如何为初学者编写 Dockerfile

在深入了解Dockerfile是什么之前，让我们先做一个小实验。还记得上一节我们拉取的Python镜像吗？我们先使用 docker run -it 命令进入容器。回想一下 -it 参数的作用——它为容器分配一个伪TTY，允许用户与容器进行交互。进入容器后，让我们列出当前目录中的所有文件：

[root@novita ~]# docker run -it python:3.7 /bin/bash
root@692f87774bf7:/# ls
bin  boot  dev  etc  home  lib  lib64  media  mnt  opt  proc  root  run  sbin  srv  sys  tmp  usr  var
root@692f87774bf7:/#

接下来，我们创建一个名为 hello.py 的文件，然后再次列出所有文件：

root@692f87774bf7:/# touch hello.py
root@692f87774bf7:/# ls
bin  boot  dev  etc  hello.py  home  lib  lib64  media  mnt  opt  proc  root  run  sbin  srv  sys  tmp  usr  var

可以看到 hello.py 已经创建成功。现在，我们退出容器，并使用相同的 docker run -it python:3.7 /bin/bash 命令重新进入容器的交互模式，然后再次列出所有文件：

root@692f87774bf7:/# exit
exit
[root@novita ~]# docker run -it python:3.7 /bin/bash
root@65c767655e8a:/# ls
bin  boot  dev  etc  home  lib  lib64  media  mnt  opt  proc  root  run  sbin  srv  sys  tmp  usr  var
root@65c767655e8a:/#

你现在可能已经注意到问题了。奇怪的是，我们之前创建的文件消失了。这是因为在容器内部执行的操作并不会修改镜像。容器只是在镜像之上添加了一个可写层，就像临摹书法模板用的描红纸——无论你在描红纸上写什么，都不会影响下面那一层。这个特性有点像虚拟机快照。

但问题来了：如果容器内的操作不会修改镜像，那我们如何才能实现快速部署，而不必在每次代码部署前都重复某些操作呢？那样效率太低了。假设你是一家社交平台的技术负责人，突然出现了一个爆款活动，需要快速扩容到数百台云服务器来应对海量用户流量。你的团队选择了 Docker 来部署应用。如果你用上述方法部署，用户可能会失望。等到服务恢复时，他们可能已经流失了。

这时候就要用到 Dockerfile。根据 Docker 的官方介绍：Docker 可以通过读取 Dockerfile 中的指令来自动构建镜像。Dockerfile 是一个文本文档，其中包含了用户可以在命令行上调用的所有用于组装镜像的命令。使用 docker build，用户可以创建一个自动构建，它会依次执行多条命令行指令。

简单来说，Dockerfile 是一个文本文档，其中包含了从命令行构建镜像需要的所有命令。它就像一个说明书，指导如何将一组积木拼装成想要的镜像。

我们从一个实际场景来探索如何构建 Dockerfile，以 Python 镜像为例。在我的本地机器（容器外部）上有一个名为 Optimal_Hotel_Matching.py 的 Python 脚本。它是一个网页抓取程序。让我们尝试在容器内运行它：不出所料，报错了，因为 Python 镜像中没有安装第三方模块 requests HTTP 库。这是一个典型的设置依赖环境的场景。让我们尝试用 Dockerfile 来解决这个问题。

在编写第一个 Dockerfile 之前，我们先熟悉一些常见的 Dockerfile 指令：

FROM：指定构建的基础镜像。
MAINTAINER：描述镜像创建者的姓名和邮箱。
RUN：Dockerfile 中最关键的指令之一。它在容器中执行命令并提交结果。
CMD：指定容器启动时要执行的命令。
COPY：将主机上的文件复制到容器的文件系统中。
WORKDIR：为 Dockerfile 中后续的 RUN、CMD 或 ENTRYPOINT 指令设置工作目录。

现在，让我们编写第一个 Dockerfile 来满足我们的需求：安装 requests 库并运行脚本。以下是一个可能的方案：

FROM python:3.7                             # 指定基础镜像为 python:3.7
MAINTAINER ultra "tech@novita.ai"     # 镜像创建者的姓名和邮箱
RUN pip install requests                  # 安装 requests 库
WORKDIR /dockerfileTest                   # 设置工作目录
COPY . .                                  # 将当前目录内容复制到容器中
CMD ["python", "Optimal_Hotel_Matching.py"]  # 运行脚本的命令

将上述内容保存到项目目录中名为 Dockerfile 的文件中。现在，使用 docker build 命令构建镜像，并添加标签以便识别：

[root@novita dockerfileTest]# docker build --tag python:requests .
Sending build context to Docker daemon  5.12 kB
...

构建完成后，使用 docker images 命令验证：

[root@novita dockerfileTest]# docker images
REPOSITORY              TAG                 IMAGE ID            CREATED             SIZE
python                  requests            04f20acdc288        2 hours ago         926 MB
...

可以看到，本地已经生成了一个标记为 requests 的新 Python 镜像。尝试运行这个镜像，看看 No module named 'requests' 错误是否仍然存在，以及程序是否按预期运行。

[root@novita dockerfileTest]# docker run python:requests
Computing distance between 116.368816,39.866464  and  116.438946,39.921624
Computing distance between 116.370910,39.869603  and  116.438946,39.921624
...

成功了！容器运行了代码并退出了。这样就结束了吗？在这篇文章中，我分享了 Dockerfile 的一个简单应用。在实际的企业生产环境中，Dockerfile 通常要复杂得多。