为Python应用选择最好的Docker镜像

最新推荐文章于 2024-09-07 19:29:28 发布
最新推荐文章于 2024-09-07 19:29:28 发布
阅读量846 收藏 24
点赞数 16
文章标签： python docker 开发语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/dhygvj/article/details/137640534
版权

前言

在使用 Python 的早些年，为了解决 Python 包的隔离与管理 virtualenvwrapper 就成为我的工具箱中重要的一员。后来，随着 Python 3 的普及，virtualenvwrapper 逐渐被 venv 所替换。毕竟 venv 是 Python 3 的标配，优点是显而易见的。而这几年，应用场景的的复杂性越来与高，无论是开发还是部署都需要设置复杂的环境。例如使用 redis 实现消息队列，用 Psycopg 完成对于 PostgreSQL 数据库的存取等等。随之而来 Docker 就变成了程序员必不可少的常备工具。为了掌握如何将我的 Python 应用与 Docker 结合起来，就要学习他人的经验分享。于是一次又一次地看到了下面这样的 Dockerfile 例子：

图片
相比起来，我不熟悉 Alpine 这个 Linux 发行版本。我很困惑这个版本难道比其它哪些老字号的 Linux 发行版更适合 Docker 的环境吗？至于我的 Python 应用，究竟选择哪一个 Docker 基础镜像更好呢？

对于 Docker 基础镜像的要求

为我的 Python 应用构建一个 Docker 镜像并不是要从零开始，而是从现有的 Linux 基础镜像开始构建。这些基础镜像除了提到过的 Alpine 以外 还有我更熟悉的 Ubuntu、Centos 、Debian 等等。在决定选择哪一个之前，我们需要回答的一个问题就是：

  • 我们究竟对于这个 Docker 基础镜像有哪些要求？
  • 这些要求既要满足通常意义上我们对操作系统的要求，也要满足对于 Python 应用的特殊的需求。

归纳起来，我们的需求应当包括这几点：

  • 稳定性：要求今天的构建与以后的构建有相同的基本库、目录结构和基础结构。否则我们的 Python 应用程序将将有可能存在不确定的隐患。
  • 安全更新：需要基础镜像得到良好维护，以便及时获取基本操作系统的安全更新
  • 最新的依赖关系：除非我们的应用仅仅是一个简单的 Python 程序，否则就不得不依赖操作系统所提供 的库和应用程序（例如：GCC 编译器、OpenSSL 库等）。我们需要这些应用和库要足够新，否则就会有各种安全性的问题或者功能性的不足。
  • 丰富的库资源：对于某些应用，可能需要安装一些不太流行的库（例如 lxml 等）。这就需要我们选择的基本镜像提供丰富的库资源。
  • 最新的 Python 版本：虽然可以通过自行安装 Python 来解决，但是拥有最新的 Python 的版本无疑可以节省我们的时间、精力。
  • 小型的 Docker 镜像：在所有条件都相同的情况下，拥有尺寸较小的 Docker 镜像无疑更胜一筹。无论是镜像的构建还是占用存储空间的开销，更小的尺寸一定更有优势。

考虑到应用部署在产环境的需要，我们所选择的 Docker 镜像还应当具备长期支持(Long-term support, LTS) 的承诺。

长期支持 （英语：Long-term support，缩写：LTS）是一种软件的产品生命周期政策，特别是开源软件，它增加了软件开发过程及软件版本周期的可靠度。长期支持延长了软件维护的周期；它也改变了软件更新（补丁）的类型及频率以降低风险、费用及软件部署的中断时间，同时提升了软件的可靠性。但这并不必然包含技术支持。
– 维基百科

Linux 镜像版本的选择

围绕着上述的需求，我们很容易就会找到一批候选的版本。乍看起来，这些基础镜像应该能够满足我们的需要。接下来我们需要仔细甄别其具体的差异，以找出最适合我们的版本，尤其是适合我们的 Python 应用。

选项一：传统的 Linux 分发版本 – Ubuntu TLS、CentOS 以及 Debian

这三个 Linux 分发版本历史久远(Debian 早在 1993 年就已出现)，名气很大，在 Linux 服务器市场上拥有广泛的用户。

  • Ubuntu 18.04（Docker 镜像的名字 ubuntu:18.04）发布于 2018 年 4 月，由于这是 Canonical 公司的长期支持版本（LTS），意味着该版本的用户在 2023 年之前都将获得安全更新。
  • CentOS 8（ Docker 镜像的名字 centos:8 ）于 2019 年发布，将在 2024 年前进行全面更新，并在 2029 年前提供维护更新。
  • Debian 10（Docker 镜像的名字 debian:buster）发布于 2019 年 7 月，承诺支持到 2024 年。

