百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术分类 > 正文

如何把一个Python应用程序装进Docker

ztj100 2025-02-06 17:13 19 浏览 0 评论

准备

容器无处不在,但是如何在Docker容器中运行Python应用程序呢?这篇文章将告诉你怎么做!

如果您想知道,这些示例需要Python 3.x。

在深入讨论容器之前,让我们进一步讨论一下我们想要封装的Python应用程序。

这个应用程序是一个web API,它从一个电影集合中返回一个随机的电影。在我们的本地文件夹中,我们有3个文件:

app.py # Python application
movies.json # movie collection
requirements.txt # where we specifiy our Python dependencies

app.py包含一个API端点,它返回一个随机的影片:

import os
import json
from pathlib import Path
from random import choice
import cherrypy

PORT = os.environ.get('PORT', 8888)

FOLDER_PATH = Path(__file__).parent

with open(FOLDER_PATH / "movies.json", "r") as f:
    MOVIES = json.loads(f.read())

class Movie:
    @cherrypy.expose
    @cherrypy.tools.json_out()
    def index(self):
        return {"movie": choice(MOVIES)}

cherrypy.quickstart(
    Movie(), config=cherrypy.config.update({
        'server.socket_host': '0.0.0.0',
        'server.socket_port': PORT,
        }))

requirement.txt,我们有我们的依赖包

pip install -r requirements.txt

我们可以使用python app.py运行我们的应用程序。

运行curl localhost:8888应该返回一个随机的影片,类似于:

{
  "movie": {
    "Title": "Opal Dreams",
    "US_Gross": 14443,
    "Worldwide_Gross": 14443,
    "US_DVD_Sales": null,
    "Production_Budget": 9000000,
    "Release_Date": "Nov 22 2006",
    "MPAA_Rating": "PG",
    "Running_Time_min": null,
    "Distributor": "Strand",
    "Source": "Based on Book/Short Story",
    "Major_Genre": "Drama",
    "Creative_Type": "Contemporary Fiction",
    "Director": null,
    "Rotten_Tomatoes_Rating": null,
    "IMDB_Rating": 6.5,
    "IMDB_Votes": 468
  }
}

如何容器化我们的程序



包含一个Python应用程序意味着创建一个Docker镜像,其中包含运行它所需要的一切:源代码、依赖项和配置。

容器化应用程序的第一步是创建一个新的文本文件,名为Dockerfile:

app.py
movies.json
requirements.txt
Dockerfile

在Dockerfile(我们认为是最小可行Dockerfile)中,我们需要指定三个步骤:

  • 选择我们想要使用的基本图像
  • 选择我们想要在Docker图像中复制的文件
  • 安装应用程序的依赖项

Base image

要指定基本映像,我们使用FROM命令,后面跟着私有或公共映像。

在我们的例子中,我们将使用官方的Python Docker映像,该映像可在Docker hub上使用。

我们将选择最新可用的基于Ubuntu的python3图像。



# 1. Base image
FROM python:3.8.5-slim-buster

图像名称由两个不同的部分组成:image:tag。在我们的例子中,图像是python,标签是3.8.5-slim-buster。

这就是第一步所需要的一切。

复制应用程序

要在Docker图像中复制我们的应用程序,我们将使用copy命令:

# 2. Copy files
COPY . /src

此命令将指定的文件(或文件夹)复制到Docker映像中。在我们的例子中,我们希望复制Docker映像中本地文件夹中/src路径下的所有可用文件。

值得注意的是,COPY命令的第一部分是相对于构建上下文的路径,而不是相对于我们的本地机器的路径。


安装requirements.txt

最后一步是在Docker映像中安装我们的依赖项。为了实现这一点,我们将使用RUN命令运行pip安装:

# 3. Install our deps
RUN pip install -r /src/requirements.txt

需要注意的一件事是,requirements.txt的路径与我们第一次运行pip安装时不同。

这背后的原因是复制的文件在映像内的/src路径下。


构建并运行Docker映像

# 1. Base image
FROM python:3.8.3-slim-buster

# 2. Copy files
COPY . /src

# 3. Install our deps
RUN pip install -r /src/requirements.txt

我们的Dockerfile现在已经完成,我们可以使用它来构建Docker映像。为此,我们需要使用docker构建命令:

docker build -t movie-recommender .

这个命令使用当前文件夹作为构建上下文构建一个名为movie-recommender的Docker图像。在最后指定我们想要使用的构建上下文的路径)。

现在我们可以使用docker run命令运行刚刚构建的图像:

docker run movie-recommender python /src/app.py

该命令将在基于电影推荐图像的容器中执行python /src/app.py。

但是,如果我们尝试使用curl localhost:8888连接到我们的应用程序,我们将会得到一个错误。

这怎么可能?为什么我们不能连接到在容器内运行的应用程序?

原因是我们没有将应用程序的端口公开给本地机器。我们可以使用-p HostPort:ContainerPort标志来实现这一点。

因此,让我们尝试再次运行该命令,这一次指定我们希望在本地公开端口8888:

docker run -p 8888:8888 movie-recommender python /src/app.py

然后curl localhost:8888。

现在的效果非常好!我们刚刚包含了一个Python应用程序!


英文原文:

https://www.pybootcamp.com/blog/how-to-containerize-python-application/

相关推荐

其实TensorFlow真的很水无非就这30篇熬夜练

好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...

交叉验证和超参数调整:如何优化你的机器学习模型

准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...

机器学习交叉验证全指南:原理、类型与实战技巧

机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...

深度学习中的类别激活热图可视化

作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...

超强,必会的机器学习评估指标

大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...

机器学习入门教程-第六课:监督学习与非监督学习

1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...

Python教程(三十八):机器学习基础

...

Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置

你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...

超全面讲透一个算法模型,高斯核!!

...

神经网络与传统统计方法的简单对比

传统的统计方法如...

AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程

...

自回归滞后模型进行多变量时间序列预测

下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...

苹果AI策略:慢哲学——科技行业的“长期主义”试金石

苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...

时间序列预测全攻略,6大模型代码实操

如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...

AI 基础知识从 0.4 到 0.5—— 计算机视觉之光 CNN

...

取消回复欢迎 发表评论: