简单的python程序，把它做成docker镜像

年薪丰厚

已于 2024-05-29 13:25:42 修改

阅读量287

点赞数 3

文章标签： python docker java

于 2024-05-22 15:29:41 首次发布

本文链接：https://blog.csdn.net/qq_37263429/article/details/139120358

版权

文章目录

1，python程序准备
2，再准备一个Dockerfile文件
3，制作镜像
4 查看制作好的镜像
- 4.1 解释
5，运行这个镜像，
6 ，思考

1，python程序准备

在linux主机的/tmp/pythontest路径下创建一个test.py程序文件，
程序内容很简单
就是一句打印

print('hello world, docker')

在这里插入图片描述

2，再准备一个Dockerfile文件

这个Dockerfile也是放在主机linux中的/tmp/pythontest路径下，文件名就叫做dockerfile，
Dockerfile文件内容具体长这样

FROM python:3.8
WORKDIR /app
COPY test.py /app/
CMD ["python", "test.py"]

在这里插入图片描述

解释：
FROM python:3.8：指定使用 Python 3.8 作为基础镜像。
WORKDIR /app：设置容器工作目录为 /app，且这个路径是容器内部的，不是外部主机linux上的。
COPY test.py /app/：将你的 Python 程序文件（在当前目录下）复制到容器的 /app 目录中。
CMD ["python", "test.py"]：指定容器启动时执行的命令，即运行 Python 程序。
在同一个目录下，将上述 Python 程序保存为 your_program.py。

注意：
Dockerfile文件没有后缀，名字要含有“dockerfile”字样，你取名为别的会报错
命令约定全部使用大写，如RUN,ADD,FROM
第一条命令必需是FROM，作用是指定在哪个基础镜像上创建镜像

3，制作镜像

还是在这个/tmp/pythontest路径中执行这条命令，因为无论你选择将 Dockerfile 放在哪里，确保在构建 Docker 镜像时，从包含 Dockerfile 文件的目录进行操作

docker build -t testimage .

在/tmp/pythontest该目录中构建一个名叫testimage 的Docker 镜像。

还有一点需要注意的是，这条命令后面一定要加一个空格和一个点，不然会报错。这个点就是指当前Dockerfile 文件所在目录，或者你也可以指定Dockerfile 的绝对路径

在这里插入图片描述
这是正在制作镜像的过程中，时间还挺久的，想不到就这么一句python程序也要制作这么久。。。。

4 查看制作好的镜像

docker images

发现本地镜像库里面已经有了一个testimage的镜像了。
在这里插入图片描述

有一个疑问我没搞明白，为什么就这么一句python语句，制作出来的镜像这么大？？？996M，真离谱啊，是不是它直接把pyhon3.8这个镜像下载下来，然后再加上一句我的那句test.py？？？？

4.1 解释

制作出来的 Docker 镜像大小不仅仅取决于 Python 程序的大小，还可能受到以下因素的影响：

基础镜像：你使用的基础镜像可能本身就比较大。
依赖库：即使你的 Python 程序只有一句，但是可能依赖了一些较大的库。
缓存：构建过程中可能会产生一些缓存文件。
中间文件：构建过程中可能会创建一些中间文件。

为了减小 Docker 镜像的大小，你可以尝试以下方法：

选择较小的基础镜像。
清理不必要的依赖库。
定期清理构建缓存。
优化 Dockerfile，删除不必要的步骤。

5，运行这个镜像，

那就要启动一个容器出来，在这个容器中来运行这个testimage镜像

docker run -it --name test_container testimage

-it：表示以交互模式运行容器。
--name test_container：为容器指定一个名称，就叫test_container。
testimage：是你制作的镜像的名称。
在这里插入图片描述
执行完后，就立马输出了python程序的结果了。
因为我这个程序特别简单，执行完一次就结束了，所以执行docker ps 命令（显示在运行中的容器），发现是没有test_container的。

所以执行docker ps -a 命令（显示本机器中所有的容器），发现是test_container的。
在这里插入图片描述

6 ，思考

我想，如果我这python程序写成一个for无限循环，那这个容器就会一直运行了把。
或者这个python程序写成一个真实的APP服务程序，那也一样的，那这个容器就会一直运行了把。

然后另外就是，这里可以想到，假如我用java写了一个交友APP的服务程序，如果在传统条件下，我会把它放在一台物理机中去运行，且这台物理机的相关环境也要设置成符合这个交友APP能够正常运行的环境，然后让用户去访问这台机器。
如果这时候我还想做一个在线看视频app的服务程序，也放在这台物理机中的话，就会出现问题的，因为交友APP和刷视频app运行环境肯定不会100%一模一样，那就无法兼顾这两个APP了。
那我又要去买第二台物理机，用来运行这个刷视频APP。
但是，这样就很亏了呀，一台物理机就运行一个服务程序，太浪费了。
以前的做法是，尽量删减物理机的硬件成本，比如CPU换一般的，硬盘就挂个10块以下，不要太多不然很浪费，内核也就搞个够用就行。
你要是能批量买很多服务器，那服务器厂家是愿意为你自定义配置的，但是如果你就买那么几台子，服务器厂家才懒得鸟你呢。
人家生产服务器都是按照统一规格批量生产的，你爱买不买，你物理机使用率底下关我服务器生产厂家鸟事？？
所以这时候docker就出来了。
在这篇文章中，我对这个print(’hello world, docker‘) 简单的python程序，利用python:3.8这个基础镜像，构建了一个专门来运行print(’hello world, docker‘) 的镜像和容器。
换句话说，我还想为我用java写的交友程序，利用java相关的一些基础镜像，构建一个专门来运行java写的交友程序的镜像和容器。
以此类推，这样我就只需要一台物理机就够啦。
一台物理机上面运行多个docker就能满足我的所有需求了，还不浪费。
听懂掌声