需要注意的是这些镜像预安装的 Python 有可能不是最新的版本。例如 Ubuntu 18.04 预安装的是 Python 3.6.7，而 Python 3 的最新稳定版本已经升级为 Python 3.8.1。因此我们必须在构建 Docker 镜像的时候去完成 Python 的安装或者升级。在一些特定的 Linux 分发版本中，我们甚至需要自行通过编译 Python 源码的方式来获得最新版本的 Python。例如在 CentOS 8 中，就需要用这个办法来安装 Python3.8。至于具体的办法，可以参考在“Python 3.8 已经来了，你准备好了吗？”一文中的介绍。

https://amazonaws-china.com/cn/blogs/china/python-3-8-is-here-are-you-ready/

选项二：Docker 官方的 Python 镜像

这个 Docker 镜像由 Docker 官方提供。该版本的最大特点就是预装了 Python，并且提供多个不同 Python 版本的选项，例如 Python 3.7、Python 3.8、Python 3.9。需要注意的是，这个版本提供了多个不同的变体，如果搞不清楚这一点很容易在使用中遇到难以预料的问题。这些差异很大的变体包括了：

  • Alpine Linux, 关于这个版本，后面会有专门的讨论
  • Debian Buster, 这是基于 Debian 的一个分支版本，是基于 Debian 的标准镜像的 Layer 来构建的。特点是基础库很完整，缺点是尺寸较大，磁盘的利用率较低。
  • Debian Buster slim，这个版本是针对 Debian Buster 的“瘦身”后的版本。尺寸小，磁盘利用率高是其优点。但是，它缺少通用的包，可能会导致对部分的应用支持不好。

选项三：云计算上的 Linux 镜像 – Amazon Linux 2

今天当我们谈到 Docker 在生产环境中的部署的时候，不能缺少的一个话题就是云计算。相比较起来，云计算上 Linux 以及 Docker 的使用与部署与我们熟悉的传统方式有一些区别。例如安全性的要求、与云计算平台的集成以及管理工具等。于是云计算的平台 Linux 分发版本以及 Docker 镜像也就应需而生。AWS 就提供了 Amazon Linux 的两个版本:Amazon Linux 2 和 Amazon Linux。其中，Amazon Linux 2 是 Amazon Linux 的新一代的 Linux 服务器操作系统版本，这也是 AWS 官方推荐使用的版本。至于选择 Amazon Linux 2 的的理由，简单来说这是一个由 Amazon 提供长期支持的（LTS）、进行了针对性性能优化的、强调安全的、免费的 Linux 分发版本以及 Docker 的镜像。

选项四：Alpine 镜像

很难想象，Alpine 这个 Linux 发行版已经有了 14 年的历史。但广为大家所熟知还是要拜 Docker 的流行所赐。最初，Alpine Linux 是 LEAF 项目（Linux Embedded Appliance Framework Project）的一个分支。LEAF 项目的设计的目标是开发出一个可以放在单个软盘上的 Linux 发行版，而后继的 Alpine 在此基础之上附加了一些更常用的软件包例如 Squid、Samba 等等。因此，Alpine 的典型特征就是“尺寸小”！当然为达成这个目标就要做出妥协。为减少尺寸就不得不放弃我们熟悉的 Linux 环境中最常见的 GNU C Library(glibc)

https://en.wikipedia.org/wiki/GNU_C_Library

取而代之的是一个迷你版的 C 标准库 musl

http://musl.libc.org/

此外,我们常用的 Linux 工具（例如 grep、ls、cp 等等）则采用了 BusyBox 以求进一步压缩空间。这种努力的结果是非常有成效的，alpine:latest 镜像的尺寸只有区区的5.59MB，而与之相对的 ubuntu:18.04 的镜像的尺寸却高达 64.2MB。简单计算下来，Alpine 的磁盘空间的需求只是 Ubuntu 18.04 的 8.7% ！

对比 – Docker 基础镜像的尺寸

想象一下，在真实的生产环境中我们部署的 Docker 实例的数量可能成百、上千。考虑到数量的因素，Docker 镜像的尺寸就应当是我们考量的一个重要依据。此外启动一个 Docker 实例我们往往需要在尽可能短的时间内完成，Docker 镜像的尺寸无疑也是一个关键因素。那么，我们就将上面列举的 Docker 镜像在尺寸方面做一个对比 ：

