大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。



原文：towardsdatascience.com/setting-a-dockerized-python-environment-the-hard-way-e62531bca7a0?source=collection_archive———2———————–#2024-02-13

https://medium.com/@rami.krispin?source=post_page—byline–e62531bca7a0——————————–https://towardsdatascience.com/?source=post_page—byline–e62531bca7a0——————————– Rami Krispin

·发表于Towards Data Science ·阅读时长 9 分钟·2024 年 2 月 13 日

–

本文将回顾从命令行（CLI）运行 Docker 化 Python 环境的不同方法。我是否推荐你从 CLI 运行 Python 环境？绝对不！

还有更好的方式来设置 Python 开发环境，比如使用VScode 和 Dev Containers 扩展。但为了学习目的，我们将使用“硬方法”通过 CLI 来设置 Python 环境。我们将回顾使用 run 命令启动容器的不同方法，并了解如何通过 Dockerfile 定制内置镜像。

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/acbfde2cb642aa103b6f28af32df61d0.png

一只由作者使用 Midjourney 创建的 Pixal Python Snake

要跟随本教程进行操作，您需要以下内容：

• 如果您使用的是 macOS 或 Windows 操作系统的机器，则需要安装 Docker Desktop（或等效工具）；如果您使用的是 Linux 操作系统，则需要安装 Docker。
• 您需要一个 Docker Hub 账户来拉取镜像。

在整个教程中，我们将使用官方的 Python 镜像——python:3.10。

我们首先从 Docker Hub 拉取官方的 Python 3.10 镜像。首先，使用docker login命令登录到 Docker Hub：

docker login docker.io ok Authenticating with existing credentials... Login Succeeded 

接下来，我们将使用终端中的docker pull命令：

docker pull python:3.10 ok 

如果这是您第一次拉取镜像，您应该期待以下输出：

3.10: Pulling from library/python 66932e2b787d: Pull complete 4afa7e263db1: Pull complete ce5e62: Pull complete f4e4299bb649: Pull complete 5213cc2f9120: Pull complete 4a3b5b2f0e66: Pull complete c214ceb1cabf: Pull complete fb15c: Pull complete Digest: sha256:f94601bb6374b0b63835a70c9e5c3ba1b19bc00aae46 Status: Downloaded newer image for python:3.10 docker.io/library/python:3.10 

您可以使用docker images命令查看镜像详细信息：

docker images ok 11s REPOSITORY TAG IMAGE ID CREATED SIZE python 3.10 f7537c504c9a 7 days ago 1.01GB 

在运行容器之前，让我们使用docker inspect命令来查看镜像元数据：

docker inspect python:3.10 

这将返回以下JSON输出：

[ { "Id": "sha256:f7537c504c9a91a22c9a255ee02048e7079cacdeee8238c605d17f9600", "RepoTags": [ "python:3.10" ], "RepoDigests": [ "python@sha256:f94601bb6374b0b63835a70c9e5c3ba1b19bc00aae46" ], "Parent": "", "Comment": "buildkit.dockerfile.v0", "Created": "2024-02-03T10:49:13Z", "Container": "", "ContainerConfig": { "Hostname": "", "Domainname": "", "User": "", "AttachStdin": false, "AttachStdout": false, "AttachStderr": false, "Tty": false, "OpenStdin": false, "StdinOnce": false, "Env": null, "Cmd": null, "Image": "", "Volumes": null, "WorkingDir": "", "Entrypoint": null, "OnBuild": null, "Labels": null }, "DockerVersion": "", "Author": "", "Config": , "Architecture": "arm64", "Variant": "v8", "Os": "linux", "Size": , "VirtualSize": , "GraphDriver": , "Name": "overlay2" }, "RootFS": { "Type": "layers", "Layers": [ "sha256:9f8c60461a42fd9f275c56f4ec8fea8a8ea2de316ea3814cf0aa", "sha256:927a28cdbf6cb2cba00058dcebe1996e46cade38a09370", "sha256:e85139d96aee18e99fc964d02546be48cc6a4d4dfd9f465a91f172b7c535e55f", "sha256:f3168ba6a8d2ec30e12002ad5b7b497cf7409f3e19cc8d8f447f6cf4231a2482", "sha256:acbc6cb09fa336efdc630d3594e15174f2bc1bdbf31d", "sha256:06c4da96c7dd2fbbbb541e000bd0ea4cfbf7c80b24f098a9d67f677ef5e6c63e", "sha256:1cdf208dc10679cf5db6d4f0e17ff6d5bfe754b4195ddd3b153b6d1ff51ce909", "sha256:5d6f554f67c7da9dbac632ac6e6fdbf9244f888f110fd37740" ] }, "Metadata": { "LastTagTime": "0001-01-01T00:00:00Z" } } ] 

ispect 命令提供了有关镜像的很多有用信息，例如层信息、镜像大小、硬件架构等。因为我们想运行该镜像，最有趣的细节是 CMD 设置。Dockerfile 中的 CMD 命令定义了容器启动时要执行的命令。我们可以通过上面的输出解析 CMD 信息，使用 jq 包：

docker inspect python:3.10 | jq '.[] | .Config | .Cmd' ok [ "python3" ] 

