全文共2869字，预计学习时长8分钟
图源：itfromzero
小白程序员面临的最大困难之一就是理解环境的概念。环境是指程序员进行编码的系统，这听起来貌似很容易，但随着程序员职业生涯的推荐，程序员会逐渐体会到维护“环境”是一件多么困难的事情。
这主要是因为库、IDE（集成开发环境），甚至Python代码都需要经过更新和版本升级。有时更新一个库，某段代码就会出错，需要重新修改代码。如果同时开发多个项目，就会引起依赖冲突，当某段代码导致另一段代码错误时，事情就会变得很棘手了。
另外，如果想将项目共享给一个在不同操作系统上的工作伙伴，或者将在Mac上构建的项目交付到另一个操作系统的生产服务器上，就不得不重新配置代码了。
为了解决这些问题，将项目和项目所处的环境分离的方法被称为“容器”。容器是支持环境运行的地方，与系统上的其他内容东西相分离。一旦定义了容器中的内容，重建环境就很容易了，甚至可以实现与同事共享项目。
要求
启动Docker，需要安装软件：
· windows或macOS：安装Docker Desktop
· linux：安装Docker，然后编写Docker
Python服务包
假设正在创建一个名为server.py的Flask服务，并设置该文件的内容，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，需保留代码依赖关系的记录。因此创建一个关于需求的txt文件，包含以下内容：
Flask==1.1.1
因此，服务包有以下结构：
app
├─── requirements.txt
└─── src
└─── server.py
该结构十分符合逻辑（源文件保存在独立目录中）。若执行Python程序，我们需要安装并运行Python解释器。接下来可以在本地运行这个程序，如果有15个项目同时运行，在一个容器中运行可以避免与其他项目发生冲突。
Dockerfile
运行Python代码，需要将容器打包为Docker镜像，然后运行。操作如下：
· 创建一个包含构建镜像所需指令的Dockerfile
· 然后通过Docker生成器创建镜像
· 简单的docker run <image>命令就可以创建一个正在运行应用程序的容器
Dockerfile分析
Dockerfile是一个包含合成Docker镜像说明的文件（命名为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是逐行编译的，因此生成器会生成一个图层，并将其叠加在之前的图像上。在build命令的输出中，可以看到作为步骤执行的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
然后可以发现镜像存储在本地图像中：
$ docker images
REPOSITORY TAG IMAGE ID CREATED SIZE
myimage latest 70a92e92f3b5 8 seconds ago 991MB
在开发过程中，可能需要多次为Python服务重新构建镜像，所以希望花费尽可能少的时间。
Docker和virtualenv非常相似，但又有所不同。Virtualenv允许你在Python依赖关系中切换，但必须使用主机操作系统。然而，使用Docker就可以在任何操作系统上安装和运行Python（包括Ubuntu、Debian、Alpine以及Windows Server Core）。
因此，如果你在一个团队中工作，希望可以在以后证明你的技术，就要使用Docker。如果不用docker，venv也是不错的，但它不是通向未来的凭证。
图源：unsplash
本文展示了如何创建Python服务包，并希望简化过程，使程序员的项目维持更长时间。因为当依赖关系发生变化时，它不太可能出现代码错误。
留言点赞关注
我们一起分享AI学习与发展的干货
如转载，请后台留言，遵守转载规范