测试日期：2020 年 2 月 28 日
Linux 分发版本镜像名称拉取命令尺寸
Ubuntuubuntu:18.04docker pull ubuntu:18.0464.2MB
Alphinealpine:latestdocker pull alpine:latest5.59MB
Debiandebian:busterdocker pull amd64/debian:buster114MB
CentOScentos:8docker pull centos:8237MB
Amazon Linux 2amazonlinux:latestdocker pull amazonlinux:latest163MB
Debianpython:3.7docker pull python:3.7919MB
Alphinepython:3.7-slimdocker pull python:3.7-slim179MB

好了，在这一项的测试中名次如下 ：

python:3.7 > centos:8 > python:3.7-slim > amazonlinux:latest > debian:buster > ubuntu:18.04 > alpine:latest

如果从这个排名来看 centos 8 无疑表现的差强人意，故被淘汰。从数字来看似乎 alpine 是最好的选择。且慢，我们再来进行下一项测试- 构建时间。

对比 – Docker 镜像的构建时间

在大多数的时间里，我们所使用的 Docker 镜像都需要从基础镜像开始构建。例如下面的这个 Dockerfile 就用来构建一个 Flask 的应用

# Dockerfile-flask

# Simply inherit the Python 3 image.
FROM python:3

# Set an environment variable
ENV APP /app

# Create the directory
RUN mkdir $APP
WORKDIR $APP

# Expose the port uWSGI will listen on
EXPOSE 5000

# Copy the requirements file in order to install
# Python dependencies
COPY requirements.txt .

# Install Python dependencies
RUN pip install -r requirements.txt

# We copy the rest of the codebase into the image
COPY . .

# Finally, we run uWSGI with the ini file

这种模式带来的问题就是我们不得不考虑构建带来的额外的开销。尤其在一个复杂的项目中，我们需要构建的则不仅仅上面这样简单的场景，复杂的应用往往需要一个较长的构建时间。如果构建时间的开销比较大或者比较复杂，则必然增加了额外的管理、部署以及监控的成本。我的这个测试场景比较简单，只是安装 Python3，以及比较常见的 python 包 numpy、matplotlib 和 pandas。看看每一种 Docker 基础镜像的构建所需的时间是多少。

1、ubuntu:18 , 构建时间 1 分 31.044 秒

FROM ubuntu:18.04

RUN apt-get update -y && \
    apt-get install -y python3.7 python3-pip python3.7-dev
RUN pip3 install --upgrade pip
RUN pip3 install --no-cache-dir numpy matplotlib pandas

2、amazonlinux:2 ， 构建时间 30.898 秒

FROM amazonlinux:latest

RUN yum update -y && \
yum install -y python3 python3-devel
RUN pip3 install --no-cache-dir numpy matplotlib pandas

3、debian:latest ， 构建时间 52.237 秒

FROM debian:buster

RUN apt-get update -y && \
    apt-get install -y python3 python3-pip python3-dev
RUN pip3 install --no-cache-dir numpy matplotlib pandas

4、python:latest，构建时间 35.752 秒

FROM python:3.7

RUN apt-get update -y && \
    apt-get install -y python3-pip

RUN pip3 install pip --upgrade
RUN pip3 install --no-cache-dir numpy matplotlib pandas

5、python:3.7-slim, 构建时间 53.475 秒

FROM python:3.7

RUN apt-get update -y && \
    apt-get install -y python3-pip

RUN pip3 install pip --upgrade
RUN pip3 install --no-cache-dir numpy matplotlib pandas

6、alpine:latest ，构建时间 24 分 43.122 秒

FROM alpine:latest

RUN apk update  && \
    apk add  --no-cache --update \
        gcc make automake gcc g++ python3 python3-dev cython freetype-dev
RUN pip3 install --upgrade pip
RUN pip3 install --no-cache-dir numpy matplotlib pandas

测试的结果出来了：

alpine:latest > ubuntu:18.04 > > python:3.7-slim > debian:buster > python:last > amazonlinux:latest

确实没有看错，被我们寄予厚望的 Alpine 镜像的构建时间居然是24 分钟以上。与构建速度最快的 Amazon Linux 2 比较起来足足慢了有24 倍的时间！！

如果细心一些，你会发现这个 Dockerfile 与上面的几个不同，多出了 gcc、make、automake、g++这些与编译工具和几个库。事实上，在我第一次构建的时候遇到了这样的错误信息 ：

