搜索
首页后端开发Python教程优化 Flask Dockerfile:DevOps 和开发人员的最佳实践

?介绍

欢迎来到 DevOps 的世界! ?今天,我们将深入探讨任何 DevOps 工程师的一项基本技能:针对 Flask 应用程序优化 Dockerfile。虽然初学者 DevOps 工程师通常专注于掌握基本的 Dockerfile 语法,但经验丰富的工程师知道真正的专业知识在于优化 - 制作高效、安全且可用于生产的 Dockerfile。

在本博客中,我们将逐步介绍构建简单 Flask 应用程序的过程。首先,我们将创建一个基本的 Dockerfile,然后将其细化为优化版本,比较两者以了解差异。无论您是初学者还是希望提高 Dockerfile 技能,本指南都适合每个人。

让我们开始吧! ?️


?先决条件

在我们深入为 Flask 应用程序编写和优化 Dockerfile 之前,请确保您具备以下先决条件:

  1. Flask 的基本了解

    熟悉创建简单的 Flask 应用程序将帮助您无缝地跟进。

  2. Docker 已安装

    确保 Docker 已安装并在您的系统上运行。您可以从 Docker 网站下载。

  3. Python 环境设置

    您的系统上安装了 Python 3.x,以及用于管理 Python 包的 pip。

  4. 代码编辑器

    使用您选择的任何代码编辑器,例如 Visual Studio Code、PyCharm 或 Sublime Text。

  5. 烧瓶已安装

    使用以下命令在 Python 环境中安装 Flask:

   pip install flask
  1. 烧瓶应用示例 准备好一个简单的 Flask 应用程序,或者准备好在我们继续本教程时创建一个应用程序。

?创建 Flask 应用程序

首先,我们将创建一个简单的 Flask 应用程序并为容器化做好准备。请按照以下步骤操作:

  1. 创建项目目录

    创建一个名为 basic-flask 的目录并导航到其中。

  2. 创建 Flask 应用程序

    在 basic-flask 目录中,创建一个名为 app.py 的文件,其中包含以下内容:

   from flask import Flask

   app = Flask(__name__)

   @app.route("/")
   def HelloWorld():
       return "Hello World"

   if __name__ == "__main__":
       app.run()

您可以使用以下命令运行此应用程序:

   python3 app.py

打开浏览器并访问 http://localhost:5000。您应该会看到网页上显示 Hello World

Optimising Flask Dockerfiles: Best Practices for DevOps and Developers

  1. 列出依赖项 为了容器化应用程序,我们首先需要指定所需的 Python 模块。通过运行以下命令创建一个requirements.txt 文件:
   pip install flask

?创建 Dockerfile

现在,让我们创建两个版本的 Dockerfile:基本 版本和优化 版本。

基本 Dockerfile

基本的 Dockerfile 很简单,但缺乏效率和安全性优化:

   from flask import Flask

   app = Flask(__name__)

   @app.route("/")
   def HelloWorld():
       return "Hello World"

   if __name__ == "__main__":
       app.run()

这个 Dockerfile 很实用,但在缓存、大小优化和安全实践方面还有改进的空间。

优化的 Dockerfile

优化后的 Dockerfile 遵循多阶段构建,并结合了效率、安全性和模块化的最佳实践:

   python3 app.py

?构建 Dockerfile

现在我们已经创建了两个 Dockerfile,是时候构建 Docker 镜像并观察它们大小的差异了。请按照以下步骤操作:

从基本 Dockerfile 构建镜像

  1. 确保基本 Dockerfile 的内容保存在名为 Dockerfile 的文件中。
  2. 使用以下命令构建镜像:
   pip3 freeze > requirements.txt

Optimising Flask Dockerfiles: Best Practices for DevOps and Developers

从优化的 Dockerfile 构建镜像

  1. 将优化后的 Dockerfile 的内容保存在名为 Dockerfile 的单独文件中。
  2. 使用以下命令构建图像:
FROM python:3.9-slim

WORKDIR /app

COPY . /app

RUN pip install -r requirements.txt

CMD ["python3", "app.py"]

Optimising Flask Dockerfiles: Best Practices for DevOps and Developers

比较构建的图像

构建镜像后,使用以下命令列出所有 Docker 镜像:

# syntax=docker/dockerfile:1.4

# Stage 1: Build dependencies
FROM --platform=$BUILDPLATFORM python:3.10-alpine AS builder

WORKDIR /code

# Install build dependencies and cache pip files for efficiency
COPY requirements.txt /code
RUN --mount=type=cache,target=/root/.cache/pip \
    pip3 install --prefix=/install -r requirements.txt

COPY . /code

# Stage 2: Development environment setup
FROM python:3.10-alpine AS dev-envs

WORKDIR /code

# Copy application files and installed dependencies
COPY --from=builder /install /usr/local
COPY . /code

# Install additional tools for development (e.g., Git, Bash)
RUN apk update && apk add --no-cache git bash

# Create a non-root user for better security
RUN addgroup -S docker && \
    adduser -S --shell /bin/bash --ingroup docker vscode

# Set entrypoint and command for development purposes
ENTRYPOINT ["python3"]
CMD ["app.py"]

# Stage 3: Production-ready image
FROM python:3.10-alpine AS final

WORKDIR /app

# Copy only necessary application files and dependencies
COPY --from=builder /install /usr/local
COPY app.py /app

ENTRYPOINT ["python3"]
CMD ["app.py"]

Optimising Flask Dockerfiles: Best Practices for DevOps and Developers

您应该注意到图像尺寸的显着差异:

