本文覆盖常规同盘项目与跨盘依赖项目两种使用场景，同时包含「依赖清单在线安装」与「完整依赖文件夹打包」两种依赖处理方案，可根据实际情况选择。

一、标准方案：依赖清单在线安装（推荐）

这是 Docker 通用最佳实践，不复制本地虚拟环境或完整依赖文件夹，仅通过依赖清单文件（如 Python 的 requirements.txt）在镜像构建时自动在线安装依赖，生成的镜像体积小、跨平台兼容性强。

1.1 常规同盘场景（项目与依赖清单在同一目录）

适用于项目代码与依赖清单都在同一盘符、同一项目目录下的普通场景。

目录结构

Plain Text
C:\my-project\          # 项目根目录
├── A/                  # 项目代码文件夹
│   └── main.py         # 程序入口
├── requirements.txt    # 依赖清单文件
└── Dockerfile

Dockerfile 编写

dockerfile
# 选择基础运行环境
FROM python:3.10-slim

# 设置容器内工作目录
WORKDIR /app

# 复制项目代码
COPY A /app/A

# 复制依赖清单文件
COPY requirements.txt /app/requirements.txt

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

# 容器启动命令
CMD ["python", "A/main.py"]

构建镜像

在项目根目录打开终端执行：

powershell
cd C:\my-project
docker build -t my-project:v1 .

1.2 跨盘场景（依赖清单在其他盘符）

如果 requirements.txt 不在项目目录，而在其他盘符（如 D:\libs\requirements.txt），有两种处理方式：

方式 1：复制清单到项目目录（最简单）

将其他盘符的 requirements.txt 复制到项目根目录，后续操作与 1.1 完全一致。

方式 2：多构建上下文（不移动文件）

使用 Docker BuildKit 多上下文功能，直接读取跨盘的依赖清单：

dockerfile
FROM python:3.10-slim
WORKDIR /app
COPY --from=project . /app/A
COPY --from=deps requirements.txt /app/requirements.txt
RUN pip install --no-cache-dir -r requirements.txt
CMD ["python", "A/main.py"]

构建命令：

powershell
docker buildx build `
  --build-context project=C:/my-project/A `
  --build-context deps=D:/libs `
  -t my-project:v1 `
  -f Dockerfile .

二、离线方案：打包完整依赖文件夹（特殊依赖适用）

适用于依赖无法在线安装、需要离线运行，或依赖文件夹包含二进制 SDK、模型文件等特殊场景。

2.1 常规同盘场景

如果依赖文件夹与项目在同一盘符、同一上级目录下，直接在 Dockerfile 中复制即可。

目录结构

Plain Text
C:\my-project\
├── A/          # 项目代码
├── B/          # 依赖文件夹
└── Dockerfile

Dockerfile 编写

dockerfile
FROM python:3.10-slim
WORKDIR /app
COPY A /app/A
COPY B /app/B
RUN pip install --no-cache-dir -r B/requirements.txt
CMD ["python", "A/main.py"]

2.2 跨盘场景（依赖在其他盘符）

Docker 构建时有「构建上下文」规则：只能读取命令执行目录及其子目录内的文件，无法直接读取其他盘符 / 上级目录的文件，需先统一目录结构。

步骤 1：整理目录结构

  1. 找到项目根目录，例如 C:\my-project\，存放代码文件夹 A
  1. 找到其他盘符的依赖文件夹，例如 D:\libs\B
  1. 将整个 B 文件夹复制到 C:\my-project\ 下，最终结构与 2.1 一致：

Plain Text
C:\my-project\          
├── A/                  
│   └── main.py         
├── B/                  
│   └── requirements.txt
└── Dockerfile

步骤 2：创建 .dockerignore 优化体积（可选）

在项目根目录新建 .dockerignore 文件，排除无用文件，大幅减小镜像大小：

Plain Text
.git
.venv
node_modules
*.log
__pycache__
.vscode
.idea

步骤 3：构建镜像

powershell
cd C:\my-project
docker build -t my-project:v1 .