图片

这真是未曾预料的问题啊！深究之下终于发现在 Appine 使用 pip 安装 matplotlib 以及 pandas 的时候，并不是从 PyPi 的仓库中下载 whl 包，而是需要下载源代码然后编译再进行安装的。标准的预编译的 Python 包居然无法直接安装，这究竟是为什么？

答案原来出在 Alpine 使用的 musl 库上。原来几乎全部 Linux 发行版都使用 GNU 版本的 C 标准库(glibc)。但是 Alpine Linux 为了减小存储空间而使用了 musl 库。而我们通过 pip 安装的这些二进制 Python 包是基于 glibc 编译而成的。因此 Alpine 无法安装这些 python 库，只能通过源码编译的方式来进行安装。这也就是为什么 Alpine 的 Docker file 会与其它的不同，以及花费如此之多的时间进行构建的秘密。

我相信熟悉 Alpine 的用户会与我争论，Alpine 的 Edge 版本会解决这个问题。不幸的是，Edge 版本目前还不是稳定版本。如果用于生产环境，我们还是不要自寻烦恼为好。

图片

结论

这个测试也许不能覆盖我们需要的各个角度，但至少给我们提供了一个选择的参考。而我在这个测试之后也得到了自己需要的结果，

  • Alpine 显然不适合作为 Python 应用的基础镜像。尽管它提供了惊人存储的空间上效率，但它对于 Python 包支持的不足的缺陷是难以弥补的。也许 Alpine 更适合于一些对于镜像尺寸敏感的场合，还可以考虑将它用于你的 Go 应用。
  • 在 AWS 云计算的环境中，Amazon Linux 2 的性能表现是有目共睹的。如果你希望得到一个稳定、安全以及高性能的 Python 基础镜像，那就不要忘记 Amazon Linux 2 这个选择。
  • Ubuntu 18.04 以及 Debian 10 表现的中规中矩，完全在我的意料之中。考虑到 Debian 10（Buster）较 Ubuntu 更新一些。这应该是一个好选择。不过随着 Ubuntu 20.04 LTS 即将发布，在我的候选清单上也许要多出一个。
  • 至于 Docker 官方的 Python 镜像，并没有看出明显的优点。考虑到安全性与维护性的问题，我不认为这是个好的选择。
  • 关于 Docker 基础镜像的选择，还需要考虑的一点就是 Linux 一致性的问题。杂乱的、多样化的 Linux 版本会在大规模应用的时候带来不可预估的风险，不可掉以轻心。

学习资源推荐
除了上述分享，学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

包括：Python激活码+安装包、Python web开发，Python爬虫，Python数据分析，人工智能、自动化办公等学习教程。带你从零基础系统性的学好Python！

