Docker 终极初学者指南

作者 Josep Ferrer 于 2024年6月29日发布在数据科学 2

图片由 Editor 使用 Midjourney 创建

当今的数字格局从未如此多样化。每个个人和公司都会选择自己偏好的工具和操作系统，从而形成一个多元化的技术系统。然而，这种多样性常常导致兼容性问题，使得确保应用程序在不同环境下的性能变得困难。

这就是 Docker 作为应用程序开发和部署的不可或缺的工具发挥关键作用的地方。Docker 使我们能够将任何应用程序打包到容器中，构建其所有依赖项，并将其与主机操作系统隔离。这种隔离正是它最出色的特性——它确保了应用程序在无论部署在何处都能一致地运行。

本文旨在成为 Docker 世界的入门指南。那么，让我们一起探索它吧。

为什么要使用 Docker？

Docker 在其在任何硬件上一致运行应用程序的能力方面表现出色。通过容器化您的应用程序，您创建了一个可移植且可复现的环境，可以部署在任何地方，从而消除了经典的“我的机器上可以运行”的问题。

要理解 Docker，有三个基本概念

Docker process from dockerfile to docker container

作者提供图片

Dockerfile：这是一个包含一系列关于如何构建镜像的指令的脚本。
Docker 镜像：它是从 Dockerfile 创建的运行应用程序的模板。它用于启动容器。
Docker 容器：Docker 镜像的运行实例。它是一个轻量级、独立且可执行的软件程序包，其中包含运行应用程序所需的一切。

简而言之，Dockerfile 定义了创建 Docker 镜像的步骤，该镜像充当启动称为容器的进程的模板。

简单吧？

现在让我们学习如何使用我们自己的应用程序来执行此过程。

安装 Docker

要开始使用 Docker，您需要在您的机器上安装它。Docker 为包括 Windows、macOS 和各种 Linux 发行版在内的不同操作系统提供了安装包。

您可以按照 Docker 网站上提供的安装指南在您的系统上设置 Docker，安装起来相当容易。安装完成后，您的本地机器上就会有 Docker Hub。

Docker 基础知识

要 Docker 化一个应用程序，我们总是从环境中的 Dockerfile 开始。这个文件描述了您的应用程序运行的环境以及构建它的步骤。

让我们设想一下，我们有一个简单的应用程序，它首先要求用户输入一个数字，然后返回该数字的平方。我知道这个应用程序非常简单，但它非常适合理解 Docker 的工作原理。

import numpy as np

def calculate_square_root(number):
   return np.sqrt(number)

if __name__ == "__main__":
   number = float(input("Enter a number to calculate its square root: "))
   print(f"The square root of {number} is {calculate_square_root(number)}")

import numpy as np

def calculate_square_root(number):

return np.sqrt(number)

if __name__ == "__main__":

number = float(input("Enter a number to calculate its square root: "))

print(f"The square root of {number} is {calculate_square_root(number)}")

在设置此应用程序时，我们需要知道的第一件事是它在 Python 上运行。所以，无论我们将其部署在哪里，Python 都必须是我们的基础镜像。

此外，此应用程序还依赖于 NumPy。由于 NumPy 不是默认的 Python 库，我们需要确保它在应用程序运行时可用。总而言之，有两个主要依赖项：

基础镜像：Python
依赖项：NumPy

虽然不是必需的，但始终拥有一个 requirements.txt 文件并包含脚本所需的所有库是一个好习惯。在这种情况下，我们只会添加 numpy 库。

那么，现在让我们了解如何容器化这个脚本

步骤 1 - 定义 Dockerfile

要定义 Dockerfile，了解应用程序的结构很重要。通常，我将 Dockerfile 放置在与我的主脚本和 requirements.txt 文件相同的级别。但是，对于更复杂的应用程序，您可能需要将文件组织到不同的目录中。在这些情况下，在 Dockerfile 中指定文件位置时，考虑这些目录级别至关重要。

# Use the official Python image from the Docker Hub
FROM python:3.9-slim

# Set the working directory
WORKDIR /app

# Copy the requirements and main script into the container
COPY requirements.txt main.py ./

# Install the dependencies
RUN pip install --no-cache-dir -r requirements.txt

# Set the entry point to run the Python script
ENTRYPOINT ["python", "main.py"]

# 从 Docker Hub 使用官方 Python 镜像

FROM python:3.9-slim

# 设置工作目录

WORKDIR /app

# 将 requirements 和主脚本复制到容器中

COPY requirements.txt main.py ./

# 安装依赖项

RUN pip install --no-cache-dir -r requirements.txt

# 设置入口点以运行 Python 脚本

ENTRYPOINT ["python", "main.py"]

在这个 Dockerfile 中：

“FROM python:3.9-slim”：此行指定基础镜像，在此情况下为 Python 3.9，Docker 从 Docker Hub 拉取。
“ADD requirements.txt 和 main.py .” ：此命令将 main.py 文件添加到容器中。
“RUN pip install requests”：此命令在容器内安装 requests 库。
“ENTRYPOINT [“python”, “./main.py”]”：此命令运行应用程序。

Dockerfile 中的每一行代表一个层，为了优化处理，Docker 会缓存未更改的层。这意味着为了利用此缓存机制，最好将不经常更改的层放在 Dockerfile 的开头。

这样，Docker 就可以重用这些缓存层，从而加快构建过程。

既然我们已经有了 Dockerfile，我们需要运行本地 Docker Hub 并进入第二步。

步骤 2 - 构建和运行 Docker 镜像

准备好 Dockerfile 后，您可以通过在终端上执行以下命令来构建和运行 Docker 镜像。

docker build -t app-name .

1	docker build -t app-name .

在此命令中：

“-t my-python-app”：将镜像标记为 my-python-app。
“.”：将当前目录指定为构建上下文。

如果您查看 Docker Hub，将会在您在上一个命令中使用的名称下出现一个新镜像。在我的例子中，我称之为 sqrt-calculator。

Docker Desktop 界面截图

步骤 3 - 运行 Docker 容器

要运行您刚刚创建的 Docker 镜像，请在终端中使用以下命令：

docker run app-name

1	docker run app-name

此命令从 my-python-app 镜像启动一个容器并运行应用程序。尽管您的本地环境中没有安装必需的库，但您仍然可以在 Docker 容器内执行代码，因为它包含了应用程序运行所需的所有依赖项。

简而言之

Docker 的作用和重要性：Docker 通过容器化应用程序并确保跨不同系统的性能一致性，解决了多元化技术环境中的兼容性问题。
核心组件：Dockerfile 包含构建 Docker 镜像的指令，该镜像充当运行容器的模板。容器是打包运行应用程序所需的一切的实例。
构建和运行容器：要使用 Docker，请创建一个定义应用程序环境和依赖项的 Dockerfile，使用 docker build -t app-name . 构建 Docker 镜像，并使用 docker run app-name 运行容器，从而使您的应用程序能够一致地运行，而无需考虑本地库的安装。

如果您想查看我的代码，您可以在以下 GitHub 仓库中找到它。