このチュートリアルでは、Docker を使用した単純な Flask アプリケーションの構築とデプロイについて説明します。 Dockerfile の作成、イメージの構築、コンテナーの実行、さらにはイメージの Docker Hub へのプッシュについても説明します。 Docker の基礎に詳しくない方は、以前の投稿をご覧ください:
実際の例から始めましょう:
プロジェクトのセットアップ:
- 「flask-app」という名前のディレクトリを作成します。
- 「flask-app」内に、次の単純な Flask アプリケーションを含む
index.py
を作成します。
# index.py from flask import Flask app = Flask(__name__) @app.route("/") def hello(): return "Hello World!" if __name__ == "__main__": app.run(host="0.0.0.0", port=int("5000"), debug=True)
- 同じく「flask-app」で、次の内容の
Dockerfile
(拡張子なし) を作成します。
FROM python:3.13.1-alpine3.21 WORKDIR /app COPY . /app RUN pip install -r requirements.txt EXPOSE 5000 CMD ["python", "index.py"]
- 最後に、「flask-app」ディレクトリに
requirements.txt
を作成します。
<code>Flask==2.3.2</code>
ディレクトリ構造は次のようになります:
<code>flask-app/ ├── Dockerfile ├── index.py └── requirements.txt</code>
Docker イメージの構築と実行:
- ターミナルの「flask-app」ディレクトリに移動します。
- 次のコマンドを使用して Docker イメージをビルドします:
docker build -t flask-app .
- イメージが正常に構築されたことを確認します:
docker images
- Docker コンテナを実行し、ホスト マシンのポート 5000 をコンテナのポート 5000 にマッピングします。
docker run --name my-flask-app -d -p 5000:5000 flask-app
- 実行中のコンテナを確認します:
docker ps -a
- ブラウザで
http://127.0.0.1:5000
にアクセスするか、curl
: を使用してアプリケーションをテストします。
curl http://127.0.0.1:5000
- コンテナを停止して削除するには:
docker container rm -f my-flask-app
- 画像を削除するには:
docker image rm -f flask-app
Docker Hub へのプッシュ:
Docker Hub にプッシュする前に、アカウントをまだお持ちでない場合は作成してください。 次に:
- Docker Hub のイメージにタグを付けます (
omerbsezer
を Docker Hub のユーザー名に置き換えます):
docker tag flask-app omerbsezer/dev-to-flask-app:latest
- 画像をプッシュします:
docker push omerbsezer/dev-to-flask-app:latest
これで、Docker Hub でイメージを確認できるようになります。 スクリーンショットがここに配置されます。
結論:
この実践的な例は、Docker を使用して単純な Python アプリケーションをコンテナ化するための完全なワークフローを示しています。 その他の Docker チュートリアル、AWS、Kubernetes、Linux、DevOps、Ansible、Machine Learning、Generative AI、SAAS コンテンツについては、次のリンクをクリックしてください:
以上がDocker ハンズオン: サンプル Flask プロジェクトで Dockerfile、コンテナ、ポート フォワーディングを学びますの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

Arraysinpython、特にvianumpy、arecrucialinscientificComputing fortheirefficienty andversitility.1)彼らは、fornumericaloperations、data analysis、andmachinelearning.2)numpy'simplementation incensuresfasteroperationsthanpasteroperations.3)arayableminablecickick

Pyenv、Venv、およびAnacondaを使用して、さまざまなPythonバージョンを管理できます。 1)Pyenvを使用して、複数のPythonバージョンを管理します。Pyenvをインストールし、グローバルバージョンとローカルバージョンを設定します。 2)VENVを使用して仮想環境を作成して、プロジェクトの依存関係を分離します。 3)Anacondaを使用して、データサイエンスプロジェクトでPythonバージョンを管理します。 4)システムレベルのタスク用にシステムPythonを保持します。これらのツールと戦略を通じて、Pythonのさまざまなバージョンを効果的に管理して、プロジェクトのスムーズな実行を確保できます。

numpyarrayshaveveraladvantages-averstandardpythonarrays:1)thealmuchfasterduetocベースのインプレンテーション、2)アレモレメモリ効率、特にlargedatasets、および3)それらは、拡散化された、構造化された形成術科療法、

パフォーマンスに対する配列の均一性の影響は二重です。1)均一性により、コンパイラはメモリアクセスを最適化し、パフォーマンスを改善できます。 2)しかし、タイプの多様性を制限し、それが非効率につながる可能性があります。要するに、適切なデータ構造を選択することが重要です。

craftexecutablepythonscripts、次のようになります

numpyarraysarasarebetterfornumeroperations andmulti-dimensionaldata、whilethearraymoduleissuitable forbasic、1)numpyexcelsinperformance and forlargedatasentassandcomplexoperations.2)thearraymuremememory-effictientivearientfa

NumPyArraySareBetterforHeavyNumericalComputing、whilethearrayarayismoreSuitableformemory-constrainedprojectswithsimpledatatypes.1)numpyarraysofferarays andatiledance andpeperancedatasandatassandcomplexoperations.2)thearraymoduleisuleiseightweightandmemememe-ef

ctypesallowsinging andmanipulatingc-stylearraysinpython.1)usectypestointerfacewithclibrariesforperformance.2)createc-stylearraysfornumericalcomputations.3)passarraystocfunctions foreffientientoperations.how、how、becuutiousmorymanagemation、performanceo


ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

Video Face Swap
完全無料の AI 顔交換ツールを使用して、あらゆるビデオの顔を簡単に交換できます。

人気の記事

ホットツール

ZendStudio 13.5.1 Mac
強力な PHP 統合開発環境

SublimeText3 英語版
推奨: Win バージョン、コードプロンプトをサポート!

メモ帳++7.3.1
使いやすく無料のコードエディター

SAP NetWeaver Server Adapter for Eclipse
Eclipse を SAP NetWeaver アプリケーション サーバーと統合します。

WebStorm Mac版
便利なJavaScript開発ツール

ホットトピック









