告别「在我电脑上明明能跑」：用 Docker 一键搭建 Python 开发环境

做 Python 开发最让人崩溃的瞬间，往往不是写代码，而是换一台电脑后环境死活配不出来：「我电脑上明明能跑！」依赖版本冲突、系统库缺失、路径问题……Docker 就是来终结这种痛苦的。

一、为什么用 Docker

传统方式是在本机装 Python、装依赖，环境和操作系统深度绑定。Docker 把「操作系统 + Python + 依赖」打包成一个镜像（Image），镜像在任何机器上跑起来都是一模一样的容器（Container）。团队里每人 docker run 同一个镜像，就再也没有「环境不一样」的问题。

二、三步搭建第一个 Python 环境

第一步：拉取官方镜像
docker pull python:3.12-slim
slim 是精简版，体积小、下载快，日常开发足够用。

第二步：写一个 Dockerfile
在项目根目录新建文件 Dockerfile，内容如下：
FROM python:3.12-slim
WORKDIR /app
COPY requirements.txt .
RUN pip install --no-cache-dir -r requirements.txt
COPY . .
CMD ["python", "app.py"]

第三步：构建并运行
docker build -t my-python-app .
docker run -it --name demo my-python-app
看到程序输出，就说明你的环境已经跑在容器里了。

三、开发期必备小技巧

1. 挂载代码目录：docker run -v $(pwd):/app，本地改代码、容器内实时生效，不用反复 build。
2. 暴露端口：docker run -p 8000:8000，容器里的 Web 服务才能被本机访问。
3. 写 .dockerignore：把 .git、__pycache__、.venv 排除在外，构建更快。
4. pip 换源：在安装命令后加 -i https://pypi.tuna.tsinghua.edu.cn/simple，安装依赖快很多。

四、新手避坑清单

1. 容器停了数据就丢？重要数据一定要用数据卷或挂载目录持久化。
2. 镜像动辄几个 GB？优先选 slim 或 alpine 标签，日常开发完全够用。
3. 磁盘被镜像塞满？定期执行 docker system prune 清理悬空镜像和已停止的容器。
4. 调试进不去？用 docker exec -it demo bash 进入正在运行的容器现场排查。

五、结语

Docker 的学习曲线其实很平缓：记住「镜像是模板、容器是实例」，再掌握 build、run、exec、ps 这几个命令，就能覆盖九成的日常场景。从今天起，把你的 Python 环境装进容器，彻底告别「在我电脑上明明能跑」。