Docker 檔案製作與快取機制

– 7 分鐘閱讀

Docker 的快取機制是提升映象建置效率的關鍵。Docker 映象採分層結構，每一步操作都會生成一個新的層。當 Dockerfile 沒有變更時，Docker 會直接使用快取的層，避免重複建置，進而縮短建置時間。這對於頻繁修改程式碼並重新建置映象的開發流程來說至關重要，尤其在 CI/CD 流程中，能有效減少每次建置所需的時間。瞭解 Docker 的快取機制，可以幫助開發者編寫更有效率的 Dockerfile，並最佳化容器化應用程式的佈署流程。

Docker 檔案製作與快取機制詳解

在容器化的開發流程中，Dockerfile 是定義容器環境的核心檔案。本章節將探討 Dockerfile 的製作過程，以及 Docker 的快取機制。

Docker 快取機制原理

Docker 映象的結構是由多個層（layer）堆積疊而成，每一層代表著對映象的無狀態變更。當重建映象時，Docker 會從上到下檢查每一層是否有變更。如果只有最上層的程式碼發生變化，那麼只有這一層需要被重建。

快取機制運作範例

首先，我們來檢視 Docker 快取的工作方式。假設我們有一個名為 joshuacook/gsl 的映象，其 Dockerfile 內容如下：

FROM gcc
LABEL maintainer=@joshuacook
RUN apt-get update && apt-get install -y gsl-bin libgsl0-dbg libgsl0-dev libgsl0ldbl

現在，我們在 Dockerfile 中新增一個安裝 gdb 的層：

RUN apt-get update && \
    apt-get install -y gdb

內容解密：

  1. FROM gcc：使用官方的 GCC 映象作為基礎映象。
  2. LABEL maintainer=@joshuacook：為映象新增維護者標籤。
  3. RUN apt-get update && apt-get install -y gsl-bin libgsl0-dbg libgsl0-dev libgsl0ldbl：安裝 GSL 相關套件。
  4. RUN apt-get install -y gdb：新增一個層來安裝 gdb 除錯工具。

執行建置指令：

$ docker build -t joshuacook/gsl gsl

輸出結果顯示，步驟 1-3 因為沒有變化而使用了快取，只有步驟 4 被執行。

Step 1/4 : FROM gcc
---
> 408d218617ca
Step 2/4 : LABEL maintainer @joshuacook
---
> Using cache
---
> ba0d6482c28a
Step 3/4 : RUN apt-get update && apt-get install -y gsl-bin libgsl0-dbg libgsl0-dev libgsl0ldbl
---
> Using cache
---
> 8706282586fc
Step 4/4 : RUN apt-get install -y gdb
---
> Running in c491003e5a95
...
---
> 53111721b96a
Removing intermediate container c491003e5a95
Successfully built 53111721b96a

再次執行相同的建置指令，會發現所有步驟都使用了快取：

$ docker build -t joshuacook/gsl gsl

Step 1/4 : FROM gcc
---
> 408d218617ca
Step 2/4 : LABEL maintainer @joshuacook
---
> Using cache
---
> ba0d6482c28a
Step 3/4 : RUN apt-get update && apt-get install -y gsl-bin libgsl0-dbg libgsl0-dev libgsl0ldbl
---
> Using cache
---
> 8706282586fc
Step 4/4 : RUN apt-get install -y gdb
---
> Using cache
---
> 53111721b96a
Successfully built 53111721b96a

快取機制優點

  1. 提升建置效率：未變更的層可以直接使用快取，避免重複建置。
  2. 冪等性：多次執行相同的建置指令不會產生額外效果。

建立 Miniconda3 映象

Miniconda 是 Anaconda 的精簡版本，用於管理 Python 和 R 語言環境。我們將建立一個自定義的 Miniconda3 映象。

建立 Miniconda3 映象步驟

  1. 建立專案目錄
$ mkdir miniconda3
$ touch miniconda3/Dockerfile
  1. 定義 Dockerfile
FROM debian
LABEL maintainer=@joshuacook
ARG DEBIAN_FRONTEND=noninteractive

內容解密：

  1. FROM debian：使用 Debian 作為基礎映象。

  2. LABEL maintainer=@joshuacook：新增維護者資訊。

  3. ARG DEBIAN_FRONTEND=noninteractive：定義環境變數，避免互動式提示。

  4. 建置 Miniconda3 映象

$ docker build -t miniconda3 miniconda3
  1. 檢視建置結果
$ docker images

輸出結果顯示，新建的 miniconda3 映象與 debian 映象共用相同的 IMAGE ID，因為它們實際上是相同的映象。

重複建置測試

再次執行建置指令，可以觀察到快取的使用情況：

$ docker build -t miniconda3 miniconda3

Step 1/3 : FROM debian
---
> a2ff708b7413
Step 2/3 : LABEL maintainer @joshuacook
---
> Using cache
---
> c140313c988e
Step 3/3 : ARG DEBIAN_FRONTEND=noninteractive
---
> Running in b927c25267f0
---
> da987fd59d24
Removing intermediate container b927c25267f0
Successfully built da987fd59d24

