引言

在云计算和微服务架构盛行的今天，容器化部署已经成为开发者必备技能。Docker 凭借轻量、可移植、一致性环境等优势，让应用交付和部署变得前所未有的简单。本文将以一个完整的 Flask + Redis 微服务应用为例，从零开始演示如何通过 Docker 容器化部署，涵盖镜像构建、容器管理、多服务编排以及生产中的常见问题与优化，让你看完就能上手项目。

一、Docker 核心概念速览

在动手之前，先快速理解 Docker 的三个核心概念：

• 镜像（Image）：应用的只读模板，包含运行环境和代码，类似虚拟机的快照。
• 容器（Container）：镜像的运行实例，拥有独立的文件系统、网络、进程空间。
• 仓库（Registry）：存放镜像的远程仓库（如 Docker Hub），可用来分享和分发镜像。

简单的类比：镜像就像类（Class），容器是由类创建的对象（Object）。

二、实战：从代码到容器

我们将构建一个简单的计数应用：前端通过 Flask 提供 Web 接口，访问时返回页面的访问次数；次数存储在 Redis 中。应用结构如下：

docker-counter/
├── app.py
├── requirements.txt
├── Dockerfile
└── docker-compose.yml

2.1 编写 Flask 应用

app.py

import os
import redis
from flask import Flask

app = Flask(__name__)
# 从环境变量读取 Redis 连接信息，方便部署时配置
REDIS_HOST = os.environ.get('REDIS_HOST', 'localhost')
REDIS_PORT = int(os.environ.get('REDIS_PORT', 6379))
cache = redis.StrictRedis(host=REDIS_HOST, port=REDIS_PORT, decode_responses=True)

@app.route('/')
def index():
    # 每次访问，计数器加1
    count = cache.incr('hits')
    return f'Hello! This page has been visited {count} times.'

if __name__ == '__main__':
    app.run(host='0.0.0.0', port=5000)

requirements.txt

flask==2.3.3
redis==4.6.0

2.2 编写 Dockerfile

Dockerfile 定义了如何构建镜像，包括基础镜像、依赖安装、代码复制等。

# 使用官方 Python 3.11 轻量镜像作为基础
FROM python:3.11-slim

# 设置工作目录
WORKDIR /app

# 先复制依赖文件，利用 Docker 层缓存加快构建
COPY requirements.txt .

# 安装依赖
RUN pip install --no-cache-dir -r requirements.txt

# 复制应用代码
COPY app.py .

# 声明容器运行时监听的端口
EXPOSE 5000

# 容器启动时执行的命令
CMD ["python", "app.py"]

📌 注意：COPY requirements.txt . 放在前面，当代码没有变化时，Docker 会重用缓存的依赖安装层，极大加快构建速度。

2.3 构建与运行单容器（仅 Flask）

现在我们可以在本地启动一个 Redis 服务用于测试，但也可以先只运行 Flask，连接到本地的 Redis（此处我们直接使用 docker-compose 后面的方案）。单独构建并运行容器的命令如下：

# 构建镜像，标签为 counter-app
docker build -t counter-app .

# 运行容器，并指定端口映射和环境变量
docker run -d -p 5000:5000 \
  -e REDIS_HOST=host.docker.internal \
  -e REDIS_PORT=6379 \
  --name my-counter \
  counter-app

host.docker.internal 是 Docker Desktop 中用来访问宿主机服务的特殊域名（Linux 需额外配置）。此时访问 http://localhost:5000 即可看到计数器。

但单容器方案不够优雅，下面我们用 Docker Compose 把 Flask 和 Redis 编配在一起，实现多服务的容器化部署。

三、使用 Docker Compose 编排多服务

Compose 通过一个 YAML 文件定义多个容器，一条命令即可启动整个应用。

docker-compose.yml

version: '3.8'

services:
  redis:
    image: redis:7-alpine        # 官方轻量 Redis
    container_name: redis-server
    ports:
      - "6379:6379"              # 可选：暴露给宿主机调试
    volumes:
      - redis-data:/data         # 数据持久化
    restart: unless-stopped

  web:
    build: .                     # 使用当前目录的 Dockerfile 构建
    container_name: flask-app
    ports:
      - "5000:5000"
    environment:
      - REDIS_HOST=redis         # 使用 Compose 网络内部的服务名
      - REDIS_PORT=6379
    depends_on:
      - redis                    # 保证启动顺序
    restart: unless-stopped

volumes:
  redis-data:                    # 命名数据卷，持久化 Redis 数据

说明：
- 两个服务 redis 和 web 处于默认的同一个网络中，可以直接通过服务名通信（如 redis）。
- depends_on 控制启动顺序，但不保证 Ready，在实际生产中可以配合 healthcheck。
- Redis 数据通过命名卷 redis-data 持久化，即使容器删除数据也不会丢失。

