1. Docker详细介绍

  • 什么是Docker？
    Docker就像一个“轻量级的虚拟机”，但它更高效、更快速。想象一下，您要搬家：传统虚拟机相当于租一整辆卡车（包括引擎和司机），而Docker只用一个标准化的集装箱（容器），里面打包了您的家具（应用程序和依赖），直接放在任何卡车上运行。这样，您的应用能在不同环境（如开发机、测试服务器、云平台）中无缝运行，无需担心兼容性问题。

    • 核心概念：
      • 镜像（Image）：容器的“蓝图”或模板，包含应用代码、运行环境（如操作系统、库）。例如，一个Python应用的镜像是基于官方Python镜像构建的。
      • 容器（Container）：镜像的运行实例。每个容器是隔离的沙箱，共享主机操作系统内核，但拥有独立文件系统和资源。启动容器就像从蓝图造出一个可运行的房子。
      • Dockerfile：一个文本文件，定义如何构建镜像。它包含一系列指令（如FROM、RUN、COPY），指导Docker一步步创建镜像。 
        • FROM python:3.9-slim

WORKDIR /app

# 安装系统依赖
RUN apt-get update && apt-get install -y \
    curl \
    && rm -rf /var/lib/apt/lists/*

# 复制依赖文件并安装
COPY requirements.txt .
RUN pip install --no-cache-dir -r requirements.txt

# 复制应用代码
COPY . .

EXPOSE 5003

# 使用单进程模式启动
CMD ["python", "-c", "import os; from app import app; app.run(host='0.0.0.0', port=5003, threaded=False, processes=1)"]
      • 仓库（Registry）：存储和分享镜像的地方，如Docker Hub（公共仓库）或私有仓库。

  • Docker的工作原理
    Docker基于Linux内核的容器技术（如cgroups和namespaces），实现资源隔离：

    • 资源隔离：每个容器有自己的CPU、内存、网络和文件系统。例如，您可以为容器设置内存限制：容器最多使用1GB内存。
    • 高效性：容器共享主机内核，启动速度快（毫秒级），资源占用少（相比虚拟机节省90%资源）。
    • 可移植性：镜像打包所有依赖，在任何支持Docker的系统（Linux、Windows、Mac）上运行一致。

  • Docker的优点

    • 环境一致性：开发、测试、生产环境一致，避免“在我机器上能运行”的问题。
    • 快速部署：一键启动容器，支持自动化（CI/CD）。
    • 资源节省：多个容器共享主机资源，提高利用率。
    • 安全性：容器隔离，漏洞不影响主机（但需注意权限设置）。

  • 基本Docker命令
    安装Docker后（官网下载），常用命令：

    • docker build -t my-image .：基于当前目录的Dockerfile构建镜像，命名为my-image。
    • docker run -d --name my-container my-image：运行容器（-d后台运行）。
    • docker ps：查看运行中的容器。
    • docker stop my-container：停止容器。
    • docker rm my-container：删除容器。
    • docker images：列出所有镜像。
2. Docker-Compose详细介绍

  • 什么是Docker-Compose？
    当您的应用需要多个容器（如Web服务器+数据库+缓存），手动管理每个容器很麻烦。Docker-Compose就像一个“管家”，用一个YAML文件定义所有服务，然后一键启动整个应用栈。例如，一个电商应用可能包含前端、后端和数据库容器，Compose让它们协同工作。

  • 核心概念：

    • docker-compose.yml文件：YAML格式的配置文件，定义服务（容器）、网络、卷（存储）。它是Compose的核心。 
      • version: '3.8'

services:
  # 标注工具服务 - 单进程模式
  annotation-app:
    build:
      context: ./annotation-app
      dockerfile: Dockerfile
    ports:
      - "5003:5003"
    volumes:
      - ./annotation-app/logs:/app/logs
      - ./annotation-app/data:/app/data
    environment:
      - FLASK_ENV=production
      - FLASK_HOST=0.0.0.0
      - FLASK_PORT=5003
      - FLASK_DEBUG=false
      - PYTHONUNBUFFERED=1
      - OMP_NUM_THREADS=1
      - OPENBLAS_NUM_THREADS=1
      - MKL_NUM_THREADS=1
      - VECLIB_MAXIMUM_THREADS=1
      - NUMEXPR_NUM_THREADS=1
      - DB_HOST=
      - DB_PORT=
      - DB_USER=
      - DB_PASSWORD=
      - DB_NAME=store_v7_lite_bi_3
    restart: unless-stopped
    container_name: annotation-app
    deploy:
      resources:
        limits:
          memory: 1g
          cpus: '2.0'
    networks:
      - app-network

  # 截图采集服务
  capture-service:
    build:
      context: ./capture-service
      dockerfile: Dockerfile
    volumes:
      - ./capture-service/logs:/app/logs
      - ./capture-service/data:/app/data
    environment:
      - IOT_BASE_URL=https://store-hongqi.aibee.cn
      - DB_HOST=
      - DB_PORT=
      - DB_USER=
      - DB_PASSWORD=
      - DB_NAME=store_v7_lite_bi_3
      - PYTHONUNBUFFERED=1
    restart: unless-stopped
    container_name: capture-service
    networks:
      - app-network

networks:
  app-network:
    driver: bridge

    • 服务（Service）：一个容器实例的定义，包括镜像、环境变量、端口映射等。
    • 网络（Network）：容器间通信的专用网络，隔离外部。
    • 卷（Volume）：持久化存储数据，避免容器重启后数据丢失。

  • Docker-Compose的优点

    • 简化管理：一个命令启动/停止所有容器。
    • 环境配置统一：YAML文件版本控制，确保团队一致。
    • 支持复杂应用：定义依赖关系（如数据库先启动），自动处理网络连接。
    • 高效开发：本地测试多容器应用像运行单机程序。

  • 基本Docker-Compose命令
    安装Docker-Compose（通常随Docker安装），常用命令：

    • docker-compose up -d：根据docker-compose.yml启动所有服务（-d后台运行）。
    • docker-compose down：停止并移除所有容器、网络。
    • docker-compose ps：查看服务状态。
    • docker-compose logs：查看日志。
3. 简单应用示例：一个Python Web应用 + PostgreSQL数据库

我将通过一个实际例子展示Docker和Docker-Compose的简单应用。场景：一个基于Flask的Python web应用，连接到PostgreSQL数据库。目标：用Docker打包应用，用Compose一键运行整个栈。

步骤1: 准备项目文件
创建项目目录，例如my-app，包含以下文件：

  • app.py：Flask应用代码。
  • requirements.txt：Python依赖列表。
  • Dockerfile：构建应用镜像。
  • docker-compose.yml：定义所有服务。

步骤2: 编写应用代码

  • 创建app.py（简单Web服务，返回“Hello Docker!”）： 
    from flask import Flask
app = Flask(__name__)

@app.route('/')
def home():
    return "Hello Docker!"

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

  • 创建requirements.txt： 
    flask

步骤3: 创建Dockerfile
在my-app目录下创建Dockerfile，构建Python应用镜像：

# 使用官方Python镜像作为基础
FROM python:3.9-slim

# 设置工作目录
WORKDIR /app

# 复制依赖文件并安装
COPY requirements.txt .
RUN pip install --no-cache-dir -r requirements.txt

# 复制应用代码
COPY . .

# 暴露端口（Flask默认5000）
EXPOSE 5000

# 启动命令
CMD ["python", "app.py"]

步骤4: 创建docker-compose.yml
在my-app目录下创建docker-compose.yml，定义两个服务（web应用和数据库）：

version: '3.8'  # Compose文件版本

services:
  web:
    build: .  # 使用当前目录的Dockerfile构建镜像
    ports:
      - "5000:5000"  # 主机端口:容器端口映射
    depends_on:
      - db  # 依赖db服务先启动
    environment:
      - FLASK_ENV=development
  
  db:
    image: postgres:13  # 使用官方PostgreSQL镜像
    environment:
      - POSTGRES_USER=myuser
      - POSTGRES_PASSWORD=mypassword
      - POSTGRES_DB=mydb
    volumes:
      - db-data:/var/lib/postgresql/data  # 卷持久化数据

volumes:
  db-data:  # 定义卷，避免数据丢失

步骤5: 运行应用
在终端进入my-app目录，执行：

docker-compose up -d

  • 解释：Compose会根据docker-compose.yml启动web和db服务。web服务构建镜像并运行，db服务直接拉取PostgreSQL镜像。
  • 测试：打开浏览器访问http://localhost:5000，显示“Hello Docker!”。
  • 停止应用：运行docker-compose down，但卷保留数据（下次启动时恢复）。

关键点解析：

  • 隔离性：web和db容器在独立网络中通信，外部无法直接访问db。
  • 持久化：卷db-data确保数据库数据不丢失（即使容器重启）。
  • 资源控制：您可以在Compose文件中添加资源限制，例如web服务内存限制为$512\text{MB}$，在YAML中添加： 
    web:
  ...
  deploy:
    resources:
      limits:
        memory: 512M

4. 总结与最佳实践
  • Docker和Docker-Compose的好处：提高开发效率、确保环境一致性、简化部署。适合微服务、CI/CD流水线等场景。
  • 最佳实践：
    • 保持镜像轻量：使用slim基础镜像，删除不必要的文件。
    • 安全设置：避免以root用户运行容器，限制权限。
    • 数据管理：使用卷或绑定挂载（bind mounts）持久化重要数据。
    • 监控：用docker stats查看资源使用，或集成Prometheus。
  • 学习资源：官方文档（docs.docker.com）和Docker Hub社区镜像。

通过这个简单示例，您已经实现了多容器应用的本地运行。Docker和Docker-Compose是现代DevOps的基石，推荐您动手实践（如扩展这个应用添加Redis缓存）。遇到问题，欢迎进一步提问！

# docker # 容器 # 测试 # python
Logo
亚马逊云科技技术品牌专区

更多推荐

cover

智能物联网场景下，支持多模型的AI平台实际表现解析

avatar 亚马逊云科技技术品牌专区
cover

基于大数据爬虫+Hadoop+深度学习的旅游推荐系统设计与开发

avatar 亚马逊云科技技术品牌专区
cover

基于大数据爬虫+Hadoop+深度学习的个性化音乐推荐系统设计与开发

avatar 亚马逊云科技技术品牌专区