重點整理

  1. Docker 快取機制可以顯著提升映象建置效率。
  2. 適當使用 ARG 和 ENV 指令可以靈活組態容器環境。
  3. 建立自定義 Miniconda3 映象可以用於科學計算和資料分析環境。

透過本章節的學習，我們深入瞭解了 Dockerfile 的製作流程和 Docker 的快取機制，這些知識對於高效使用 Docker 技術至關重要。

第5章：Dockerfile 詳解

在前面的章節中，我們已經成功建立了一個基本的 Docker 映像檔。本章將探討 Dockerfile 的編寫，以建立一個完整的 Miniconda3 環境。

Dockerfile 的基本結構

Dockerfile 是一種特殊的檔案，用於定義 Docker 映像檔的構建過程。它包含了一系列的指令，用於指定基礎映像檔、安裝軟體、設定環境變數等。

編寫 Dockerfile

首先，我們需要建立一個名為 miniconda3 的目錄，並在其中建立一個名為 Dockerfile 的檔案。

步驟1：指定基礎映像檔

我們的第一步是指定基礎映像檔。在這個例子中，我們使用 Debian 作為基礎映像檔。

FROM debian

步驟2：新增 LABEL 和 ARG 指令

接下來，我們新增一個 LABEL 指令來指定維護者的資訊，並使用 ARG 指令來設定環境變數。

LABEL maintainer="@joshuacook"
ARG DEBIAN_FRONTEND=noninteractive

步驟3：佈建作業系統

為了讓我們的 Miniconda3 環境能夠正常運作，我們需要安裝一些必要的軟體套件。

RUN apt-get update --fix-missing && \
    apt-get install -y \
    wget bzip2 ca-certificates \
    libglib2.0-0 libxext6 libsm6 libxrender1

#### 內容解密：

這段程式碼的作用是更新 Debian 的套件清單，並安裝必要的軟體套件。其中，apt-get update 用於更新套件清單，apt-get install 用於安裝指定的軟體套件。我們使用 -y 引數來自動確認安裝，並使用 \ 來將指令分成多行，以提高可讀性。

步驟4：安裝 Miniconda3

接下來，我們需要安裝 Miniconda3。

RUN echo 'export PATH=/opt/conda/bin:$PATH' > /etc/profile.d/conda.sh && \
    wget --quiet https://repo.continuum.io/miniconda/Miniconda3-4.3.11-Linux-x86_64.sh -O ~/miniconda.sh && \
    /bin/bash ~/miniconda.sh -b -p /opt/conda && \
    rm ~/miniconda.sh

#### 內容解密：

這段程式碼的作用是安裝 Miniconda3。首先，我們建立一個名為 conda.sh 的檔案，用於設定環境變數。然後，我們下載 Miniconda3 的安裝指令碼，並執行它。最後，我們刪除安裝指令碼，以節省空間。

步驟5：安裝 tini

為了避免容器中的 Zombie 程式，我們需要安裝 tini。

RUN apt-get install -y curl grep sed dpkg && \
    TINI_VERSION=`curl https://github.com/krallin/tini/releases/latest | grep -o "/v.*\"" | sed 's:^..\(.*\).$:\1:'` && \
    curl -L "https://github.com/krallin/tini/releases/download/v${TINI_VERSION}/tini_${TINI_VERSION}.deb" > tini.deb && \
    dpkg -i tini.deb && \
    rm tini.deb && \
    apt-get clean

#### 內容解密：

這段程式碼的作用是安裝 tini。首先，我們安裝必要的軟體套件，如 curl、grep 和 sed。然後，我們取得 tini 的最新版本，並下載對應的 deb 檔案。接著，我們安裝 tini，並刪除 deb 檔案。最後，我們清理套件快取，以節省空間。

建構 Docker 映像檔

完成 Dockerfile 的編寫後，我們可以使用 docker build 指令來建構 Docker 映像檔。

$ docker build -t miniconda3 miniconda3

這個指令會根據 Dockerfile 中的指令，逐步建構 Docker 映像檔。建構完成後，我們可以使用 docker images 指令來檢視映像檔的資訊。

提交變更

在每次修改 Dockerfile 後，我們都需要提交變更到本地儲存函式庫。

$ git add Dockerfile
$ git commit -m 'MINICONDA3 IMAGE. 新增 LABEL 和 ARG 指令.'

