用 Docker 10 分钟搭一个干净的 Python 开发环境：新手避坑指南

一、为什么新手值得用 Docker 搭 Python 环境

刚学 Python 的朋友，十有八九都踩过这几个坑：跟着教程装了 Python 3.10，另一个教程又要求 3.12；pip install 装了一堆包，分不清哪些是系统自带的、哪些是项目要的；换一台电脑，所有环境又要重配一遍。更头疼的是，两个项目依赖的同一个库版本互相冲突，修好一个，另一个就跑不起来。

Docker 解决这个问题的思路很朴素：把 Python 解释器、依赖库、系统工具打包进一个与世隔绝的“集装箱”里。你的代码在容器里跑，用的永远是同一套环境；想换版本，换个镜像就行；想分享环境，发一个 Dockerfile，对方一条命令就能复刻。这对新手来说，意味着告别“我电脑上明明能跑”的经典困境。

二、10 分钟实操：从零跑起第一个容器

假设你已经装好了 Docker Desktop（官网下载安装，一路下一步即可），接下来只需要四步。

第一步：拉取官方 Python 镜像。

docker pull python:3.12-slim

slim 是精简版，体积小、下载快，日常开发完全够用。新手建议把版本号写死，比如 3.12，而不要用 latest——latest 会悄悄变化，半年后你复现环境时可能已经不是当初那个版本了。

第二步：写一个 Dockerfile。在你的项目目录下新建一个叫 Dockerfile 的文件（没有后缀名），内容如下：

FROM python:3.12-slim
WORKDIR /app
COPY requirements.txt .
RUN pip install --no-cache-dir -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
COPY . .
CMD ["python", "main.py"]

这里有两处新手常忽略的细节：一是 pip 换了国内镜像源，安装速度能快一个数量级；二是先 COPY requirements.txt 再安装依赖，这样只有依赖变化时才重新安装，能利用 Docker 的层缓存，构建快很多。

第三步：构建镜像。

docker build -t my-python-app .

第四步：运行容器，并把代码目录挂载进去。

docker run -it --rm -v ${PWD}:/app -p 8000:8000 my-python-app bash

-v 把本地代码目录映射进容器，改代码不用重建镜像；-p 把容器端口映射出来，跑 Web 服务时在浏览器访问 localhost:8000 就行；--rm 让容器退出后自动清理，不留垃圾。

三、新手最容易踩的 5 个坑

1. 容器里不要再 sudo pip。容器内默认就是 root 用户，直接 pip install 就行。加 sudo 反而可能把包装到奇怪的位置。

2. 记得写 .dockerignore。和 .gitignore 一个道理，把 __pycache__、.git、.venv、本地配置文件排除掉，否则 COPY . . 会把几百兆垃圾一起打进镜像，构建又慢又大。

3. 数据要持久化就用数据卷。容器删掉，里面写的文件就没了。数据库文件、上传目录这种需要保留的数据，一定要用 -v 挂载到宿主机或命名数据卷，别指望容器本身存东西。

4. 开发和生产用同一份 Dockerfile。很多新手本地用 conda、生产用 Docker，结果两边行为不一致。既然用了容器，就让开发、测试、生产都跑同一个镜像，环境问题会少掉一大半。

5. 别在容器里装开发工具链。vim、git、curl 这些调试时临时用可以，但不要写进生产镜像。保持镜像精简，既安全又省空间。

四、进阶一步：用 docker-compose 一键启动

当项目需要 Python + Redis + MySQL 好几个服务时，一个个 docker run 会很繁琐。这时可以写一个 docker-compose.yml：

services:
  app:
    build: .
    volumes:
      - .:/app
    ports:
      - "8000:8000"
    depends_on:
      - redis
  redis:
    image: redis:7-alpine

以后启动整个开发环境只需要一条命令：docker compose up。换电脑、 onboarding 新人，环境搭建从半天变成 5 分钟。

五、总结

对新手来说，Docker 不是什么高深技术，它就是一个“环境打包器”。记住三句话：版本号写死不用 latest；依赖变化才重装，利用层缓存；数据持久化靠数据卷。照着上面的步骤走一遍，10 分钟你就能拥有一个干净、可复现、随时可丢弃的 Python 开发环境。从此告别环境配置的玄学，把时间花在真正写代码上。