如你所见，镜像被设置为在容器运行时执行 python3 命令。现在，让我们使用 run 命令启动容器：

docker run python:3.10 

然后……没有任何反应。简而言之，原因是我们需要给 Docker 终端访问权限。我们将使用交互模式和 TTY 参数来运行镜像：

docker run --interactive --tty python:3.10 

这将把终端连接到容器并在容器内打开 Python：

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/b066a01ee719f9428d280fc9.png

在交互模式下运行 Python 镜像（截图由作者提供）

尽管我们能够在容器内启动 Python，但这样做并不太实用：

• 我们无法在 Python 解释器内创建、编辑和运行脚本
• 默认情况下，Python 镜像仅包含有限的库。在这种模式下，你无法添加额外的库
• 最后但同样重要的是，容器是短暂的。一旦你停止它，所有的工作都会丢失

例如，如果我们尝试加载 pandas，我们将遇到以下错误：

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/574f93ea2b2baadd9a6eb40e20.png

尝试加载 Pandas 库（截图由作者提供）

在接下来的部分中，我们将通过创建 Dockerfile 和自定义基础镜像功能来解决这些问题。这包括添加以下功能：

• 设置虚拟环境并使用 requirements 文件安装包。为了简化，
• 安装一个 vim 编辑器以编辑文件
• 更改 CMD 命令以在启动时打开一个 shell 终端（而不是 Python 解释器）。这将使我们能够从终端创建新脚本、编辑并执行它们

为了自定义 Python 环境并进行上述更改，我们将创建一个包含以下功能的 Dockerfile：

• 导入 Python 镜像 — python:3.10
• 设置虚拟环境
• 安装所需的库
• 安装 vim 编辑器
• 暴露一个 bash 终端

为了设置一个 Python 虚拟环境，我们将使用以下两个辅助文件：

requirements.txt

wheel==0.40.0 pandas==2.0.3 

该文件定义了要在虚拟环境中安装的 Python 库列表。例如，在这种情况下，我们将安装 Pandas 库，版本为 2.0.3。通常，我还会安装 wheels 库，它处理 C 语言依赖。

下一个辅助文件是下面的 bash 脚本，它设置虚拟环境并从 requirements.txt 文件中安装所需的库。

set_python_env.sh

#!/usr/bin/env bash PYTHON_ENV=$1 python3 -m venv /opt/$PYTHON_ENV && export PATH=/opt/$PYTHON_ENV/bin:$PATH && echo "source /opt/$PYTHON_ENV/bin/activate" >> ~/.bashrc source /opt/$PYTHON_ENV/bin/activate pip3 install -r ./requirements/requirements.txt 

注意： 我们使用一个变量（标记为$1）来定义环境名称，该名称将被赋值给PYTHON_ENV变量。在构建过程中使用变量是一种良好的做法，因为它使我们能够在不修改代码的情况下修改镜像的某些特性。我们将在 Dockerfile 中为变量赋值。

让我们解释一下来自上述 bash 脚本的以下拼接代码，它设置了虚拟环境：

python3 -m venv /opt/$PYTHON_ENV && export PATH=/opt/$PYTHON_ENV/bin:$PATH && echo "source /opt/$PYTHON_ENV/bin/activate" >> ~/.bashrc 

上述三行代码包括三个拼接表达式：

• 第一，使用python3 -m venv /opt/$PYTHON_ENV命令设置一个虚拟环境。
• 第二，向PATH变量中添加虚拟环境路径。
• 第三，向.bashrc文件中添加环境激活命令。这将确保每次启动终端时，默认激活这个虚拟环境（否则，你需要在启动环境时手动激活）。

环境设置完成后，我们使用source命令激活环境，并使用pip3命令在环境中安装库。

在审查了辅助文件后，让我们看看它们如何在下面的 Dockerfile 中被引用。

Dockerfile

FROM python:3.10 ARG PYTHON_ENV=my_env ENV PYTHON_ENV=$PYTHON_ENV RUN mkdir requirements COPY requirements.txt set_python_env.sh /requirements/ RUN bash ./requirements/set_python_env.sh $PYTHON_ENV RUN apt-get update && apt-get install -y vim && apt update CMD ["/bin/sh", "-c", "bash"] 

