python項(xiàng)目打包成docker容器鏡像的兩種方法實(shí)現(xiàn)
簡單版：（一次成功，后續(xù)下載對應(yīng)的軟件依賴）
方便運(yùn)維、麻煩研發(fā)！
現(xiàn)有項(xiàng)目如下：
已經(jīng)壓縮成tar包，需要制作成容器鏡像
如何操作？
第一步：肯定是構(gòu)建dockerfile，如下：
FROM python:3.12.4 ##基于什么版本的python，取決于你的環(huán)境，可以pip檢測一下 LABEL maintainer="laohu" ##命名標(biāo)簽 RUN mkdir -p /prediction_service_revised ##創(chuàng)建容器內(nèi)的工作目錄 COPY Miniconda3-latest-Linux-x86_64.sh /prediction_service_revised ##將自己構(gòu)建所需要的工具復(fù)制到工作目錄中 ADD ./prediction_service_revised.tar.gz /prediction_service_revised #將python包導(dǎo)入到容器 WORKDIR /prediction_service_revised ##定義工作目錄 CMD ["python"] ##命令使用
第二步，構(gòu)建鏡像
docker build -t prediction_service_revised:v1 .
等待構(gòu)建，構(gòu)建完成！
docker images
此方法，構(gòu)建快，但是完全為基礎(chǔ)鏡像，任何python所需要的庫都沒有，需要研發(fā)自行下載！
可查看構(gòu)建緩存（只有鏡像占用的位置，這里我刪除了，所以不顯示?。?/h3>
docker system df
或者 docker system df -v
docker system df 或者 docker system df -v
復(fù)雜版：（構(gòu)建多次，依賴包下載依賴于選擇的庫地址，構(gòu)建緩存較大）
方便研發(fā)、麻煩運(yùn)維！
依舊是之前的項(xiàng)目
第一步：在工作目錄終端，使用pip freeze > requirements.txt 命令將項(xiàng)目依賴庫進(jìn)行導(dǎo)出。
（生成需要的依賴庫環(huán)境包）
命令執(zhí)行完成后會生成一個(gè)叫requirements.txt的文件
pip freeze > requirements.txt
這些依賴包并不能一次性下載完成，構(gòu)建鏡像時(shí)，若構(gòu)建不成功，則會產(chǎn)生構(gòu)建緩存，占空間！
第二步：構(gòu)建dockerfile
FROM python:3.12.4 LABEL maintainer="laohu' RUN apt-get update && apt-get install -y build-essential RUN mkdir -p /prediction_service_revised COPY requirements.txt /prediction_service_revised ADD ./prediction_service_revised.tar.gz /prediction_service_revised WORKDIR /prediction_service_revised RUN pip install --upgrade pip -i https://mirrors.aliyun.com/pypi/simple/ RUN pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/ CMD ["python"]
第三步，構(gòu)建鏡像
docker build -t prediction_service_revised:v1 .
出現(xiàn)下列之類的問題，就是下載對應(yīng)的pip依賴庫失敗，需要根據(jù)問題響應(yīng)，依次解決依賴庫問題，直至構(gòu)建成功！
例：
構(gòu)建成功：
構(gòu)建緩存如下：
docker system df 或者 docker system df -v
那么問題來了，如何清理這些緩存？
# 刪除未使用的構(gòu)建緩存 docker builder prune # 更徹底，刪除所有緩存，包括可能還會用到的 docker builder prune --all docker builder prune --all 清理構(gòu)建緩存 docker container prune 清理沒用的容器 docker image prune 清理懸空鏡像 docker volume prune 清理沒用的卷 docker network prune 清理沒用的網(wǎng)絡(luò) docker system prune -a --volumes 一鍵清理
一鍵清理如果你只是做實(shí)驗(yàn)，對數(shù)據(jù)不敏感，可以直接：
docker system prune -a --volumes
這會刪除所有：
已停止的容器
沒有 tag 的鏡像
沒用的卷
沒用的網(wǎng)絡(luò)
構(gòu)建緩存
空間釋放得最快，但要注意數(shù)據(jù)卷和緩存一旦清理，就無法恢復(fù)。
更深入的檢查有時(shí)候你清理完，空間還是很大，可以直接查看 /var/lib/docker 下哪些目錄占用：
sudo du -h --max-depth=1 /var/lib/docker | sort -h
常見大戶：
overlay2/：鏡像和容器的文件系統(tǒng)
volumes/：卷的數(shù)據(jù)
buildkit/：構(gòu)建緩存
如果 build kit 特別大，就說明問題出在構(gòu)建緩存。
到此這篇關(guān)于python項(xiàng)目打包成docker容器鏡像的兩種方法實(shí)現(xiàn)的文章就介紹到這了,更多相關(guān)python打包成docker鏡像內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
這篇文章主要介紹了python字典的setdefault的巧妙用法,文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2019-08-08
pycharm運(yùn)行出現(xiàn)ImportError:No module named的解決方法
今天小編就為大家分享一篇pycharm運(yùn)行出現(xiàn)ImportError:No module named的解決方法。具有很好的參考價(jià)值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-10-10
PyQt5+QtChart實(shí)現(xiàn)繪制極坐標(biāo)圖
QChart是一個(gè)QGraphicScene中可以顯示的QGraphicsWidget。本文將利用QtChart實(shí)現(xiàn)極坐標(biāo)圖的繪制，文中的示例代碼講解詳細(xì)，感興趣的小伙伴可以了解一下2022-12-12
解決jupyter notebook顯示不全出現(xiàn)框框或者亂碼問題
這篇文章主要介紹了解決jupyter notebook顯示不全出現(xiàn)框框或者亂碼問題，具有很好的參考價(jià)值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-04-04
這篇文章主要為大家詳細(xì)介紹了如何使用Python實(shí)現(xiàn)首頁通知功能，文中的示例代碼講解詳細(xì)，具有一定的借鑒價(jià)值，有需要的小伙伴可以跟隨小編一起學(xué)習(xí)一下2024-02-02
Flask是一個(gè)使用 Python 編寫的輕量級 Web 應(yīng)用框架。其 WSGI 工具箱采用 Werkzeug ，模板引擎則使用 Jinja2 。Flask使用 BSD 授權(quán)。Flask也被稱為 "microframework" ，因?yàn)樗褂煤唵蔚暮诵模?extension 增加其他功能。Flask沒有默認(rèn)使用的數(shù)據(jù)庫、窗體驗(yàn)證工具2021-10-10
pywebview是一個(gè)輕量級、跨平臺的 Python 庫,用于在桌面應(yīng)用中嵌入系統(tǒng)原生的WebView組件,下面就來詳細(xì)的介紹一下PyWebview庫的使用,感興趣的可以了解一下2025-12-12
這篇文章主要為大家介紹了Django與FastAPI的選擇區(qū)別深入剖析,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪2023-12-12
今天小編就為大家分享一篇關(guān)于Python中三元表達(dá)式的幾種寫法介紹，小編覺得內(nèi)容挺不錯的，現(xiàn)在分享給大家，具有很好的參考價(jià)值，需要的朋友一起跟隨小編來看看吧2019-03-03
這篇文章主要介紹了Pytorch使用visdom可視化問題,具有很好的參考價(jià)值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教2024-06-06