Docker 自动化脚本实战：让部署变得简单高效
【摘要】 ## 一、前言在日常开发和运维工作中，手动执行 Docker 命令不仅繁琐，而且容易出错。通过编写自动化脚本，我们可以将构建、部署、备份等流程标准化，大幅提升工作效率。本文将分享一套实用的 Docker 自动化脚本方案，帮助你快速搭建自己的容器化部署流水线。---## 二、为什么需要 Docker 自动化脚本？| 手动操作痛点 | 自动化脚本优势 ||----------...
## 一、前言
在日常开发和运维工作中，手动执行 Docker 命令不仅繁琐，而且容易出错。通过编写自动化脚本，我们可以将构建、部署、备份等流程标准化，大幅提升工作效率。本文将分享一套实用的 Docker 自动化脚本方案，帮助你快速搭建自己的容器化部署流水线。
---
## 二、为什么需要 Docker 自动化脚本？
| 手动操作痛点 | 自动化脚本优势 |
|--------------------|--------------------|
| 命令冗长易遗忘 | 一键执行，降低门槛 |
| 人为失误风险高 | 流程固定，可重复 |
| 多环境配置混乱 | 环境变量统一管理 |
| 难以追溯操作历史 | 脚本即文档，可版本化 |
---
## 三、核心脚本设计
### 3.1 项目目录结构
```
my-docker-app/
├── docker-compose.yml
├── .env
├── scripts/
│ ├── deploy.sh # 部署脚本
│ ├── backup.sh # 备份脚本
│ ├── rollback.sh # 回滚脚本
│ └── health-check.sh # 健康检查脚本
├── Dockerfile
└── README.md
```
### 3.2 环境变量配置文件 `.env`
```bash
# 项目基础配置
PROJECT_NAME=myapp
IMAGE_REGISTRY=registry.cn-north-1.myhuaweicloud.com
IMAGE_TAG=latest
# 容器运行配置
CONTAINER_PORT=8080
HOST_PORT=80
RESTART_POLICY=always
# 备份配置
BACKUP_DIR=/data/backups
BACKUP_RETAIN_DAYS=7
# 日志配置
LOG_LEVEL=info
LOG_MAX_SIZE=10m
LOG_MAX_FILE=3
```
### 3.3 核心部署脚本 `deploy.sh`
```bash
#!/bin/bash
set -euo pipefail
# ============================================
# Docker 自动化部署脚本
# 功能：构建镜像 → 推送仓库 → 拉取部署 → 健康检查
# ============================================
# 加载环境变量
SCRIPT_DIR="$(cd "$(dirname "${BASH_SOURCE[0]}")" && pwd)"
PROJECT_ROOT="$(dirname "$SCRIPT_DIR")"
ENV_FILE="$PROJECT_ROOT/.env"
if [[ ! -f "$ENV_FILE" ]]; then
echo "❌ 错误：未找到 .env 配置文件：$ENV_FILE"
exit 1
fi
source "$ENV_FILE"
# 日志函数
log_info() { echo -e "\033[32m[INFO]\033[0m $(date '+%Y-%m-%d %H:%M:%S') $1"; }
log_warn() { echo -e "\033[33m[WARN]\033[0m $(date '+%Y-%m-%d %H:%M:%S') $1"; }
log_error() { echo -e "\033[31m[ERROR]\033[0m $(date '+%Y-%m-%d %H:%M:%S') $1"; }
# 错误捕获
trap 'log_error "部署过程中发生错误，行号: $LINENO"' ERR
# 帮助信息
show_help() {
cat << EOF
用法: $0 [命令]
命令:
build 构建 Docker 镜像
push # 🤖 告别重复劳动：Docker 脚本与自动化运维实战指南
> 发布日期：2026-10-22
> 标签：Docker、自动化运维、Shell脚本、Python SDK、CI/CD
---
## 前言
在之前的文章中，我们探讨了 Docker 在算法实验和分布式模拟中的妙用。然而，在日常开发和运维中，我们经常会陷入重复劳动的泥潭：清理堆积如山的悬空镜像、手动构建并推送到仓库、在多台机器上重复部署……
“懒惰”是程序员的美德。今天，我们将探讨如何通过 **Shell 脚本、Makefile 和 Python SDK** 将 Docker 操作自动化，打造丝滑的开发与部署体验。
---
## 一、Shell 脚本：日常清理与一键发布
Shell 脚本是最直接、最高效的 Docker 自动化工具。让我们编写一个实用的日常维护脚本。
### 1. 智能清理脚本 (`docker_cleanup.sh`)
开发机上常常堆满了停止的容器和 `<none>` 标签的镜像。手动清理容易误删，写个脚本来搞定：
```bash
#!/bin/bash
# 开启严格模式，遇到错误即退出
set -euo pipefail
echo "🧹 开始清理 Docker 无用资源..."