  • 基本 Dockerfile 映像: 大约 177MB
  • 优化的 Dockerfile 映像: 大约 59.2MB

为什么优化后的图片变小了

  • 轻量级基础镜像:优化后的Dockerfile使用python:3.10-alpine,明显小于python:3.9-slim。
  • 多阶段构建:从最终映像中排除不必要的构建依赖项,使其保持最小。
  • 高效缓存: pip 安装使用缓存可以避免冗余下载并减少图像层数。

?结论

优化 Dockerfile 是 DevOps 工程师的一项关键技能,旨在创建高效、安全且可用于生产的容器。在这篇博客中,我们探索了如何构建一个简单的 Flask 应用程序,使用基本的 Dockerfile 将其容器化,然后使用优化的 Dockerfile 对其进行改进。

图像大小和结构的差异证明了最佳实践的影响,例如使用多阶段构建、轻量级基础图像和缓存机制。虽然基本的 Dockerfile 达到了其目的,但优化后的版本提供了更精简、更安全且高性能的容器,凸显了容器化中周到设计的重要性。

当您继续您的 DevOps 之旅时,请始终努力通过整合优化、考虑安全性和最小化开销来增强您的 Dockerfile。优化良好的 Dockerfile 不仅可以节省时间和资源,还可以确保生产中更顺畅的部署和可扩展性。

现在轮到你了 - 尝试将这些技术应用到你自己的项目中,看看优化带来的差异! ?

?如需了解更多信息博客,请在 Hashnode、X(Twitter) 和 LinkedIn 上关注我。

快乐编码和自动化! ?

以上是优化 Flask Dockerfile:DevOps 和开发人员的最佳实践的详细内容。更多信息请关注PHP中文网其他相关文章!

声明
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn
Python:编译器还是解释器?Python:编译器还是解释器?May 13, 2025 am 12:10 AM

Python是解释型语言,但也包含编译过程。1)Python代码先编译成字节码。2)字节码由Python虚拟机解释执行。3)这种混合机制使Python既灵活又高效,但执行速度不如完全编译型语言。

python用于循环与循环时:何时使用哪个?python用于循环与循环时:何时使用哪个?May 13, 2025 am 12:07 AM

useeAforloopWheniteratingOveraseQuenceOrforAspecificnumberoftimes; useAwhiLeLoopWhenconTinuingUntilAcIntiment.ForloopSareIdeAlforkNownsences,而WhileLeleLeleLeleLoopSituationSituationSituationsItuationSuationSituationswithUndEtermentersitations。

Python循环:最常见的错误Python循环:最常见的错误May 13, 2025 am 12:07 AM

pythonloopscanleadtoerrorslikeinfiniteloops,modifyingListsDuringteritation,逐个偏置,零indexingissues,andnestedloopineflinefficiencies

对于循环和python中的循环时:每个循环的优点是什么?对于循环和python中的循环时:每个循环的优点是什么?May 13, 2025 am 12:01 AM

forloopsareadvantageousforknowniterations and sequests,供应模拟性和可读性;而LileLoopSareIdealFordyNamicConcitionSandunknowniterations,提供ControloperRoverTermination.1)forloopsareperfectForeTectForeTerToratingOrtratingRiteratingOrtratingRitterlistlistslists,callings conspass,calplace,cal,ofstrings ofstrings,orstrings,orstrings,orstrings ofcces

Python:深入研究汇编和解释Python:深入研究汇编和解释May 12, 2025 am 12:14 AM

pythonisehybridmodelofcompilationand interpretation:1)thepythoninterspretercompilesourcececodeintoplatform- interpententbybytecode.2)thepytythonvirtualmachine(pvm)thenexecuteCutestestestesteSteSteSteSteSteSthisByTecode,BelancingEaseofuseWithPerformance。

Python是一种解释或编译语言,为什么重要?Python是一种解释或编译语言,为什么重要?May 12, 2025 am 12:09 AM

pythonisbothinterpretedAndCompiled.1)它的compiledTobyTecodeForportabilityAcrosplatforms.2)bytecodeisthenInterpreted,允许fordingfordforderynamictynamictymictymictymictyandrapiddefupment,尽管Ititmaybeslowerthananeflowerthanancompiledcompiledlanguages。

对于python中的循环时循环与循环:解释了关键差异对于python中的循环时循环与循环:解释了关键差异May 12, 2025 am 12:08 AM

在您的知识之际,而foroopsareideal insinAdvance中,而WhileLoopSareBetterForsituations则youneedtoloopuntilaconditionismet

循环时:实用指南循环时:实用指南May 12, 2025 am 12:07 AM

ForboopSareSusedwhenthentheneMberofiterationsiskNownInAdvance,而WhileLoopSareSareDestrationsDepportonAcondition.1)ForloopSareIdealForiteratingOverSequencesLikelistSorarrays.2)whileLeleLooleSuitableApeableableableableableableforscenarioscenarioswhereTheLeTheLeTheLeTeLoopContinusunuesuntilaspecificiccificcificCondond

See all articles

热AI工具

Undresser.AI Undress

Undresser.AI Undress

人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover

AI Clothes Remover

用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool

Undress AI Tool

免费脱衣服图片

Clothoff.io

Clothoff.io

AI脱衣机

Video Face Swap

Video Face Swap

使用我们完全免费的人工智能换脸工具轻松在任何视频中换脸!

热门文章

热工具

SublimeText3 Mac版

SublimeText3 Mac版

神级代码编辑软件(SublimeText3)

VSCode Windows 64位 下载

VSCode Windows 64位 下载

微软推出的免费、功能强大的一款IDE编辑器

WebStorm Mac版

WebStorm Mac版

好用的JavaScript开发工具

PhpStorm Mac 版本

PhpStorm Mac 版本

最新(2018.2.1 )专业的PHP集成开发工具

EditPlus 中文破解版

EditPlus 中文破解版

体积小,语法高亮,不支持代码提示功能