2016年SchemaSpy最后一次重大更新時，Docker還沒成為開發(fā)標配。8年后這個組合意外翻紅——用容器跑數(shù)據(jù)庫文檔生成，成了DBA（數(shù)據(jù)庫管理員）和架構師的新偷懶姿勢。

一個.jar文件+三行命令，把Oracle、PostgreSQL、MySQL的表結構變成可交互的網(wǎng)頁。不用裝Java環(huán)境，不用配環(huán)境變量，甚至不用懂SchemaSpy的Java源碼。這大概是"基礎設施即代碼"理念最無聊的落地場景，但省下的時間夠你多喝兩杯咖啡。

Step 1：準備文件夾結構

打開終端，先造個窩：

mkdir schemaspy-doc && cd schemaspy-doc

mkdir drivers output

drivers放數(shù)據(jù)庫驅動，output是生成的HTML文檔出口。這種"輸入-處理-輸出"的目錄設計，像極了流水線車間的工位布局——SchemaSpy的作者顯然有工業(yè)時代的審美潔癖。

Step 2：塞進驅動和配置

以Oracle為例，去官網(wǎng)扒下ojdbc11.jar扔進drivers/。然后寫schemaspy.properties，這是整個流程唯一需要動腦子的地方：

schemaspy.t=orathin-service

schemaspy.driver=oracle.jdbc.OracleDriver

schemaspy.host=server_or_ip

schemaspy.port=1521

schemaspy.db=db_name

schemaspy.u=database_user

schemaspy.p=database_password

schemaspy.schema=schema_name

schemaspy.norows=true

schemaspy.noviews=true

schemaspy.cat=%

schemaspy.t這個參數(shù)最坑人。它控制數(shù)據(jù)庫類型，寫錯直接報錯。不確定該填什么？跑這行命令查說明書：

docker run --rm schemaspy/schemaspy -dbHelp

輸出會列出所有支持的數(shù)據(jù)庫類型：PostgreSQL用pgsql，MySQL用mysql，SQL Server用mssql……像一本翻譯對照詞典，專治各種拼寫焦慮。

Step 3：Docker一鍵跑

Linux/macOS用戶復制粘貼：

docker run --rm \

-v "$(pwd)/schemaspy.properties:/schemaspy.properties" \

-v "$(pwd)/output:/output" \

-v "$(pwd)/drivers:/drivers" \

schemaspy/schemaspy

Windows用戶注意反斜杠變反引號：

docker run --rm `

-v "${PWD}/schemaspy.properties:/schemaspy.properties" `

-v "${PWD}/output:/output" `

-v "${PWD}/drivers:/drivers" `

schemaspy/schemaspy

三個-v掛載點分別對應：配置文件、輸出目錄、驅動目錄。--rm參數(shù)讓容器跑完即焚，不留下尸體。這種"用完即走"的設計，比傳統(tǒng)Java應用的安裝-配置-卸載流程清爽十倍。

本地數(shù)據(jù)庫有個陷阱。如果你在schemaspy.properties里寫localhost，容器會指向自己而非宿主機。解法是把host改成host.docker.internal——這是Docker Desktop提供的魔法DNS，專門解決"容器找媽媽"的問題。

Step 4：驗收成果

命令跑完，打開output/index.html。你會看到：

表結構關系圖（ER圖）、字段類型與注釋、主外鍵關聯(lián)線、索引清單。所有信息支持點擊跳轉，比數(shù)據(jù)庫客戶端的Schema瀏覽器直觀得多。

SchemaSpy的界面設計停留在Bootstrap 3時代，但功能沒過期。對于需要向非技術同事解釋數(shù)據(jù)庫結構的場景——比如產(chǎn)品經(jīng)理問"這個字段干嘛用的"——直接甩個鏈接過去，比截圖+箭頭高效。

為什么現(xiàn)在才火？

SchemaSpy 2004年發(fā)布，比GitHub還老。早年部署需要Java環(huán)境、配置CLASSPATH、處理驅動版本沖突，勸退九成用戶。Docker把這堆臟活包進鏡像，暴露的只有三個掛載點和一行命令。

這種"老工具+新包裝"的組合近年頻繁出現(xiàn)：FFmpeg用Docker封裝成視頻處理服務，Pandoc變成文檔轉換API，甚至LaTeX都有人做成容器化編譯流水線。核心邏輯一致——把20年的技術債，轉化為5分鐘的上手體驗。

Oracle官方有SQL Developer Data Modeler，功能更強但啟動慢、授權復雜。PostgreSQL的pgAdmin自帶ER圖，但樣式丑且不支持批量導出。SchemaSpy的競爭力不在功能深度，而在"無侵入"：不碰數(shù)據(jù)庫權限，只讀元數(shù)據(jù)，生成靜態(tài)HTML可隨處托管。

GitHub上schemaspy/schemaspy鏡像的拉取量過去一年漲了340%，Issue區(qū)最常見的問題是"怎么連云數(shù)據(jù)庫"。AWS RDS、Azure SQL、阿里云RDS的文檔生成需求，正在把這個老工具拖進云原生時代。

有個細節(jié)值得玩味：SchemaSpy的配置文件至今用.properties格式，而非YAML或JSON。這種"復古"選擇反而降低了學習成本——任何經(jīng)歷過Java Web開發(fā)的人都看得懂，不需要查Docker Compose的縮進規(guī)則。

生成文檔后，有人把output目錄丟進Nginx做內(nèi)部知識庫，有人用GitHub Pages托管公開項目的Schema，還有人集成進CI流水線，每次數(shù)據(jù)庫變更自動更新文檔。靜態(tài)HTML的兼容性，給了這些玩法空間。

工具鏈的演進常有這樣的悖論：越底層的工具生命周期越長，但使用門檻越高；越上層的工具體驗越好，但淘汰速度越快。Docker扮演的角色，是把底層工具的壽命延長到上層工具的周期里——SchemaSpy活了20年，大概還能再活20年。

你上次手動整理數(shù)據(jù)庫文檔是什么時候？如果超過三個月，可能該試試這個三分鐘的偷懶方案了。