Docker 入门:半小时在 Linux 上跑起你的第一个 Python 小服务
刚学 Python 的时候,我最头疼的不是语法,而是环境:本地能跑的代码,换一台电脑就报错;帮同学部署一个小工具,光是装依赖就要折腾半天。后来我开始用 Docker,才发现部署也可以是一件很“省心”的事。这篇文章就用一个最小的例子,带你在 Linux 上把一个 Python 小服务真正跑起来。
一、Docker 到底解决了什么
可以把 Docker 想象成一个“标准集装箱”:代码、依赖、运行环境一起打包进镜像,走到哪里都按同一套方式运行。你的电脑、同学的电脑、云上的服务器,只要装了 Docker,就能用同一条命令启动同一个服务。这样一来,“在我电脑上明明能跑”这类问题会少很多。
二、准备工作
你需要一台装好 Docker 的 Linux 电脑,以及一个能写 Python 的编辑器。先确认 Docker 是否正常:
docker --version
docker run hello-world
第二条命令能正常输出欢迎信息,就说明环境没问题。如果提示权限不足,可以把当前用户加入 docker 组,或者临时用 sudo 运行。
三、写一个最小的 Python 服务
我们用 Flask 写一个只有十几行的小服务,新建 app.py:
from flask import Flask
app = Flask(__name__)
@app.route("/")
def hello():
return "Hello, Docker! 今天也要好好写代码。"
if __name__ == "__main__":
app.run(host="0.0.0.0", port=5000)
再写一个 requirements.txt,只有一行:flask。注意 app.run 里 host 要写成 0.0.0.0,这样容器外的浏览器才能访问到它;如果写成默认的 127.0.0.1,服务只会在容器内部监听,外部是打不开的,这也是新手最容易踩的坑。
四、写 Dockerfile,把服务装进镜像
在同一目录新建一个名为 Dockerfile 的文件,不用加后缀:
FROM python:3.12-slim
WORKDIR /app
COPY requirements.txt .
RUN pip install -r requirements.txt
COPY . .
CMD ["python", "app.py"]
这几行做的事情很直白:选一个带 Python 的官方瘦身镜像作为底座;在镜像里建一个工作目录;先复制依赖清单并安装,再复制全部代码;最后声明容器启动时要运行的命令。把安装依赖和复制代码分成两步还有一个好处:以后只改代码不改依赖时,构建可以复用之前装好的依赖层,速度会快很多。
五、构建镜像并运行
在项目目录执行:
docker build -t my-first-app .
docker run -d -p 5000:5000 --name my-app my-first-app
docker ps
docker logs my-app
打开浏览器访问 http://localhost:5000 ,看到 “Hello, Docker!” 就说明成功了。-p 5000:5000 的意思是把容器内的 5000 端口映射到主机的 5000 端口;-d 让容器在后台运行;–name 只是给容器起个好记的名字,方便后面管理。
六、新手常遇到的三个问题
第一,端口被占用:启动时提示端口冲突,先用 docker ps 看看是不是之前启动的容器还在跑,或者换一个主机端口,比如 -p 5001:5000。第二,改了代码没生效:容器里跑的是构建时的代码快照,改完代码要重新 docker build,再用新镜像启动。第三,镜像越建越大:记得写一个 .dockerignore,把 pycache、.git 和本地虚拟环境排除在外,别让它们被 COPY 进镜像。
七、再往前一步可以做什么
跑通这个小例子之后,你可以试着把服务改成返回当前时间和随机一句鼓励的话,或者加上一个 /health 健康检查接口,让运维脚本能判断服务是否正常。等熟悉之后,还可以学习 docker-compose,把 Python 服务和数据库一起编排起来;也可以把镜像推到云上的镜像仓库,再在云服务器上拉取运行。
Docker 的入门门槛其实没有想象中高:先跑通一个最小的例子,再一个一个解决遇到的问题,慢慢就形成自己的部署习惯了。如果你今天也照着这篇文章跑通了,不妨把你的小服务再加一个功能,让它真正变成属于你自己的第一个“上线”作品。
- 点赞
- 收藏
- 关注作者
评论(0)