本文轉(zhuǎn)載自公眾號“讀芯術(shù)”(ID：AI_Discovery)。

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

這主要是因?yàn)閹?、IDE(集成開發(fā)環(huán)境)，甚至Python代碼都需要經(jīng)過更新和版本升級。有時(shí)更新一個(gè)庫，某段代碼就會出錯(cuò)，需要重新修改代碼。如果同時(shí)開發(fā)多個(gè)項(xiàng)目，就會引起依賴沖突，當(dāng)某段代碼導(dǎo)致另一段代碼錯(cuò)誤時(shí)，事情就會變得很棘手了。

另外，如果想將項(xiàng)目共享給一個(gè)在不同操作系統(tǒng)上的工作伙伴，或者將在Mac上構(gòu)建的項(xiàng)目交付到另一個(gè)操作系統(tǒng)的生產(chǎn)服務(wù)器上，就不得不重新配置代碼了。

為了解決這些問題，將項(xiàng)目和項(xiàng)目所處的環(huán)境分離的方法被稱為“容器”。容器是支持環(huán)境運(yùn)行的地方，與系統(tǒng)上的其他內(nèi)容東西相分離。一旦定義了容器中的內(nèi)容，重建環(huán)境就很容易了，甚至可以實(shí)現(xiàn)與同事共享項(xiàng)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(wù)包

假設(shè)正在創(chuàng)建一個(gè)名為server.py的Flask服務(wù)，并設(shè)置該文件的內(nèi)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(guān)系的記錄。因此創(chuàng)建一個(gè)關(guān)于需求的txt文件，包含以下內(nèi)容：

Flask==1.1.1 

因此，服務(wù)包有以下結(jié)構(gòu)：

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

該結(jié)構(gòu)十分符合邏輯(源文件保存在獨(dú)立目錄中)。若執(zhí)行Python程序，我們需要安裝并運(yùn)行Python解釋器。接下來可以在本地運(yùn)行這個(gè)程序，如果有15個(gè)項(xiàng)目同時(shí)運(yùn)行，在一個(gè)容器中運(yùn)行可以避免與其他項(xiàng)目發(fā)生沖突。

Dockerfile

運(yùn)行Python代碼，需要將容器打包為Docker鏡像，然后運(yùn)行。操作如下：

• 創(chuàng)建一個(gè)包含構(gòu)建鏡像所需指令的Dockerfile
• 然后通過Docker生成器創(chuàng)建鏡像
• 簡單的docker run 命令就可以創(chuàng)建一個(gè)正在運(yùn)行應(yīng)用程序的容器

Dockerfile分析

Dockerfile是一個(gè)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(gè)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(zhí)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(fā)現(xiàn)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(fā)過程中，可能需要多次為Python服務(wù)重新構(gòu)建鏡像，所以希望花費(fèi)盡可能少的時(shí)間。

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

因此，如果你在一個(gè)團(tuán)隊(duì)中工作，希望可以在以后證明你的技術(shù)，就要使用Docker。如果不用docker，venv也是不錯(cuò)的，但它不是通向未來的憑證。

[[341481]]

圖源：unsplash

本文展示了如何創(chuàng)建Python服務(wù)包，并希望簡化過程，使程序員的項(xiàng)目維持更長時(shí)間。因?yàn)楫?dāng)依賴關(guān)系發(fā)生變化時(shí)，它不太可能出現(xiàn)代碼錯(cuò)誤。