這樣，我們就可以追蹤每次變更的內容，並方便地回溯到之前的版本。

第 5 章：Dockerfile 詳解

本章主要介紹 Dockerfile 的基本概念及其在 Docker 環境中的重要性。Dockerfile 是一種文字檔案，用於定義 Docker 映像的構建過程。透過 Dockerfile，可以自動化地構建和佈署 Docker 映像。

組態環境變數

為了確保容器能夠正常執行，需要組態一些環境變數。在 Dockerfile 中，可以使用 ENV 指令來設定環境變數。

ENV LANG=C.UTF-8 LC_ALL=C.UTF-8
ENV PATH /opt/conda/bin:$PATH

內容解密：

  1. ENV LANG=C.UTF-8 LC_ALL=C.UTF-8：設定語言環境變數為 C.UTF-8，確保容器內的語言設定正確。
  2. ENV PATH /opt/conda/bin:$PATH：將 /opt/conda/bin 新增到系統的 PATH 環境變數中，確保 conda 相關的命令可以被正確執行。

設定 ENTRYPOINT

ENTRYPOINT 指令用於指定容器啟動時要執行的程式。在本例中，使用 tini 作為容器內的初始化程式。

ENTRYPOINT [ "/usr/bin/tini", "--" ]

內容解密：

  1. ENTRYPOINT [ "/usr/bin/tini", "--" ]：指定 /usr/bin/tini 為容器的入口點，並傳遞 -- 引數。tini 是一個輕量級的初始化系統，用於處理訊號和子程式。

建構 miniconda3 映像

使用 docker build 命令來建構 miniconda3 映像。

$ docker build -t miniconda3 miniconda3

內容解密：

  1. $ docker build -t miniconda3 miniconda3：使用當前目錄下的 Dockerfile 建構一個名為 miniconda3 的映像。

建構 ipython 映像

在 miniconda3 映像的基礎上，建構 ipython 映像。首先建立一個新的目錄，並在其中建立 Dockerfile。

$ mkdir ipython
$ touch ipython/Dockerfile

內容解密：

  1. $ mkdir ipython：建立一個名為 ipython 的目錄。
  2. $ touch ipython/Dockerfile：在 ipython 目錄下建立一個空的 Dockerfile。

定義 ipython 映像

在 Dockerfile 中，使用 FROM 指令指定基礎映像，並安裝 ipython。

FROM miniconda3
LABEL maintainer=@joshuacook
RUN conda update conda && \
    conda install --quiet --yes ipython && \
    conda clean -tipsy
CMD ["ipython"]

內容解密：

  1. FROM miniconda3：指定 miniconda3 為基礎映像。
  2. LABEL maintainer=@joshuacook：新增維護者資訊。
  3. RUN conda update conda && conda install --quiet --yes ipython && conda clean -tipsy：更新 conda，安裝 ipython，並清理無用的檔案。
  4. CMD ["ipython"]：指定容器啟動時預設執行的命令為 ipython。

建構和執行 ipython 映像

使用 docker build 命令建構 ipython 映像，並使用 docker run 命令執行該映像。

$ docker build -t ipython ipython
$ docker run -it ipython

內容解密：

  1. $ docker build -t ipython ipython：建構 ipython 映像。
  2. $ docker run -it ipython：以互動模式執行 ipython 容器。

提交變更到 GitHub

將變更提交到本地倉函式庫，並推播到 GitHub。

$ git add ipython/Dockerfile
$ git commit -m 'IPYTHON. Initial build'
$ git push

內容解密：

  1. $ git add ipython/Dockerfile：將 ipython/Dockerfile 新增到暫存區。
  2. $ git commit -m 'IPYTHON. Initial build'：提交變更，並新增提交訊息。
  3. $ git push：將變更推播到 GitHub。

第 6 章：Docker Hub 詳解

Docker Hub 是 Docker 的官方倉函式庫，用於儲存和分發 Docker 映像。本章將介紹 Docker Hub 的基本概念和使用方法。

Docker Hub 簡介

Docker Hub 是 Docker 的官方倉函式庫，提供了豐富的 Docker 映像資源。使用者可以在 Docker Hub 上搜尋、下載和使用各種 Docker 映像。

使用 Docker Hub

使用者可以在 Docker Hub 上建立自己的倉函式庫，並上傳自己的 Docker 映像。同時，也可以瀏覽和下載其他使用者分享的 Docker 映像。

Docker Hub 的替代方案

除了 Docker Hub 之外，還有其他一些 Docker 倉函式庫可供選擇，例如 Quay.io 和 Google Container Registry。這些倉函式庫提供了不同的功能和特性，可以根據實際需求進行選擇。

玄貓 BlackCat

玄貓 BlackCat

技術愛好者，專注於分享程式開發、雲端技術與 AI 應用的心得體會。