存储：Device Mapper、BtrFS、AUFS
2.名字空间：UTS、IPC、Mount、PID、Network、User
3.网络：Veth、Bridge、Iptables
4.Cgroups：CPU、CPUset、Memory、Device
5.安全：Capability、SELinux、Seccomp
……
二、又是Jeffrey Dean
Docker的诞生其实跟Google有很大的渊源：那年，Jeffrey Dean还是一枚鲜肉。
众所周知MapReduce是现在通用大数据处理的理论基石，在Jeffrey Dean提出这个模型后，Google内部率先用这个模型在内部实现了大数据计算的统一模型。Jeffrey Dean在2004年的OSDI（Operating Systems Design and Implementation）会议上发表MapReduce论文之后，Hadoop按图索骥慢慢成为了开源界最为流行的大数据处理框架。
甚至在后面，Hadoop变成了一个生态系统和Android一起养活了一大批Java程序员。
Java程序在饭前都祷告：
“噢，感谢伟大的Hadoop，感谢Android赐予我们食物，Amen！”
但和Hadoop不一样的一点是：Hadoop需要搭建专属的集群，而Google的MapReduce离线计算是和线上的业务是共享计算资源的。
首先说一下Google这么做的必要性：
绝大多数线上的业务的繁忙程度是和业务类型、用户的作息、地理位置相关的。 例如：在中国`11.11`是一个大日子，所有电商都拼了命的在搞促销，而在欧美国家与之相对应是圣诞节；
传统的办法为了应对高峰期的流量往往要预备很多硬件资源备用，但这些资源在平时基本上是闲置状态。对于更新速度极快的IT设备来说，闲置就是浪费。
Google这样做的好处自然是能大大的提高计算资源的利用率。但之所以大多数公司没有这么做，是由于Linux Kernel对资源（CPU、内存、I/O）隔离设施的缺乏。谁也不愿意看到一个日志挖掘的任务导致线上业务宕机。
三、Google爸爸改内核
但Google毕竟是Google，Kernel不支持，那就改Kernel！！
于是Google的工程师就在Kernel里增加了一种可以做资源隔离的设施：Control Groups，再配合chroot实现了一套较为完善的机制来保证进程之间可以不互相影响。
作为这套系统的某后英雄之一的Borg就是Google内部的分布式计算调度系统，负责统一调度各种MapReduce的资源分配和线上服务。
当时Google之所以选择了这条路，也一定程度上是由于Xen、KVM这些虚拟化技术还不成熟。但即使后来外面的公司广泛的用Xen、KVM来做资源隔离，Google也并没有跟风，正是因为Google的这种方式省去了额外的Hypervisor和Guest OS的开销，可以达到更高的资源利用率。
四、Google Borg rocks！
Google几乎所有的机器都是混部的，在一台机器上，可能运行着不同jobs的tasks。根据Google在Borg论文里披露的数据：
Google的50%的机器运行了9个甚至更多的tasks；90%的机器运行着25个tasks，达到4500个线程。
当然Google也并不排斥KVM、Xen等虚拟化技术。对于外部运行在GAE（Google App Engine）和GCE（Google Compute Engine）上的代码，Google的做法就是让它们运行在虚拟机（KVM）上，KVM进程被作为Borg的task运行。也就是说，Borg是作为下层的，KVM运行在它之上。
资源隔离机制在Google内部使用的比较稳定了之后，就被毫无保留地贡献给了开源社区，并把它命名为Cgroups。
五、Docker
Cgroups出现后，Docker所需要的各种原材料就齐备了：
2010年，几个雄心勃勃的年轻人怀揣1000万美元的融资在旧金山成立了一家做PaaS平台的公司，起名为dotCloud。目标是做世界上最好的PaaS，打败他们：
Amazon AWS
Google GAE
IBM Bluemix
RedHat OpenShift
Microsoft Azure
VMware Cloud Foundry
Heroku
……
面对这些动辄千亿市值的大佬，绝大多数人都跟他们说：『呵呵