Python Docker 部署 Python 应用

docker部署python应用需构建含代码、依赖和环境的可移植镜像，核心是编写分层缓存、非root用户、固定依赖版本、环境变量管理配置、stdout日志及本地验证的dockerfile。

用 Docker 部署 Python 应用，核心是把代码、依赖和运行环境打包成可移植的镜像，避免“在我机器上能跑”的问题。关键在于写好 Dockerfile、管理好依赖、合理设置启动命令，并注意构建与运行时的环境差异。

写一个简洁可靠的 Dockerfile

从官方 Python 基础镜像出发，推荐使用带版本号的 slim 镜像（如 python:3.11-slim），兼顾轻量与兼容性。结构建议如下：

• 用 copy requirements.txt . + pip install -r requirements.txt 分层安装依赖，利用 Docker 缓存加速后续构建
• 再 COPY . . 复制源码，避免因代码变动导致 pip 安装层重复执行
• 指定非 root 用户运行（useradd -m app && chown -R app:app /app），提升安全性
• 用 WORKDIR /app 设定工作目录，CMD ["gunicorn", "--bind", "0.0.0.0:8000", "app:app"] 启动服务（根据实际框架调整）

正确处理依赖和配置

requirements.txt 必须固定所有依赖版本（用 pip freeze > requirements.txt 或 pip-compile 生成），否则镜像在不同时间构建可能引入不兼容更新。

敏感配置（如数据库密码、密钥）不要硬编码或写进镜像。推荐方式：

立即学习“Python免费学习笔记（深入）”；

• 运行时通过环境变量传入（docker run -e DATABASE_URL=...），代码中用 os.getenv() 读取
• 用 .env 文件配合 docker-compose.yml 的 env_file 字段加载（仅限开发/测试）
• 生产环境建议结合 Secret 管理工具（如 Docker Swarm Secrets 或 kubernetes Secrets）

本地验证与日志调试

构建后别急着上线，先本地运行并检查基础行为：

• 执行 docker build -t my-python-app . 构建镜像
• 运行 docker run -p 8000:8000 --rm my-python-app，访问 http://localhost:8000 确认服务响应
• 加 -it 参数进入容器：docker run -it --rm my-python-app sh，手动检查文件路径、Python 版本、包是否安装成功
• 日志输出保持到 stdout/stderr（不要重定向到文件），方便 docker logs 查看实时输出

生产部署小建议

单机部署可用 docker-compose 管理多容器协作（如加 nginx 反向代理、redis 缓存）；集群场景建议迁移到 Kubernetes。

• 镜像打标签区分环境，例如 my-python-app:prod-v1.2，避免用 latest
• 在 docker-compose.yml 中设置 restart: unless-stopped，保证异常退出后自动恢复
• 限制资源防止失控：用 mem_limit: "512m" 和 cpus: "1.0" 控制容器资源占用
• 健康检查加上：healthcheck: {test: ["CMD", "curl", "-f", "http://localhost:8000/health"], interval: 30s}

不复杂但容易忽略：每次修改代码后记得重新构建镜像，别直接改运行中的容器文件；Python 的 __pycache__ 和 .pyc 文件可加 .dockerignore 排除，减小镜像体积。