Python Web 应用 Dockerfile 编写指南:从开发到生产环境

周叙
周叙
发布时间:2026-10-15| 8人浏览过
原创

本文详解 Python Web 应用 Dockerfile 的编写方法,涵盖开发环境热加载配置与生产环境镜像优化。通过示例演示如何使用 Gunicorn 实现代码变动自动重启,以及如何利用 Alpine 基础镜像进行多级构建,显著减小最终镜像体积至约 90MB。

  • 原文链接:How to write Dockerfiles for Python Web Apps
  • 原作者:Praveen Durairaj
  • 译文来源:https://github.com/xitu/gold-miner
  • 本文固定链接:github.com/xitu/gold-m…
  • 译者:lsvih
  • 校对者:Starriers, steinliber

核心要点

本文提供了从基础 Dockerfile 到生产环境多级构建 Python 应用的完整示例。以下是本指南的关键内容总结:

  • 选择合适的基础镜像(开发阶段使用 debian,生产阶段使用 alpine)。
  • 在开发过程中利用 gunicorn 实现代码热加载。
  • 优化 Docker 缓存层——通过正确的命令顺序执行,仅在必要时运行 pip install。
  • 利用 flask 的 static 及 template 目录部署静态资源(如 React、Vue、Angular 生成的 bundle)。
  • 在生产环境中采用 alpine 进行多级构建,以最小化最终镜像大小。
  • 技巧提示 — 开发阶段可使用 gunicorn 的 --reload 与 --reload_extra_files 参数监视文件(包括 html、css 及 js)的修改。

如需上述步骤的代码实现,请参考 GitHub 仓库。

目录

  • 简单的 Dockerfile 与 .dockerignore
  • 使用 gunicorn 实现热加载
  • 运行单文件 Python 脚本
  • 部署静态文件
  • 生产环境中的直接构建
  • 生产环境中的多级构建

假设我们有一个名为 python-app 的应用,为其准备一个简单的目录结构。在顶级目录下,包含 Dockerfile 以及 src 文件夹。

python app 的源码就存放在 src 目录中,app 的依赖关系保存在 requirements.txt 里。为了简洁起见,我们假设 server.py 定义了一个运行于 8080 端口的 flask 服务。

python-app
├── Dockerfile
└── src
    └── server.py
    └── requirements.txt

1. 简单的 Dockerfile 样例

FROM python:3.6
# 创建 app 目录
WORKDIR /app
# 安装 app 依赖
COPY src/requirements.txt ./
RUN pip install -r requirements.txt
# 打包 app 源码
COPY src /app
EXPOSE 8080
CMD [ "python", "server.py" ]

我们将使用最新版本的 python:3.6 作为基础镜像。

在构建镜像时,docker 会获取所有位于 context 目录下的文件。为了提高 docker 构建的速度,可以在 context 目录中添加 .dockerignore 文件来排除不需要的文件与目录。

通常,你的 .dockerignore 文件件应该如下所示:

.git
__pycache__
*.pyc
*.pyo
*.pyd
.Python
env

构建并运行此镜像:

$ cd python-docker
$ docker build -t python-docker-dev .
$ docker run --rm -it -p 8080:8080 python-docker-dev

你将能在 [http://localhost:8080](http://localhost:8080.) 访问此 app。使用 Ctrl+C 组合键可以退出程序。

现在,假设你希望在每次修改代码(比如在本地部署时)时都运行以上代码,那么你需要在启停 python 服务时将代码源文件挂载到容器中。

$ docker run --rm -it -p 8080:8080 -v $(pwd):/app \
             python-docker-dev bash
root@id:/app# python src/server.py

2. 使用 Gunicorn 实现热更新

gunicorn 是一款运行于 Unix 下的 Python WSGI HTTP server,使用的是 pre-fork worker 模型(注,Arbiter 是 gunicorn 的 master,因此称 gunicorn 为 pre-fork worker)。你可以使用各种各样的选项来配置 gunicorn。向 gunicorn 命令中传入 --reload 或是将 reload 写入配置文件,就可以让 gunicorn 在有文件发生变化时自动重启 python 服务。

FROM python:3.6
# 创建 app 目录
WORKDIR /app
# 安装 app 依赖
COPY gunicorn_app/requirements.txt ./
RUN pip install -r requirements.txt
# 打包 app 源码
COPY gunicorn_app /app
EXPOSE 8080

我们将构建镜像并运行 gunicorn,以便在 app 目录下文件发生变动时对代码进行 rebuild。

$ cd python-docker
$ docker build -t python-hot-reload-docker .
$ docker run --rm -it -p 8080:8080 -v $(pwd):/app \
             python-hot-reload-docker bash
root@id:/app# gunicorn --config ./gunicorn_app/conf/gunicorn_config.py gunicorn_app:app

一切在 app 目录下 python 文件的更改都会触发 rebuild,发生的变化都能在 [http://localhost:8080](http://localhost:8080.) 上实时展示。请注意,我们已经将文件挂载到了容器中,因此 gunicorn 才能正常工作。

其它格式的文件怎么办? 如果你希望 gunicorn 在监视代码变动的时候也监视其它类型的文件(如 template、view 之类的文件),可以在 reload_extra_files 参数中进行指定。此参数接受数组形式的多个文件名。

3. 运行一个单文件 python 脚本

你可以通过 docker run,使用 python 镜像来简单地运行 python 单文件脚本。

docker run -it --rm --name single-python-script -v "$PWD":/app -w /app python:3 python your-daemon-or-script.py