👉Python所有方向的学习路线👈

Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。（全套教程文末领取）

在这里插入图片描述
👉Python学习视频600合集👈

观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

在这里插入图片描述

温馨提示：篇幅有限，已打包文件夹，获取方式在：文末

👉Python70个实战练手案例&源码👈

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

在这里插入图片描述

👉Python大厂面试资料👈

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

在这里插入图片描述

在这里插入图片描述

👉Python副业兼职路线&方法👈

学好 Python 不论是就业还是做副业赚钱都不错，但要学会兼职接单还是要有一个学习规划。

在这里插入图片描述

👉 这份完整版的Python全套学习资料已经上传，朋友们如果需要可以V扫描下方二维码联系领取
【保证100%免费】

程序媛阿易
关注
将本地Python项目打包成docker镜像，上传到服务器，在docker中运行
猫敷雪
04-23 1万+
2、之后依次Project->Project Interpreter,使用虚拟环境的python解释器，下载需要的包，环境进行隔离。我们在虚拟环境中下载好代码需要的包之后，将依赖库进行导出，会生成requirements.txt文件，里面保存的是包环境。如果python的版本和包的版本存在冲突，可以将requirements.txt中包的版本去掉，这样就会自动下载对应的包。这里注意，hello-test后面有一个点，这里的hello-test是镜像的名称，随意命名。找到对应的镜像，执行镜像。
Docker学习记录（到docker-compose）
qq_38473355的博客
09-21 483
Docker 官网：https://www.docker.com/ 文档：https://docs.docker.com/ 仓库：https://hub.docker.com/ Docker的组成 镜像 （images） 容器（container） 仓库（registry） 1. 安装Docker #1.卸载原有的Docker sudo yum remove docker \ docker-client \ docker-
docker登录密码错误_「docker实战篇」python的docker-docker镜像的创建dockerfile（33）...
weixin_39583521的博客
11-20 191
从上篇docker commit学习可以了解到，镜像的定制其实每一层添加的配置和文件，如果把每一层的修改配置，修改文件，都写入脚本，用这个脚本构建定制镜像，无法重复的问题，镜像构建透明性的问题，体积的问题都会解决。这个脚本就是Dockerfile。Dockerfile什么是dockerfile一个文本文件，其内包含了一条条的指令，每一条指令构建一层，因此每一条指令的内容，就是描述该层应当如何构建。...
使用Docker部署由Poetry管理的Python项目的最佳实践
2201_75632987的博客
09-07 1044
使用Docker部署由Poetry管理的Python项目的最佳实践，学会使用层级缓存和多阶段构建。
用Docker搭建Python环境
IT菜鸟
04-24 1万+
一、参考资料 快速入门Docker—用Docker搭建Python的开发环境 二、关键步骤 2.1 创建项目目录 $ cd /PATH/TO $ sudo mkdir docker-demo 2.2 下载python镜像 #下载镜像 docker pull python:3.8 #查看镜像 docker ps 2.3 创建 python 文件 在项目目录中，创建 demo.py 文件。 # 进入项目目录 cd docker-demo # 创建 demo.py 文件 demo.py #!/usr/
使用Docker搭建python环境，并导出以及导入镜像
水w的博客
05-09 6770
使用Docker搭建python环境，并导出以及导入镜像
在Docker中部署Python项目，以及压缩Docker镜像大小
qq_41699621的博客
08-31 6162
一、创建docker目录： 在目录下面新建三个文件：Dockerfile，项目文件，requirements.txt Dockerfile文件内容格式如下： # 基于镜像基础 FROM python:3.6 # 维护者信息 MAINTAINER name name@163.com # 复制当前代码文件到容器中 /app ADD . /app # 设置app文件夹是工作目录 /app WORKDIR /app # 安装所需的包 RUN pip install -r require
python3.12.3镜像【Docker的python3.12.3镜像】
06-29
python3.12.3镜像【Docker的python3.12.3镜像】 已经安装了的插件 django==4.2.1 mysqlclient==2.1.1 mysql-connector-python==8.0.30 uwsgi>=2.0.20 supervisor==4.2.4 django-debug-toolbar==4.2.0 django-import-...
如何为 Python 应用选择最好的 Docker 镜像？
Python宋宋的专栏
11-01 1014
至于选择 Amazon Linux 2 的的理由，简单来说这是一个由 Amazon 提供长期支持的（LTS）、进行了针对性性能优化的、强调安全的、免费的 Linux 分发版本以及 Docker 的镜像。尤其在一个复杂的项目中，我们需要构建的则不仅仅上面这样简单的场景，复杂的应用往往需要一个较长的构建时间。这种努力的结果是非常有成效的，alpine:latest 镜像的尺寸只有区区的5.59MB，而与之相对的 ubuntu:18.04 的镜像的尺寸却高达 64.2MB。尺寸小，磁盘利用率高是其优点。
docker-python:基于alpine的小型python docker镜像
06-05
小python docker镜像 基于高山。 见 用法 只需从FROM的图像派生，当前目录将被添加为图像中的/app并安装 pip 包。 例子： FROM giantswarm/python RUN python setup.py install ENTRYPOINT ["python", "-m", ...
PyCharm使用Docker镜像搭建Python开发环境
