通过编写dockerfile部署python项目-编程知识

通过编写dockerfile部署python项目

docker命令总览

在这里插入图片描述

docker通过dockerfile构建镜像常用命令

# 创建镜像（进入dockerfile所在的路径）
docker build -t my_image:1.0 .# 查看镜像
docker images# 创建容器
docker run -dit --restart=always -p 9700:9700 --name my_container my_image:1.0 # 查看容器
docker ps -a# 进入容器
docker exec -it my_container /bin/bash# 退出容器
exit# 暂停容器
docker stop my_container # 删除容器
docker rm my_container

dockerfile编写

# 使用官方的Python运行时作为父镜像
FROM python:3.10
# 设置工作目录为/app
WORKDIR /app
# 将当前目录内容复制到位于 /app 的容器中
COPY . /app
# 安装任何需要的包
RUN pip install torch-2.0.0+cpu-cp310-cp310-linux_x86_64.whl
RUN pip install torchvision-0.15.1+cpu-cp310-cp310-linux_x86_64.whl
RUN pip install --no-cache-dir -r requirements_new.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
# RUN pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
# 将/etc/localtime链接到上海时区文件
RUN ln -sf /usr/share/zoneinfo/Asia/Shanghai /etc/localtime
# 对外暴露的端口号
EXPOSE 9700
# 定义环境变量
ENV model = gpt-4-vision-preview
# 当容器启动时运行python app.py
CMD ["python", "app.py"]

dockerfile中COPY与ADD的区别

在 Dockerfile 中，COPY 和 ADD 指令都用于将文件或目录从构建上下文复制到镜像中，但它们之间有一些重要的区别：

1.基本功能：

COPY：将本地文件或目录复制到镜像中。
ADD：将本地文件、目录或远程文件 URL 的内容复制到镜像中。如果源文件是一个 URL，并且目标文件不存在，则 ADD 指令还会下载和解压 URL 指向的文件（如果它是压缩的）。

2.对压缩文件的处理：

COPY：不会处理压缩文件，如果源文件是一个 .tar、.gz 或其他压缩格式的文件，它将被复制到镜像中，但不会解压。
ADD：如果源文件是一个压缩文件（如 .tar、.tar.gz、.tgz、.bz2、.xz 等），则 ADD 指令会自动解压该文件到目标目录（如果指定了的话）。

3.构建缓存：

COPY 和 ADD 都会受益于 Docker 的构建缓存。但是，由于 ADD 会处理 URL 和解压文件，因此它可能更难以有效地使用缓存。如果远程文件的内容更改，或者压缩文件的内容更改，即使解压后的内容没有更改，ADD 也可能导致缓存失效。

4.最佳实践：

通常，推荐使用 COPY 指令，因为它更直观、更简单，并且更容易理解。当需要复制本地文件或目录到镜像时，COPY 是首选。
如果需要从远程 URL 下载文件，或者需要解压压缩文件到镜像中，可以使用 ADD 指令。但是，请注意 ADD 的一些潜在问题，如缓存失效和不必要的复杂性。

5.安全性：

使用 ADD 从远程 URL 下载文件可能会引入安全风险，因为远程文件的内容可能不受控制。如果可能，最好从受信任的源下载文件，并使用 COPY 指令将文件复制到镜像中。

6.目标路径：

对于 COPY 和 ADD，如果目标路径不存在，Docker 将尝试创建它。但是，如果目标路径是一个文件而不是目录，并且该文件已经存在，则操作将失败。

总结：在 Dockerfile 中，应优先考虑使用 COPY 指令来复制本地文件或目录到镜像中。只有在需要特定功能（如从远程 URL 下载文件或解压压缩文件）时，才使用 ADD 指令。

将容器转化为镜像和镜像压缩解压

# 将容器转化为镜像
docker commit my_container  my_image:1.2# 将镜像转为压缩包
docker save -o my_package.tar my_image:1.2# 删除原镜像
docker rmi my_image:1.2# 将压缩包解压得到镜像
docker load –i my_package.tar

将镜像推送到私有仓库

# 标记镜像
docker tag logistics_park:base 10.82.27.215:10081/ai_platform/logistics_park:base# 将镜像推送到私有仓库
docker push 10.82.27.215:10081/ai_platform/logistics_park:base

根据基础镜像创建docker容器

docker pull python:3.10
# 创建容器不进入
docker run -dit --name=p1 python:3.10
# 进入容器
docker exec -it p1 bash
# 创建文件夹
mkdir app
# 推出容器
exit
# 将需要的依赖拷贝到镜像指定目录
docker cp torchvision-0.15.1+cpu-cp310-cp310-linux_x86_64.whl p1:app/
# 升级pip
pip3 install --upgrade pip# 安装需要的依赖（加上镜像源）
pip install -r requirements_new.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
# 退出容器
exit
# 将容器打包为镜像（确保容器正在运行）
docker commit p1 logistics_park:base
# 标记镜像
docker tag logistics_park:base 10.82.27.215:10081/ai_platform/logistics_park:base
# 将镜像推送到私有仓库
docker push 10.82.27.215:10081/ai_platform/logistics_park:base
# 构建镜像
docker build -t logistics_park:v1.0 .
# 容器运行命令：
docker run -dit --restart=always -p 9700:9700 --name logistics_park logistics_park:v1.0

通过基础镜像创建容器的dockefile

# 使用官方的Python运行时作为父镜像
FROM 10.82.27.215:10081/ai_platform/logistics_park:base
# 设置工作目录为/app
WORKDIR /app
# 将当前目录内容复制到位于 /app 的容器中
COPY . /app
# 将/etc/localtime链接到上海时区文件
RUN ln -sf /usr/share/zoneinfo/Asia/Shanghai /etc/localtime
# 验证时区
RUN date
# 对外暴露的端口号
EXPOSE 9700
# 定义环境变量
# ENV model = gpt-4-vision-preview
# 当容器启动时运行python app.py
CMD ["python", "app.py"]