参数说明：

  • -t my-project:v1：给镜像命名并标记版本
  • 末尾的 .：代表以当前目录作为构建上下文，绝对不能省略

构建完成后执行 docker images，列表中出现 my-project:v1 即为成功。

三、镜像导出与分享

方式 1：本地文件传输（无需账号）

导出镜像

powershell
docker save -o my-project-v1.tar my-project:v1

执行后项目根目录生成 my-project-v1.tar，将该文件发送给朋友即可。

朋友导入并运行

前置准备：朋友电脑需安装 Docker Desktop（Windows/Mac）或 Docker 引擎（Linux）。

  1. 导入镜像

powershell
docker load -i my-project-v1.tar

执行 docker images 能看到对应镜像即为导入成功。

  1. 启动容器
  • 普通命令行 / 脚本项目：

powershell
docker run --rm my-project:v1

  • Web / 接口服务项目（需端口映射，容器内端口以 8080 为例）：

powershell
docker run -d -p 8080:8080 --name my-app my-project:v1

参数说明：

  • -d：后台静默运行
  • -p 8080:8080：本地 8080 端口映射到容器内 8080 端口
  • --name my-app：给容器命名便于管理
  1. 验证运行
  • 命令行项目：查看终端输出
  • Web 项目：浏览器访问 http://localhost:8080

方式 2：云端仓库分享（适合多次分享）

  1. 注册并登录 Docker Hub

powershell
docker login

  1. 给镜像打标签（替换为你的 Docker Hub 用户名）

powershell
docker tag my-project:v1 你的用户名/my-project:v1

  1. 推送镜像到云端

powershell
docker push 你的用户名/my-project:v1

  1. 朋友直接拉取运行

powershell
docker pull 你的用户名/my-project:v1
docker run -d -p 8080:8080 你的用户名/my-project:v1

四、备选挂载方案：运行时挂载依赖（适合 GB 级大体积依赖）

如果依赖体积很大（如 AI 模型、大型 SDK），不想打进镜像导致文件过大，可使用「镜像仅打包代码 + 运行时挂载依赖」的方案。

你这边的操作

  1. Dockerfile 仅打包项目代码

dockerfile
FROM python:3.10-slim
WORKDIR /app
COPY A /app/A
CMD ["python", "A/main.py"]

  1. 构建镜像并导出 tar 包
  1. 将「镜像 tar 包」和「依赖文件夹压缩包」一并发给朋友

朋友那边的操作

  1. 解压依赖文件夹到本地任意路径，例如 D:\deps\B
  1. 导入镜像
  1. 启动容器时添加挂载参数

powershell
docker run -d -p 8080:8080 -v D:/deps/B:/app/B my-project:v1

格式规则：-v 本地依赖绝对路径:容器内依赖路径
容器内的路径 /app/B 必须和代码中读取依赖的路径完全一致，否则会出现依赖找不到的错误。

五、常见问题排查

  1. 构建报错「找不到文件」：检查依赖文件 / 文件夹是否在构建上下文目录内，确认 Dockerfile 中路径拼写正确。
  1. 运行提示找不到依赖：挂载方案请核对容器内路径与代码读取路径是否完全匹配；自包含方案请检查 Dockerfile 中 COPY 路径与依赖安装命令是否正确。
  1. Web 项目无法访问：检查端口映射参数是否正确，确认本地端口未被其他程序占用。

# docker # java # 大数据
Logo
亚马逊云科技技术品牌专区

更多推荐

cover

基于STM32的全屋环境智能监测与预警终端设计

avatar 亚马逊云科技技术品牌专区

Keras：面向人类的深度学习库

Keras3支持多后端（TensorFlow、PyTorch、JAX），通过设置环境变量切换，兼容指定版本。pip安装后可用Sequential API快速构建CNN模型，如MNIST分类示例，实

avatar 亚马逊云科技技术品牌专区

AI行业日报｜2026-09-25：5个热点事件

本期行业动态聚焦于端侧算力重构、自主智能体工作流、开发工具经济模型、网络隔离架构设计与公共部门合规审查。以下结合一线技术场景进行结构化梳理，供 AI 研究员与软件工程团队参考。 PrismML 正将其轻量级语言模型适配至搭载高通处理器的智能眼镜终端 1 。该平台的核心战略指向开源权重模型的本地化运行，旨在最大化挖掘穿戴设备现有算力的利用效率 1 。对于嵌入式与边缘计算开发者而言，此类微型模型向低功

avatar 亚马逊云科技技术品牌专区