Docker结合Python构建服务器容器

前言

最近在使用一些 MCP 制作工具的时候，需要设计一些 python 创建的服务器用于本地大模型来调用接口，若直接用用 python 启动服务的话，并不方便管理，但最近使用 docker 部署一些服务的时候发现 docker 管理这些服务独立且可便于观察各个服务的状态。于是就有突发奇想，用 python 编译的服务是否也可以用 docker 来管理。最近刚好在 GitHub 上找到一个简单实例，这里拿来学习使用一下。

参考链接：kangarooking/fastgpt-dify-adapter: dify外接fastgpt知识库的工具

Docker 介绍

Docker 是一个工具和平台，允许开发者将应用程序及其所有依赖（如库、系统工具、代码等）打包到一个轻量级容器中。这个容器可以在任何支持 Docker 的环境中运行，无需担心环境差异导致的问题。

基本概念

（1）镜像（Image）

• 定义：Docker 镜像是一个静态模板，包含运行应用所需的所有文件、依赖和配置。
• 特点：
• 由 Dockerfile 构建而成。
• 例如：python:3.10-slim 是一个 Python 3.10 的基础镜像。
• 作用：镜像是容器的“蓝图”，容器是镜像的运行实例。

（2）容器（Container）

• 定义：容器是镜像的运行实例，是一个独立的、可执行的进程。
• 特点：
• 容器是轻量级的，启动速度快（秒级）。
• 每个容器相互隔离，互不影响。
• 作用：运行应用，例如启动一个 Web 服务。

（3）Dockerfile

• 定义：一个文本文件，包含一系列指令，用于构建镜像。
• 示例：

FROM python:3.10-slim
WORKDIR /app
COPY requirements.txt .
RUN pip install -r requirements.txt
COPY . .
CMD ["python", "app.py"]

• 作用：自动化构建镜像，确保环境一致性。

（4）Docker Hub

• 定义：Docker 的公共仓库，存储和分享镜像。
• 特点：
• 提供官方镜像（如 nginx、mysql）。
• 支持私有镜像仓库。
• 作用：开发者可以拉取他人镜像或上传自己的镜像。

常见命令

命令	说明
docker images	列出本地所有镜像
docker ps	列出正在运行的容器
docker ps -a	列出所有容器（包括已停止的）
docker build -t <name> .	根据 Dockerfile 构建镜像
docker run <image>	运行一个容器
docker stop <container>	停止指定容器
docker rm <container>	删除指定容器

项目分析

项目十分简单主要包含一下文件：

• app.py
• docker-compose.yml
• docker-compose-aliyun.yml
• Dockerfile
• README.md
• requirements.txt
  Python 源代码是 app.py ，requirements.txt 为该 Python 代码所项目依赖的 Python 包列表。Dockerfile 主要用于构建本地镜像，docker-compose.yml 用来启动 docker 服务 docker-compose-aliyun.yml 是使用云端镜像进行部署。

如何构建本地镜像

分析一下 Dockerfile 文件，文件主要内容如下:

FROM python:3.10-slim
WORKDIR /app
COPY requirements.txt .
RUN pip install --no-cache-dir -r requirements.txt
COPY . .
EXPOSE 5000
CMD ["gunicorn", "--bind", "0.0.0.0:5000", "--access-logfile", "-", "--error-logfile", "-", "app:app"]

1. FROM python:3.10-slim

• 作用：指定基础镜像。
• 解释：
• python:3.10-slim 是一个轻量级的 Python 3.10 镜像（slim 表示精简版，去除了部分开发工具和依赖，体积更小）。
• 所有后续指令都基于这个基础镜像构建。

2. WORKDIR /app

• 作用：设置工作目录。
• 解释：
• 将容器内的工作目录设置为 /app。
• 后续的 COPY、RUN 等指令都会基于此路径执行（例如 COPY requirements.txt . 会将文件复制到 /app 目录下）。

3. COPY requirements.txt .

• 作用：复制文件到容器中。
• 解释：
• 将本地的 requirements.txt 文件复制到容器的当前工作目录（即 /app）。
• requirements.txt 通常包含项目依赖的 Python 包列表（如 flask、gunicorn 等）。

4. RUN pip install --no-cache-dir -r requirements.txt

• 作用：安装依赖。
• 解释：
• RUN 指令在镜像构建阶段执行命令。
• pip install 安装 requirements.txt 中列出的所有依赖。
• --no-cache-dir 禁用 pip 缓存，减少镜像体积。
• -r requirements.txt 表示从文件中读取依赖列表。

5. COPY . .

• 作用：复制当前目录下的所有文件到容器中。
• 解释：
• 将本地当前目录（Dockerfile 所在目录）下的所有文件和子目录复制到容器的 /app 目录。
• 注意：这会包含项目源代码、配置文件等（需确保 .dockerignore 文件排除不必要的内容，如 .git、__pycache__ 等）。

6. EXPOSE 5000

• 作用：声明容器运行时监听的端口。
• 解释：
• 告诉 Docker 容器在运行时会使用 5000 端口（例如 Web 服务的端口）。
• 注意：EXPOSE 只是文档作用，实际运行时需通过 docker run -p 5000:5000 映射端口。

7. CMD ["gunicorn", "--bind", "0.0.0.0:5000", "--access-logfile", "-", "--error-logfile", "-", "app:app"]

• 作用：指定容器启动时默认执行的命令。
• 解释：
• 使用 gunicorn（一个 WSGI 服务器）启动 Python Web 应用。
• 参数说明：
• --bind 0.0.0.0:5000：将服务绑定到所有网络接口的 5000 端口（允许外部访问）。
• --access-logfile "-"：将访问日志输出到标准输出（便于 Docker 日志系统捕获）。
• --error-logfile "-"：将错误日志输出到标准输出。
• app:app：指定 WSGI 应用入口（app 是 Python 模块名，app 是应用实例名，例如 app.py 中的 app = Flask(__name__)）。

建立 docker 服务

建立 docker 的服务虽然可以通过 docker 的命令直接开启一个服务，但是有时开启 docker 需要伴随一些环境变量，还有部分 docker 的设置，所以就个人而言，我更倾向于利用 docker-compose 来开启服务。Docker Compose 是一个用于定义和运行多容器 Docker 应用的工具。它通过一个 YAML 文件（docker-compose.yml）来配置服务、网络、卷等，简化了多容器应用的管理。

version: '3'
services:
 fastgpt-dify-adapter:
 build: .
 ports:
 - "5000:5000"
 environment:
 - FASTGPT_BASE_URL=http://host.docker.internal:3000
 # 问题优化配置
 - DATASET_SEARCH_USING_EXTENSION=true
 - DATASET_SEARCH_EXTENSION_MODEL=Deepseek-chat
 - DATASET_SEARCH_EXTENSION_BG=
 # 重排序配置
 - DATASET_SEARCH_USING_RERANK=true
 restart: unless-stopped

build: . 就可以一键将该路径下的 docker 打包完成并部署。
部署完成后就可以在 docker 界面中看到了。