如何為初學者編寫 Dockerfile

在深入探討什麼是 Dockerfile 之前，讓我們先做一個小實驗。還記得我們上一節拉取的 Python 映像檔嗎？我們先用 docker run -it 指令進入容器。回想一下 -it 參數的作用——它會為容器配置一個虛擬 TTY，讓使用者可以與容器互動。進入容器後，列出當前目錄的所有檔案：

[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:/#

接下來，我們在容器內建立一個名為 hello.py 的檔案，然後再次列出所有檔案：

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 已經建立。現在，退出容器，並再次使用 docker run -it python:3.7 /bin/bash 進入容器的互動模式，然後列出所有檔案：

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:/#

你可能已經發現問題了。奇怪的是，我們剛才建立的檔案消失了。這是因為在容器內進行的操作並不會修改映像檔。容器只是在映像檔上添加了一個可寫入層，就像在字帖上放一張描圖紙——無論你在描圖紙上寫什麼，都不會影響到底層。這個特性有點類似於虛擬機快照。

但問題來了：如果容器內的操作不會修改映像檔，那麼我們如何在不重複某些操作的情況下實現快速部署呢？這樣效率太低。假設你是一個社群媒體平台的技術負責人，突然發生爆紅事件，需要快速擴充數百台雲端伺服器來處理大量用戶流量。你的團隊選擇了 Docker 來部署應用程式。如果採用上述方法部署，用戶可能會很失望。等到服務恢復時，他們可能已經離開了。

這時候就需要 Dockerfile 登場了。根據 Docker 的官方介紹：Docker 可以透過讀取 Dockerfile 中的指令自動建立映像檔。Dockerfile 是一個文字文件，包含使用者可以在命令列中呼叫的所有指令，用來組合映像檔。使用 docker build，使用者可以建立一個自動化建置流程，依序執行多個命令列指令。簡而言之，Dockerfile 是一個文字文件，包含從命令列建立映像檔所需的所有指令。它就像一組積木的組裝說明書，指導你如何將積木組裝成想要的映像檔。

讓我們用一個實際情境來探索如何建構 Dockerfile，這次以 Python 映像檔為例。在我的本機（容器外）有一個名為 Optimal_Hotel_Matching.py 的 Python 腳本，這是一個網頁爬蟲程式。我們嘗試在容器內執行它：果然出現錯誤，因為 Python 映像檔中沒有安裝 requests 這個第三方 HTTP 函式庫。這是一個典型的需要設定依賴環境的場景。我們嘗試用 Dockerfile 來解決這個問題。

在撰寫第一個 Dockerfile 之前，先熟悉一下一些常見的 Dockerfile 指令：

FROM：指定建置時所用的基底映像檔。
MAINTAINER：描述映像檔的建立者姓名與電子郵件。
RUN：Dockerfile 中最關鍵的指令之一。它會在容器中執行命令並提交結果。
CMD：指定容器啟動時要執行的命令。
COPY：將主機的檔案複製到容器內的檔案系統中。
WORKDIR：設定後續 RUN、CMD 或 ENTRYPOINT 指令在 Dockerfile 中的工作目錄。

現在，我們來撰寫第一個 Dockerfile，以滿足我們的需求：安裝 requests 函式庫並執行腳本。以下是可能的解決方案：

FROM python:3.7                             # 指定基底映像檔為 python:3.7
MAINTAINER ultra "tech@novita.ai"     # 映像檔建立者名稱與電子郵件
RUN pip install requests                  # 安裝 requests 函式庫
WORKDIR /dockerfileTest                   # 設定工作目錄
COPY . .                                  # 將當前目錄內容複製到容器中
CMD ["python", "Optimal_Hotel_Matching.py"]  # 執行腳本的命令

將上述內容儲存在專案目錄中，檔案名稱為 Dockerfile。現在，使用 docker build 指令建立映像檔，並加上標籤以便識別：

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

建置完成後，使用 docker images 指令進行驗證：

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

可以看到本機已經產生了一個標記為 requests 的新 Python 映像檔。嘗試執行這個映像檔，看看 No module named 'requests' 的錯誤是否消失，以及程式是否正常執行：

[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！容器執行了程式碼並正常結束。

這樣就結束了嗎？在這篇文章中，我分享了 Dockerfile 的一個簡單應用。在實際的企業級生產環境中，Dockerfile 往往更為複雜。