# 1. 删除所有已停止的容器
STOPPED_CONTAINERS=$(docker ps -aq --filter status=exited)
if [[ -n "$STOPPED_CONTAINERS" ]]; then
echo "发现停止的容器，正在删除..."
docker rm $STOPPED_CONTAINERS
else
echo "✅ 没有停止的容器。"
fi
# 2. 删除悬空镜像 (<none> 标签)
echo "清理悬空镜像..."
docker image prune -f
# 3. 删除未使用的网络和卷 (谨慎操作)
echo "清理未使用的网络..."
docker network prune -f
echo "🎉 Docker 清理完成！"
docker system df # 显示当前磁盘使用情况
```
### 2. 一键构建与推送脚本 (`docker_release.sh`)
在版本发布时，我们需要同时打上 `latest` 和具体版本号的标签，并推送到远程仓库。
```bash
#!/bin/bash
set -euo pipefail
# 配置变量
IMAGE_NAME="my-app"
REGISTRY="registry.example.com"
VERSION=$(date +%Y%m%d%H%M%S) # 以时间戳作为版本号
echo "🚀 开始构建 ${IMAGE_NAME}:${VERSION}..."
# 多架构构建并推送 (需要 buildx)
docker buildx build \
--platform linux/amd64,linux/arm64 \
-t ${REGISTRY}/${IMAGE_NAME}:${VERSION} \
-t ${REGISTRY}/${IMAGE_NAME}:latest \
--push \
.
echo "✅ 构建并推送成功！"
echo "镜像地址: ${REGISTRY}/${IMAGE_NAME}:${VERSION}"
```
---
## 二、Makefile：统一团队工作流
当项目变大时，团队成员可能记住不各种冗长的 Docker 命令。`Makefile` 是完美的统一入口。
在项目根目录创建 `Makefile`：
```makefile
# 变量定义
IMAGE_NAME := my-web-app
PORT := 8080
# 默认目标
.PHONY: help
help:
@echo "可用命令:"
@echo " make build - 构建 Docker 镜像"
@echo " make run - 在本地运行容器"
@echo " make stop - 停止并删除容器"
@echo " make logs - 查看实时日志"
# 构建镜像
.PHONY: build
build:
docker build -t $(IMAGE_NAME) .
# 运行容器
.PHONY: run
run:
docker run -d --name $(IMAGE_NAME) -p $(PORT):80 $(IMAGE_NAME)
# 停止并清理
.PHONY: stop
stop:
-docker stop $(IMAGE_NAME)
-docker rm $(IMAGE_NAME)
# 查看日志
.PHONY: logs
logs:
docker logs -f $(IMAGE_NAME)
```
**威力所在**：现在，团队成员只需输入 `make build` 或 `make run`，无需关心底层细节，团队协作效率大幅提升。
---
## 三、Python SDK：实现高级自动化逻辑
当需要复杂的逻辑判断（如监控容器状态、根据 CPU 自动扩缩容）时，Shell 脚本显得力不从心。此时，Docker 的 Python SDK 是更好的选择。
首先安装 SDK：`pip install docker`
### 场景：自动健康检查与重启
```python
import docker
import time
import logging
logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(levelname)s - %(message)s')
client = docker.from_env()
def monitor_and_restart(container_name):
try:
container = client.containers.get(container_name)
except docker.errors.NotFound:
logging.error(f"容器 {container_name} 不存在，尝试启动...")