如你所见，我们使用相同的镜像——python:3.10作为我们的基础镜像。

接下来，我们使用ARG命令设置一个名为PYTHON_ENV的参数，用于定义虚拟环境名称。我们将my_env设置为默认值，并且可以在构建时使用arg参数进行修改。我们还使用PYTHON_ENV参数来设置一个环境变量。

在设置虚拟环境之前，我们将在镜像的根目录下创建一个名为requirements的新文件夹，并使用COPY命令将上述辅助文件——requirements.txt和set_my_python.sh复制到requirements文件夹中。

接下来，我们调用 bash 脚本set_my_python.sh，该脚本设置虚拟环境并安装所需的库。如上所述，我们使用PYTHON_ENV变量作为参数，配合set_my_python.sh文件动态设置虚拟环境名称。

我们使用apt命令安装vim——一个 CLI 编辑器。这样我们就可以通过容器 CLI 编辑代码了。

最后但同样重要的是，使用CMD命令启动一个 bash 终端：

CMD ["/bin/sh", "-c", "bash"] 

此时，我们在本地文件夹中有以下文件：

. ├── Dockerfile ├── requirements.txt └── set_python_env.sh 

现在让我们继续使用docker build命令构建镜像：

docker build .-f Dockerfile -t my_python_env:3.10 [+] Building 47.3s (10/10) FINISHED => [internal] load build definition from Dockerfile 0.2s => => transferring dockerfile: 389B 0.0s => [internal] load .dockerignore 0.2s => => transferring context: 2B 0.0s => [internal] load metadata for docker.io/library/python:3.10 0.0s => [1/5] FROM docker.io/library/python:3.10 1.3s => [internal] load build context 0.4s => => transferring context: 460B 0.0s => [2/5] RUN mkdir requirements 0.5s => [3/5] COPY requirements.txt set_python_env.sh /requirements/ 0.2s => [4/5] RUN bash ./requirements/set_python_env.sh my_env 26.8s => [5/5] RUN apt-get update && apt-get install -y vim && apt update 17.4s => exporting to image 0.7s => => exporting layers 0.6s => => writing image sha256:baceea6154cd4bcb9ec9690de6dc4d5edd5b2ed13f6c579dd05c 0.0s => => naming to docker.io/library/my_python_env:3.10 

让我们再次运行 docker images 命令，查看当前镜像：

docker images REPOSITORY TAG IMAGE ID CREATED SIZE my_python_env 3.10 baceea 7 minutes ago 1.23GB python 3.10 f7537c504c9a 8 days ago 1.01GB 

正如你所注意到的，添加虚拟环境并安装包后，镜像大小增加了大约 250MB。

构建完镜像后，让我们使用docker run命令启动镜像，并检查上述属性是否按预期定义：

docker run --interactive --tty my_python_env:3.10 

这将以交互模式启动镜像，并按预期打开一个 bash 终端：

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/6898d42a4462a0bbb0ea5a3826cada26.png

通过 shell 终端启动容器（截图由作者提供）

正如您在上面的截图中所看到的，它在 bash 终端内启动了容器，并且虚拟环境已按预期设置为my_env。pandas库已经安装并可以加载，我们现在可以从终端编辑文件。

需要注意的一个问题是容器仍然是临时的。因此，我们在镜像内创建的任何代码都无法导出，并且在停止容器运行后将会丢失。

一个简单的解决方案是使用volume参数挂载一个卷。为了简便起见，我们将继续挂载本地文件夹，其中包含 Dockerfile 和辅助文件，挂载到容器内一个名为my_scripts的新文件夹中：

docker run -v .:/my_scripts --interactive --tty my_python_env:3.10 

这是输出结果：

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/a98dcff248d1bac.png

将本地卷挂载到容器中（截图由作者提供）

一旦文件夹被挂载，容器内挂载文件夹中创建、修改或删除的任何文件将会反映到本地文件夹。这使得在停止容器时能够保持代码的更新。

在本教程中，我们回顾了如何使用命令行设置 Docker 化的 Python 环境。虽然这既不是开发 Python 的实用方法，也不是推荐的方法，但它是学习 Docker 核心命令和基本功能的一个很好的体验。我们展示了如何轻松地使用内置镜像并根据我们的需求对其进行定制。最后但同样重要的是，我们展示了如何使用卷参数将本地文件夹挂载到容器中，将容器从临时模式转为持久模式。

• 使用 VScode 和 Dev Containers 设置 Docker 化 Python 环境的完整教程 — github.com/RamiKrispin/vscode-python
• 使用 GitHub 模板设置 Docker 化 Python 开发环境 — medium.com/@rami.krispin/setting-a-dockerized-python-development-environment-template-de2400c4812b
• Docker 与虚拟环境的对比 — medium.com/@rami.krispin/running-python-r-with-docker-vs-virtual-environment-4a62ed36900f
• Dockerfile 参考 — docs.docker.com/engine/reference/builder/