12-23
本文将介绍如何利用PyCharm来连接Docker镜像，从而搭建Python开发环境。 首先，我们需要准备一下工具： PyCharm专业版 Docker 我们用一个示例项目来演示在PyCharm中如何利用Docker镜像搭建Python开发环境。项目的...
Docker制作Python运行环境基础镜像的方法步骤
01-20
一、准备工作 1.1 Python安装包的下载(说明：python版本可根据自己需求更换) 官网下载：https://www.python.org/downloads/source/ 本地下载地址：64位：https://www.jb51.net/softs/416037.html                          32位：https://www.jb51.net/softs/543679.html 1.2基础镜像Ubuntu16.04 DockerHub拉取 docker pull ubuntu:16.04 本地Ubuntu下载地址：https://www.jb51.
python | 用docker部署python服务:把代码打包成镜像，迁移到新环境中部署服务
南瓜派三蔬
05-10 3204
可以参考 docker打包python项目成镜像文件，我也是参考的这个，因为一些命令我没跑通，所以自己写了这个笔记，不过里面大部分还是有用的。 文章目录0. 前提准备1. 编写Dockerfile2. 构建镜像命令3. 运行镜像4. 进入容器内部5. 保存镜像到本地 0. 前提准备 要保证代码服务在本地至少是跑得通的，再打包。 1. 编写Dockerfile FROM python:3.7 # python的镜像 RUN apt update -y # 如果有需要，运行一些命令；注意：这些命
小白入门：如何在docker中运行python程序
热门推荐
A24kk42__的博客
07-28 1万+
本文仅涉及docker的基础使用。主要介绍如何在docker容器内运行python程序，以及一些相关问题及解决方法，例如：如何让容器启动后自动运行程序？如何二次修改镜像，如何进行文件挂载？如何将镜像上传至dockerhub？......
python打包为docker镜像
liuqinglang的博客
11-09 4815
准备工作 准备docker 这里给出各个系统安装docker的详细步骤，最后我们不要忘了设置docker加速。 Docker 安装​www.runoob.com/docker/ubuntu-docker-install.html Docker 镜像加速​www.runoob.com/docker/docker-mirror-acceleration.html正在上传…重新上传取消​ 准备python项目 python项目结构 这里简单介绍下各个目录、文件作用 docker_demo 项目
docker制作一个python的镜像文件
qq_44539748的博客
06-29 1921
等待镜像构建过程完成。这个过程将根据 Dockerfile 中的配置和指令，构建一个包含您的Python应用程序和依赖的Docker镜像。在项目根目录下，将您的Python应用程序准备好，并确保它的依赖项已在一个名为 requirements.txt 的文件中。通过这些步骤，您可以成功制作一个包含Python应用程序和相关文件的Docker镜像，并将应用程序运行在Docker容器中。在上面的命令中，我们使用了 -d 参数来在后台运行容器，并使用 --name 参数为容器指定一个名称。
docker || python镜像制作
qq_60271706的博客
03-17 2581
第1步：将自己写的python项目代码打包成一个压缩文件，用xftp上传到Linux里；第10步： 修改flask项目的配置数据库的源代码，配置好连接的mysql的用户名和密码，主机名。因为容器启动后才能知道它的ip，所以使用域名来访问，通过--link绑定。第2步：生成python项目所有使用的库，放到文件requirement.txt里。第12步：删除之前的容器，重新启动flask容器链接到MySQL容器。第5步：启动容器，使用zhang-car-news:1.0镜像。第8步：需要提供数据库支持。
使用 Docker 在 PyTorch 环境中训练模型
Clang’s Blog
04-29 1814
通过使用 Docker，我们可以轻松地构建和管理 PyTorch 环境，并在其中运行训练任务。这种方法可以帮助我们避免了环境配置的烦恼，提高了工作效率，同时也使得我们的代码更具可移植性和可重复性。
【云原生】安装Docker、拉取pytorch镜像、拷贝程序到容器
MaoZhihang的博客
10-12 1675
配置docker机器学习环境
python制作docker镜像
最新发布
10-31
在Python中创建Docker镜像通常涉及到使用Dockerfile这个文本文件，它是构建容器的标准模板。以下是创建Python Docker镜像的基本步骤： 1. **创建Dockerfile**: - 在项目根目录下创建一个名为`Dockerfile`的文件。 - 开始文件时写上基础镜像，如`FROM python:latest`，如果你想要特定版本的Python，可以换成`FROM python:3.9`。 - 添加`WORKDIR`指令设置工作目录，比如`WORKDIR /app`。 - 使用`COPY`或`ADD`命令将你的Python应用和依赖复制到镜像中，例如`COPY . /app`。 - 安装依赖（如果有），使用`RUN pip install requirements.txt`。 - 设置运行程序，使用`CMD`或`ENTRYPOINT`指定启动应用的方式。 ```Dockerfile # 示例 FROM python:3.9 WORKDIR /app COPY . /app RUN pip install -r requirements.txt CMD ["python", "your_script.py"] ``` 2. **构建镜像**: - 确保当前目录在项目的根目录，并且有一个名为`Dockerfile`的文件。 - 打开终端，使用`docker build`命令，指定Dockerfile的位置和镜像名称，如`docker build -t your-image-name .`。 - 如果一切正常，会生成一个新的Docker镜像。 3. **推送镜像到仓库**: - 使用`docker push`命令，将镜像推送到Docker Hub或其他私有Registry，如`docker push your-image-name:latest`。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值