首页
/ 正文

Docker 安装 Python（建议收藏）

更新时间: 2025-03-23 12:32:22

💡一则或许对你有用的小广告

欢迎加入小哈的星球 ，你将获得：专属的项目实战 / 1v1 提问 / Java 学习路线 / 学习打卡 / 每月赠书 / 社群讨论

新项目:《从零手撸：仿小红书（微服务架构）》 正在持续爆肝中，基于 Spring Cloud Alibaba + Spring Boot 3.x + JDK 17...，点击查看项目介绍 ;

《从零手撸：前后端分离博客项目（全栈开发）》 2 期已完结，演示链接： http://116.62.199.48/ ;

截止目前，星球内专栏累计输出 82w+ 字，讲解图 3441+ 张，还在持续爆肝中.. 后续还会上新更多项目，目标是将 Java 领域典型的项目都整一波，如秒杀系统, 在线商城, IM 即时通讯，权限管理，Spring Cloud Alibaba 微服务等等，已有 2900+ 小伙伴加入学习，欢迎点击围观

在现代软件开发中，环境一致性与可移植性是开发者关注的核心问题。无论是团队协作还是跨平台部署，传统环境配置方式常常面临版本冲突、依赖混乱等问题。Docker 安装 Python 提供了一种高效解决方案：通过容器化技术将 Python 运行环境与操作系统隔离，确保代码在任何环境中都能保持一致的行为。本文将从零开始，分步骤讲解如何使用 Docker 安装和管理 Python 开发环境，帮助开发者快速上手这一工具链。

一、Docker 基础概念：容器与镜像

1.1 容器与镜像的关系

可以将 Docker 镜像想象为“软件的集装箱模板”，而容器则是“基于模板运行的具体集装箱”。例如，一个 Python 3.9 镜像包含了 Python 解释器、基础库和运行时环境，开发者可以通过它启动多个独立的 Python 容器实例。

1.2 Docker 的核心优势

环境一致性：确保所有开发者使用相同的依赖版本。
轻量级隔离：容器共享宿主机内核，资源占用远低于虚拟机。
可移植性：镜像可以在任何支持 Docker 的环境中运行，避免“在我的机器上能跑”问题。

比喻：Docker 容器就像乐高积木，每个积木（镜像）都是预定义的组件，开发者只需拼装即可快速构建复杂应用。

二、安装 Docker 环境

2.1 安装 Docker

根据操作系统选择安装方式：

Ubuntu/Debian 系统

sudo apt-get update  

sudo apt-get install apt-transport-https ca-certificates curl software-properties-common  

curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add -  

sudo add-apt-repository "deb [arch=amd64] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable"  

sudo apt-get update  
sudo apt-get install docker-ce docker-ce-cli containerd.io

macOS/Windows 系统

通过 Docker Desktop 官方客户端安装，图形界面简化了配置流程。

2.2 验证安装

运行以下命令检查 Docker 是否正常工作：

docker --version  
docker run hello-world

若输出包含“Hello from Docker!”，则表明环境已正确配置。

三、使用 Docker 安装 Python

3.1 直接运行 Python 容器

最简单的使用方式是直接拉取官方 Python 镜像并启动容器：

docker pull python:3.9  

docker run -it python:3.9

此时会进入容器的 Shell 环境，可以直接执行 Python 代码：

print("Hello Docker!")

3.2 使用 Dockerfile 定制化环境

对于复杂项目，建议通过 Dockerfile 定义环境配置：

3.2.1 编写 Dockerfile

在项目根目录创建 Dockerfile 文件，内容示例：

FROM python:3.9-slim  

WORKDIR /app  

COPY . /app  

RUN pip install flask requests  

EXPOSE 5000  

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

3.2.2 构建并运行容器

docker build -t my-python-app .  

docker run -p 5000:5000 my-python-app

关键指令解释：

FROM：指定基础镜像（如 python:3.9）。
WORKDIR：定义容器内工作目录。
COPY：将本地文件复制到容器。
RUN：执行命令安装依赖。
CMD：容器启动时的默认命令。

四、实战案例：Docker 包裹的 Flask 应用

4.1 项目结构

my-flask-app/  
├── app.py  
└── Dockerfile

4.2 app.py 内容

from flask import Flask  
app = Flask(__name__)  

@app.route("/")  
def hello():  
    return "Hello Docker World!"  

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

4.3 Dockerfile 优化

FROM python:3.9-slim  

WORKDIR /app  
COPY requirements.txt .  
RUN pip install -r requirements.txt  

COPY . .  
EXPOSE 5000  
CMD ["python", "app.py"]

4.4 运行与测试

docker build -t flask-demo .  

docker run -d -p 5000:5000 flask-demo

五、高级技巧与常见问题

5.1 多阶段构建（Multi-Stage Build）

通过分阶段构建减少镜像体积：

FROM python:3.9 AS builder  
RUN pip install --user flask==2.0.1  

FROM python:3.9-slim  
WORKDIR /app  
COPY --from=builder /root/.local /root/.local  
ENV PATH=/root/.local/bin:$PATH  
COPY . .  
CMD ["flask", "run"]

5.2 数据卷与持久化

挂载本地目录到容器，避免每次重建镜像：

docker run -v $(pwd)/data:/app/data -p 5000:5000 flask-demo

5.3 常见问题解决

问题 1：端口被占用

sudo lsof -i :5000  

kill -9 <PID>

问题 2：Docker 镜像无法拉取

检查网络连接或使用镜像加速器（如阿里云）：

sudo mkdir -p /etc/docker  
sudo tee /etc/docker/daemon.json <<-'EOF'  
{  
  "registry-mirrors": ["https://<your-id>.mirror.aliyuncs.com"]  
}  
EOF  
sudo systemctl restart docker

六、总结与展望

通过本文，开发者已掌握 Docker 安装 Python 的核心流程：从基础镜像选择、Dockerfile 编写，到容器运行与调试。Docker 的容器化技术不仅解决了环境依赖问题，还为微服务架构、CI/CD 流水线提供了基础支持。

未来，随着 Kubernetes 等容器编排工具的普及，Docker 的应用场景将更加广泛。建议读者继续深入学习 Docker 网络、多容器协作（如 docker-compose）等进阶主题，进一步提升开发效率。

通过本文的实践，读者不仅能快速搭建 Python 开发环境，更能理解容器化技术的核心思想，为应对复杂开发场景打下坚实基础。