新手程序員面臨的困難的問題之一是理解“環境”的概念。環境就是你編寫代碼的系統，聽起來很容易，但很快你就會明白維護系統有多困難。

很大原因是庫和 IDE，甚至 Python 代碼本身都會經歷更新和版本更改，有時候，我們對一個庫進行更新，就會導致另一段代碼報錯。正因如此，我們經常需要修復各種來源不明的 BUG。

此外，如果我們同時開發多個項目，可能會出現依賴性沖突。如果一段代碼因為另一段代碼而出現 BUG 時，情況會更糟糕。

另外，如果你想將一個項目共享給一個在不同操作系統上工作的團隊成員，或者將你在 Mac 上構建的項目發送到另一個操作系統上的服務器，你是否需要重新配置代碼?很明顯是一定需要的。

因此，為了減少這些問題的出現，人們提出使用容器來分離項目和它們所在的環境。容器基本上是一個環境可以運行的地方，與系統中的所有其他東西分開。一旦定義了容器中的內容，就可以輕松地重新創建環境，甚至與同事共享項目。

要求

首先，我們需要安裝一些設置：

Windows或macOS：安裝Docker Desktop(https://www.docker.com/get-started)

Linux：先安裝Docker，再安裝 Docker Compose(https://docs.docker.com/compose/install/)

對Python服務進行容器化

假設我們正在創建一個名為 server.py 的 Flask 服務，并假設文件內容如下：

from flask import Flask 
server = Flask(__name__) 
@server.route("/") 
 def hello(): 
    return "Hello World!" 
if __name__ == "__main__": 
   server.run(host='0.0.0.0') 

如上所述，我們需要記錄代碼的依賴關系，因此，我們可以創建一個 requirements.txt 文件，其中可以包含以下要求：

Flask==1.1.1 

因此，我們的軟件包需要具有以下結構：

app 
├─── requirements.txt 
└─── src 
     └─── server.py 

該結構非常合理(源代碼保存在單獨的目錄中)。要執行我們的 Python 程序，只需安裝一個Python 解釋器并運行即可。

我們可以在本地運行該程序，但是假設我們正在處理 15 個項目：在容器中運行是有意義的，這樣可以避免與其他項目發生沖突。

讓我們進入容器化。

Dockerfile

要運行 Python 代碼，我們將容器打包為 Docker 映像，然后基于它運行一個容器。如下所示：

• 創建一個 Dockerfile，其中包含構建圖像所需的說明;
• 然后由 Docker builder 創建映像;
• 簡單的 docker run image 命令然后創建一個運行應用程序的容器。

分析 Dockerfile

Dockerfile 是一個文件，其中包含有關組裝 Docker 映像(保存為 myimage )的說明：

# 設置基本映像（主機操作系統） 
FROM python:3.8 
# 在容器中設置工作目錄 
WORKDIR /code 
# 將依賴項文件復制到工作目錄中 
COPY requirements.txt . 
# 安裝依賴項 
RUN pip install -r requirements.txt 
# 將本地src目錄的內容復制到工作目錄 
COPY src/ . 
# 在容器啟動時運行的命令 
CMD [ "python", "./server.py" ] 

Dockerfile 是逐行編譯的，因此構建器會生成圖像層并將其堆疊在先前的圖像上。

我們還可以在 build 命令的輸出中觀察到作為步驟執行的 Dockerfile 指令。

$ docker build -t myimage . 
Sending build context to Docker daemon 6.144kB 
Step 1/6 : FROM python:3.8 
3.8.3-alpine: Pulling from library/python 
… 
Status: Downloaded newer image for python:3.8.3-alpine 
---> 8ecf5a48c789 
Step 2/6 : WORKDIR /code 
---> Running in 9313cd5d834d 
Removing intermediate container 9313cd5d834d 
---> c852f099c2f9 
Step 3/6 : COPY requirements.txt . 
---> 2c375052ccd6 
Step 4/6 : RUN pip install -r requirements.txt 
---> Running in 3ee13f767d05 
… 
Removing intermediate container 3ee13f767d05 
---> 8dd7f46dddf0 
Step 5/6 : COPY ./src . 
---> 6ab2d97e4aa1 
Step 6/6 : CMD python server.py 
---> Running in fbbbb21349be 
Removing intermediate container fbbbb21349be 
---> 27084556702b 
Successfully built 70a92e92f3b5 
Successfully tagged myimage:latest 

然后，我們可以看到映像位于本地映像存儲目錄中：

$ docker images 
REPOSITORY    TAG       IMAGE ID        CREATED          SIZE 
myimage       latest    70a92e92f3b5    8 seconds ago    991MB 

在開發過程中，我們希望花費盡可能少的時間，為 Python 服務重建映像。

注意：Docker 和 virtualenv 非常相似但又有所不同。Virtualenv 只允許我們在 Python 的依賴關系之間切換，無法使用主機操作系統。但是，使用Docker，你可以在任何操作系統上交換整個操作系統：安裝并運行Python(例如 UBTUN，Debian，Alpine，甚至Windows Server Core)。因此，如果你的團隊工作需要驗證你的技術，請使用Docker。如果不需要，可以使用 venv。

總結

在上文中，我們展示了如何把 Python 服務容器化。 希望此過程將變得更容易，并且能夠為你的項目提供更長的保質期。同時，因為依賴關系的變化，也能降低你的代碼錯誤的可能性。