你也可以给脚本传递一些参数。在上面的例子中,我们就已经挂载了当前工作目录,也就是说可以将目录中的文件当做参数传递。

4. 部署静态文件

上面的 Dockerfile 假定了你是使用 Python 运行一个 API 服务器。如果你想用 Python 为 React.js、Vue.js、Angular.js app 提供服务,可以使用 Flask。Flask 为渲染静态文件提供了一种便捷的方式:html 文件放在 templates 目录中,css、js 及图片放在 static 目录中。

请在此 repo 中查看简单的 hello world 静态 app 的目录结构。

FROM python:3.6
# 创建 app 目录
WORKDIR /app
# 安装 app 依赖
COPY static_app/requirements.txt ./
RUN pip install -r requirements.txt
# 打包 app 源码
COPY static_app /app
EXPOSE 8080
CMD ["python","server.py"]

In your server.py,

if __name__ == '__main__':
    app.run(host='0.0.0.0')

请注意,host 需要设置为 0.0.0.0 - 这样可以让你的服务在容器外被访问。如果不设置此参数,host 会默认设为 localhost。

5. 生产环境中的直接构建

FROM python:3.6
# 创建 app 目录
WORKDIR /app
# 安装 app 依赖
COPY gunicorn_app/requirements.txt ./
RUN pip install -r requirements.txt
# 打包 app 源码
COPY . /app
EXPOSE 8080
CMD ["gunicorn", "--config", "./gunicorn_app/conf/gunicorn_config.py", "gunicorn_app:app"]

构建并运行这个一体化镜像:

$ cd python-docker
$ docker build -t python-docker-prod .
$ docker run --rm -it -p 8080:8080 python-docker-prod

由于底层为 Debian,构建完成后镜像约为 700MB(具体数值取决于你的源码)。下面探讨如何减小这个文件的大小。

6. 生产环境中的多级构建

使用多级构建时,将在 Dockerfile 中使用多个 FROM 语句,但最后仅会使用最终阶段构建的文件。这样,得到的镜像将仅包含生产服务器中所需的依赖,理想情况下文件将非常小。

当你需要使用依赖于系统的模块或需要编译的模块时,这种构建模式十分有用。比如 pycrypto 和 numpy 就很适合这种方法。

# ---- 基础 python 镜像 ----
FROM python:3.6 AS base
# 创建 app 目录
WORKDIR /app
# ---- 依赖 ----
FROM base AS dependencies  
COPY gunicorn_app/requirements.txt ./
# 安装 app 依赖
RUN pip install -r requirements.txt
# ---- 复制文件并 build ----
FROM dependencies AS build  
WORKDIR /app
COPY . /app
# 在需要时进行 Build 或 Compile
# --- 使用 Alpine 发布 ----
FROM python:3.6-alpine3.7 AS release  
# 创建 app 目录
WORKDIR /app
COPY --from=dependencies /app/requirements.txt ./
COPY --from=dependencies /root/.cache /root/.cache
# 安装 app 依赖
RUN pip install -r requirements.txt
COPY --from=build /app/ ./
CMD ["gunicorn", "--config", "./gunicorn_app/conf/gunicorn_config.py", "gunicorn_app:app"]

使用上面的方法,用 Alpine 构建的镜像文件大小约 90MB,比之前少了 8 倍。使用 alpine 版本进行构建能有效减小镜像的大小。

注意: 上面的 Dockerfiles 是为 python 3 编写的,你可以只做少数修改就能将其改为 python 2 版本。如果你要部署的是 django 应用,也应该能通过少数改动就做出可部署于生产环境的 Dockerfiles。

此外,你是否试过将 python web app 部署在 Hasura 上呢?这其实是将 python 应用部署于 HTTPS 域名的最快的方法(仅需使用 git push)。尝试使用 hasura.io/hub/project… 的模板快速入门吧!Hasura 中所有的项目模板都带有 Dockerfile 与 Kubernetes 标准文件,你可以自由进行定义

以上就是Python Web App编写Dockerfiles示例的详细内容,更多关于Python Web App编写Dockerfiles的资料请关注本站其它相关文章!

相关标签:

免责声明:本文内容仅供参考,不代表本站观点。转载或引用请注明出处。

Python 相关产品和应用

全部下载
Selenium

Selenium

4.51.0 · Windows

用于浏览器自动化和 Web 测试的 Python 工具。

scikit-learn

scikit-learn

1.9.1 · Windows

常用 Python 机器学习算法与模型评估工具库。

Black

Black

26.10.1 · Windows

强调一致性的 Python 自动代码格式化工具。

Ruff

Ruff

0.17.1 · macOS

由 Rust 编写的高速 Python 代码检查和格式化工具。

pytest

pytest

9.1.1 · Windows

简洁而强大的 Python 自动化测试框架。

FastAPI

FastAPI

0.146.0 · Windows

高性能 Python API 框架,支持类型提示和自动接口文档。

Flask

Flask

3.1.3 · Windows

轻量灵活的 Python Web 应用框架。

Django

Django

6.1.2 · Windows

成熟的 Python Web 框架,适合构建内容站点和业务系统。

Spyder

Spyder

6.1.7 · Windows

面向科学计算与数据分析的 Python 集成开发环境。

SciPy

SciPy

1.18.1 · Windows

面向科学、工程和技术计算的 Python 算法库。