启动应用

在 docker-counter 目录下运行：

# 后台启动所有服务
docker compose up -d

# 查看运行状态
docker compose ps

# 查看日志
docker compose logs -f

# 停止并移除容器、网络（数据卷默认保留）
docker compose down

打开浏览器访问 http://localhost:5000，多次刷新，即可看到计数器增长，数据存储在 Redis 卷中。

验证数据持久化

# 停掉并删除容器
docker compose down

# 重新启动
docker compose up -d

再次访问，计数器会从上一次的值开始递增，证明 Redis 数据没有丢失。

四、生产环境注意事项与最佳实践

4.1 轻量化镜像

选用 python:3.11-slim 或 alpine 版本，避免携带不必要的工具，减小攻击面和体积。本例使用 redis:7-alpine，体积仅 30MB 左右。

4.2 多阶段构建

对于需要编译的依赖（如 C 扩展），可使用多阶段构建，最终镜像只保留运行所需文件。示例（非必需）：

FROM python:3.11-slim as builder
RUN pip install --user --no-cache-dir flask

FROM python:3.11-slim
COPY --from=builder /root/.local /root/.local
...

4.3 使用非 root 用户运行

增强安全性，避免容器内进程以 root 运行。可以在 Dockerfile 中创建用户并切换：

RUN addgroup --system appgroup && adduser --system --group appuser
USER appuser

不过本例中基础镜像多数已经以非特权用户执行，但自定义应用时需留意。

4.4 健康检查

为关键服务添加健康检查，让编排工具能感知服务状态。在 docker-compose.yml 中添加：

web:
  ...
  healthcheck:
    test: ["CMD", "curl", "-f", "http://localhost:5000"]
    interval: 30s
    timeout: 3s
    retries: 3

4.5 环境变量与配置文件管理

避免硬编码，通过环境变量或 Docker Secrets 管理敏感信息。示例中 Redis 地址已通过环境变量传入，生产环境可配合 .env 文件：

# .env
REDIS_HOST=redis
REDIS_PORT=6379
FLASK_ENV=production

然后在 Compose 文件中通过 env_file 引入或使用 ${REDIS_HOST} 引用。

4.6 日志与监控

容器的标准输出会被 Docker 收集，可通过 docker logs 查看。生产环境建议应用将日志输出到 stdout/stderr，然后使用日志驱动转发到集中式平台（如 ELK、Loki）。在 Compose 中可配置：

logging:
  driver: json-file
  options:
    max-size: "10m"
    max-file: "3"

五、常见问题 Q&A

Q1：容器无法访问宿主机服务？
A：在 Docker Desktop（Mac/Windows）中，使用 host.docker.internal；Linux 下可以使用 --network host 模式，或宿主机 IP 额外配置。

Q2：Compose 中 depends_on 不等待服务就绪怎么办？
A：配合 condition: service_healthy（需要定义 healthcheck）或使用 wait-for-it.sh 等脚本。

Q3：如何共享容器之间的文件？
A：使用 Volumes，如示例中 Redis 数据卷；多个容器可以挂载同一个命名卷或绑定宿主目录。

Q4：Dockerfile 构建失败，提示“无法找到包”怎么回事？
A：基础镜像可能未更新源，构建前可以在 Dockerfile 中执行 apt-get update（仅适用于 Debian 系）。使用 Alpine 的 apk update。

Q5：如何将构建好的镜像推送到仓库？
A：首先 docker tag counter-app yourusername/counter-app:1.0，然后 docker push yourusername/counter-app:1.0。

六、总结

本文通过一个实际可运行的 Flask + Redis 计数器应用，讲解了 Docker 容器化部署的全流程：从编写 Dockerfile 构建镜像，到使用 Docker Compose 编排多服务，并分享了生产环境中的优化技巧和常见问题。容器化部署不仅能保证环境一致性，还能极大提升开发效率和部署可靠性。

现在，你可以将这套流程应用到自己的项目中，无论是单体应用还是微服务，Docker 都能帮你轻松驾驭。别忘了实践是检验真理的唯一标准，赶紧动手试试吧！

---

如果你在部署中遇到问题，欢迎在评论区交流，一起完善容器化落地方案。