Linux 下用 Docker 搭建 Python 开发环境：从零开始的极简指南

刚学 Python 的人常遇到一个麻烦：本机装了多个项目，一个要 Python 3.9，一个要 3.12，依赖版本互相打架；换一台电脑，又得把环境从头配一遍。Docker 能把“环境”本身装进一个可复制的箱子里：镜像走到哪，环境就跟到哪。下面用一个最小的例子，在 Linux 上把 Python 开发环境跑起来。

一、准备工作：装好 Docker

以 Ubuntu 为例，先安装 Docker，然后确认它能正常工作：

sudo snap install docker
docker --version
docker run hello-world

看到 Hello from Docker! 就说明 Docker 已经就绪。把当前用户加入 docker 组之后，日常使用就不用每次都加 sudo：

sudo usermod -aG docker $USER

改完组需要重新登录终端才生效。

二、写一个最小的 Dockerfile

新建一个空目录，放两个文件。先写 requirements.txt，列出依赖：

requests==2.32.3

再写 Dockerfile：

FROM python:3.12-slim
WORKDIR /app
COPY requirements.txt .
RUN pip install --no-cache-dir -r requirements.txt
COPY . .
CMD ["python", "main.py"]

这几行各有分工：FROM 选基础镜像，slim 版体积小、启动快；WORKDIR 设定工作目录；COPY 把依赖清单拷进去；RUN 在镜像构建时安装依赖；最后的 CMD 决定容器启动后默认执行的命令。单独把 requirements.txt 先 COPY 进去再安装，是为了利用 Docker 的层缓存——以后只改代码不改依赖时，构建会直接复用已安装的层，速度快很多。

再写一个 main.py 验证：

import requests

print("requests 版本：", requests.__version__)
print("Hello, Docker + Python!")

三、构建镜像并运行

在目录里执行构建：

docker build -t my-python-app .

构建成功后运行：

docker run --rm -it my-python-app

--rm 表示容器退出后自动删除，it 则是交互模式。想在开发时边改代码边验证，可以把代码目录挂载进容器：

docker run --rm -it -v $(pwd):/app my-python-app bash

-v 把宿主机的当前目录映射到容器的 /app，本地改一行代码，容器里立刻就能看到，不用反复构建镜像。进入容器后，python main.py 随改随跑。

四、日常排障的五个命令

容器用久了，最常用的是下面这组命令：

• docker ps：查看正在运行的容器。
• docker ps -a：连已退出的容器一起看。
• docker logs 容器名：看容器输出的日志，程序闪退先查这里。
• docker exec -it 容器名 bash：进入一个正在运行的容器里调试。
• docker images 和 docker system prune：前者看本地镜像，后者清理用不上的镜像和容器，磁盘紧张时最管用。

五、新手最容易踩的三个坑

第一，别在容器里反复 pip install 却不写进 Dockerfile 和 requirements.txt。容器删了就没了，依赖必须落到文件里，环境才能复现。

第二，记得写 .dockerignore。把 .git、__pycache__、虚拟环境目录排除在构建上下文之外，否则构建又慢又容易把本地垃圾带进镜像。

第三，构建镜像时可以给 pip 配置国内镜像源加速安装，也可以给 pip install 加上 --no-cache-dir，避免缓存文件把镜像体积撑大。

小结

用 Docker 管 Python 环境，核心就三步：写 Dockerfile 把环境“写下来”，docker build 把环境“打成包”，docker run 把环境“跑起来”。环境跟着镜像走，换机器、换系统、给同事同步，都只要同一条命令。熟练这套流程后，还可以再学 Docker Compose，把数据库、缓存这些配套服务也一起编排进来，一套命令拉起整个开发环境。