client.containers.run("nginx:latest", name=container_name, detach=True, ports={'80/tcp': 8080})
return
# 获取容器状态
container.reload()
status = container.status
logging.info(f"容器 {container_name} 当前状态: {status}")
if status != 'running':
logging.warning(f"容器异常停止，正在尝试重启...")
container.start()
logging.info("重启成功！")
else:
# 检查健康状态 (如果配置了 healthcheck)
health = container.attrs.get('State', {}).get('Health', {}).get('Status')
if health == 'unhealthy':
logging.warning(f"容器健康检查失败，正在重启...")
container.restart()
logging.info("重启成功！")
if __name__ == '__main__':
TARGET_CONTAINER = "my-nginx"
logging.info("开始自动监控任务...")
while True:
monitor_and_restart(TARGET_CONTAINER)
time.sleep(30) # 每 30 秒检查一次
```
通过这种方式，你可以轻松实现一个轻量级的“迷你看门狗”，无需引入庞重的 Kubernetes。
---
## 四、CI/CD 集成：Git Push 即部署
将脚本融入 CI/CD 流水线，是自动化的终极形态。以下是一个 GitHub Actions 的示例，当主分支有代码推送时，自动构建并部署。
在项目下创建 `.github/workflows/docker-deploy.yml`：
```yaml
name: Docker CI/CD
on:
push:
branches: [ "main" ]
jobs:
build-and-deploy:
runs-on: ubuntu-latest
steps:
- name: Checkout Code
uses: actions/checkout@v3
- name: Log in to Docker Hub
uses: docker/login-action@v2
with:
username: ${{ secrets.DOCKER_HUB_USER }}
password: ${{ secrets.DOCKER_HUB_TOKEN }}
- name: Build and push
uses: docker/build-push-action@v4
with:
context: .
push: true
tags: myrepo/myapp:latest,myrepo/myapp:${{ github.sha }}
- name: Deploy to Server
uses: appleboy/ssh-action@v0.1.10
with:
host: ${{ secrets.SERVER_HOST }}
username: ${{ secrets.SERVER_USER }}
key: ${{ secrets.SSH_KEY }}
script: |
docker pull myrepo/myapp:latest
docker stop my-app || true
docker rm my-app || true
docker run -d --name my-app -p 80:80 myrepo/myapp:latest
```
**解析**：这段配置实现了：拉取代码 -> 登录镜像仓库 -> 构建并打上 commit hash 标签 -> 推送 -> SSH 连接到生产服务器 -> 拉取最新镜像并重启容器。全程无人值守。
---
## 总结
从手动敲击命令行，到编写 Shell 脚本，再到 Makefile 统一入口，最后通过 Python SDK 和 CI/CD 实现全自动流水线，这是每个工程师走向高效的必经之路。
回顾本文的自动化武器库：
1. **Shell 脚本**：处理清理、构建等线性任务，简单高效。
2. **Makefile**：封装复杂命令，统一团队开发体验。
3. **Python SDK**：处理需要条件判断、循环监控的复杂逻辑。
4. **CI/CD**：将自动化推向极致，实现代码即部署。
【声明】本内容来自华为云开发者社区博主，不代表华为云及华为云开发者社区的观点和立场。转载时必须标注文章的来源（华为云社区）、文章链接、文章作者等基本信息，否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容，欢迎发送邮件进行举报，并提供相关证据，一经查实，本社区将立刻删除涉嫌侵权内容，举报邮箱：
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论（0）