本文轉載自公眾號“讀芯術”(ID：AI_Discovery)。

小白程序員面臨的最大困難之一就是理解環境的概念。環境是指程序員進行編碼的系統，這聽起來貌似很容易，但隨著程序員職業生涯的推薦，程序員會逐漸體會到維護“環境”是一件多么困難的事情。

這主要是因為庫、IDE(集成開發環境)，甚至Python代碼都需要經過更新和版本升級。有時更新一個庫，某段代碼就會出錯，需要重新修改代碼。如果同時開發多個項目，就會引起依賴沖突，當某段代碼導致另一段代碼錯誤時，事情就會變得很棘手了。

另外，如果想將項目共享給一個在不同操作系統上的工作伙伴，或者將在Mac上構建的項目交付到另一個操作系統的生產服務器上，就不得不重新配置代碼了。

為了解決這些問題，將項目和項目所處的環境分離的方法被稱為“容器”。容器是支持環境運行的地方，與系統上的其他內容東西相分離。一旦定義了容器中的內容，重建環境就很容易了，甚至可以實現與同事共享項目。

要求

• 啟動Docker，需要安裝軟件：
• windows或macOS：安裝Docker Desktop
• linux：安裝Docker，然后編寫Docker

Python服務包

假設正在創建一個名為server.py的Flask服務，并設置該文件的內容，如下：

from flask import Flask 
server = Flask(__name__)@server.route("/") 
 def hello()： 
    return "Hello World！"if __name__ == "__main__"： 
   server.run(host='0.0.0.0') 

如上述，需保留代碼依賴關系的記錄。因此創建一個關于需求的txt文件，包含以下內容：

Flask==1.1.1 

因此，服務包有以下結構：

app 
├─── requirements.txt 
└─── src 
     └─── server.py 

該結構十分符合邏輯(源文件保存在獨立目錄中)。若執行Python程序，我們需要安裝并運行Python解釋器。接下來可以在本地運行這個程序，如果有15個項目同時運行，在一個容器中運行可以避免與其他項目發生沖突。

Dockerfile

運行Python代碼，需要將容器打包為Docker鏡像，然后運行。操作如下：

• 創建一個包含構建鏡像所需指令的Dockerfile
• 然后通過Docker生成器創建鏡像
• 簡單的docker run 命令就可以創建一個正在運行應用程序的容器

Dockerfile分析

Dockerfile是一個包含合成Docker鏡像說明的文件(命名為myimage)：

# set base image (host OS) 
FROM python：3.8# set the working directory in the container 
WORKDIR /code# copy the dependencies file to the working directory 
COPY requirements.txt .# install dependencies 
RUN pip install -r requirements.txt# copy the content of the local srcdirectory to the working directory 
COPY src/ .# command to run on container start 
CMD [ "python"， "./server.py" ] 

Dockerfile是逐行編譯的，因此生成器會生成一個圖層，并將其疊加在之前的圖像上。在build命令的輸出中，可以看到作為步驟執行的Dockerfile指令。

$ docker build -t myimage . 
Sending build context to Docker daemon 6.144kBStep 1/6 ：FROM python：3.8 
3.8.3-alpine：Pulling from library/python 
…Status：Downloaded newer image for python：3.8.3-alpine 
---> 8ecf5a48c789Step 2/6 ：WORKDIR /code 
---> Running in 9313cd5d834d 
Removing intermediate container 9313cd5d834d 
---> c852f099c2f9Step 3/6 ：COPY requirements.txt . 
---> 2c375052ccd6Step 4/6 ：RUN pip install -rrequirements.txt 
---> Running in 3ee13f767d05 
…Removing intermediate container 3ee13f767d05 
---> 8dd7f46dddf0Step 5/6 ：COPY ./src . 
---> 6ab2d97e4aa1Step 6/6 ：CMD python server.py 
---> Running in fbbbb21349be 
Removing intermediate container fbbbb21349be---> 27084556702b 
Successfully built 70a92e92f3b5 
Successfully tagged myimage：latest 

然后可以發現鏡像存儲在本地圖像中：

$ docker images 
REPOSITORY TAG IMAGE ID CREATED SIZEmyimage latest 70a92e92f3b5 8 seconds ago 991MB 

在開發過程中，可能需要多次為Python服務重新構建鏡像，所以希望花費盡可能少的時間。

Docker和virtualenv非常相似，但又有所不同。Virtualenv允許你在Python依賴關系中切換，但必須使用主機操作系統。然而，使用Docker就可以在任何操作系統上安裝和運行Python(包括Ubuntu、Debian、Alpine以及Windows Server Core)。

因此，如果你在一個團隊中工作，希望可以在以后證明你的技術，就要使用Docker。如果不用docker，venv也是不錯的，但它不是通向未來的憑證。

[[341481]]

圖源：unsplash

本文展示了如何創建Python服務包，并希望簡化過程，使程序員的項目維持更長時間。因為當依賴關系發生變化時，它不太可能出現代碼錯誤。