来自公众号:AirPython
下面是正文内容:
在使用传统物理机或云服务器上部署项目都会存在一些痛点
比如:项目部署速度慢、资源浪费、迁移难且扩展低
而使用 Docker 部署项目的优势包含:
高效利用系统资源
服务启动更快
环境一致,迁移更加方便
本篇文章将介绍 Docker 部署一个 Python 项目的常规流程
1. Dockerfile 描述文件
Dockerfile 是一个放置在项目根目录下的描述文件,可以利用 Docker 命令基于该文件构建一个镜像
常用的指令包含:
FROM
用于定义基础镜像
MAINTAINER
指定维护者信息,可以省略不写
RUN
和「 安装命令 」连接在一起,可用于安装工具依赖包
ADD
将宿主机的文件,并进行解压
COPY
和 ADD 指令功能一样,但是不会进行解压操作
WORKDIR
用于切换工作目录
VOLUME
配置宿主机与容器的目录映射
EXPOSE
配置容器内项目对外暴露的端口号
CMD
指定容器启动后,运行的命令
比如,可以运行某个命令启动项目
2. 实战一下
使用 Docker 部署应用的常规流程是:
开发项目并本地测试通过
编写 Dockerfile 放置到项目根目录
打包镜像文件
运行镜像容器
测试
为了演示方便,这里以一个简单的 Flask 项目为例进行讲解
2-1 项目开发
from flask import Flask
# 安装依赖
# pip3 install -U flask
app = Flask(__name__)
@app.route('/')
def index():
return "测试容器部署!"
if __name__ == '__main__':
app.run(host='0.0.0.0', port=8888)
# 浏览器访问测试
# http://127.0.0.1:8888/
项目开发完成,并在本地测试通过后就可以编写 Dockerfile 文件了
2-2 编写 Dockerfile
在项目根目录下,创建一个 Dockerfile 文件,使用上面的指令编写描述脚本
需要注意的是,这里使用「 EXPOSE 」指令暴露的端口号与入口文件定义的端口号保持一致
# Dockerfile
FROM centos:7.9.2009
RUN yum makecache fast;
RUN yum install python3-devel python3-pip -y
RUN pip3 install -i https://pypi.douban.com/simple flask
COPY main.py /opt
WORKDIR /opt
EXPOSE 8888
CMD ["python3","main.py"]
2-3 构建镜像
# 在当前文件夹下,根据Dockerfile文件构建一个镜像
# 镜像名称:xag/my_flask_web
# --no-cache:不使用旧的缓存进行镜像构建
docker build --no-cache -t "xag/my_flask_web" .
2-4 运行镜像容器
使用 docker run 命令基于镜像运行一个容器
其中
-d:代表容器在后台运行,不是基于前台运行
--name:用于执行容器的别名
-p:用于配置宿主机与容器的端口映射
# -d:后台运行
# 宿主机(9999)映射容器内的8888(上面Dockerfile已经暴露了8888端口)
docker run -d --name flask_web -p 9999:8888 xag/my_flask_web
2-5 测试一下
最后在浏览器中,通过宿主机暴露的端口号 9999 访问项目了
访问地址:http://127.0.0.1:9999/
3. 总结
文章中以一个简单的 Web 项目阐述了利用 Docker 部署项目的常规流程
实际上,Dockerfile 非常的灵活,它还支持 ARG/ENV 设置环境变量,VOlUME 指令挂载目录,ENTRYPOINT 配置启动程序和参数等,这部分内容大家可以根据官网介绍自行进行扩展
https://docs.docker.com/engine/reference/builder/
-------- End --------
推荐👇同名微信视频号
图解Pandas
图文00-内容框架介绍 | 图文01-数据结构介绍 | 图文02-创建数据对象 | 图文03-操作Excel文件 | 图文04-常见的数据访问 | 图文05-常见的数据运算 | 图文06-常见的数学计算 | 图文07-常见的数据统计 | 图文08-常见的数据筛选 | 图文09-常见的缺失值处理 | 图文10-数据合并操作 | 图文11-Groupby分组操作