Docker 學習

https://www.cnblogs.com/poloyy/p/15257059.html

項目結(jié)構(gòu)

.
├── app
│   ├── __init__.py
│   └── main.py
├── Dockerfile
└── requirements.txt

FastAPI 應用程序 main.py 代碼

from typing import Optional
from fastapi import FastAPI
app = FastAPI()
@app.get("/")
def read_root():
    return {"Hello": "World"}
@app.get("/items/{item_id}")
def read_item(item_id: int, q: Optional[str] = None):
    return {"item_id": item_id, "q": q}

Dockerfile

# 1、從官方 Python 基礎(chǔ)鏡像開始
FROM python:3.9
# 2、將當前工作目錄設(shè)置為 /code
# 這是放置 requirements.txt 文件和應用程序目錄的地方
WORKDIR /code
# 3、先復制 requirements.txt 文件
# 由于這個文件不經(jīng)常更改，Docker 會檢測它并在這一步使用緩存，也為下一步啟用緩存
COPY ./requirements.txt /code/requirements.txt
# 4、運行 pip 命令安裝依賴項
RUN pip install --no-cache-dir --upgrade -r /code/requirements.txt
# 5、復制 FastAPI 項目代碼
COPY ./app /code/app
# 6、運行服務
CMD ["uvicorn", "app.main:app", "--host", "0.0.0.0", "--port", "80"]

第四步：運行 pip 命令解析

RUN pip install --no-cache-dir --upgrade -r /code/requirements.txt

• --no-cache-dir 選項告訴pip不要將下載的包保存在本地，因為只有當pip 將再次運行以安裝相同的包時才會這樣，但在使用容器時情況并非如此
• --no-cache-dir只與pip有關(guān)，與 Docker或容器無關(guān)
• --upgrade選項告訴 pip升級已經(jīng)安裝的軟件包
• 因為上一步復制文件可能會被Docker 緩存檢測到，所以這一步也會在Docker 緩存可用時使用
• 在這一步中使用緩存會在開發(fā)過程中一次又一次地構(gòu)建鏡像時節(jié)省大量時間，而不是每次都下載并安裝所有依賴項

Docker 緩存

這里有一個重要的技巧Dockerfile，首先只復制依賴項的文件，而不是 FastAPI 應用程序代碼

 ./requirements.txt /code/requirements.txt

• Docker 和其他工具以增量方式構(gòu)建這些容器映像，在另一層之上添加一層
• 從 Dockerfile 的頂部（首行）開始，由 Dockerfile 的每個指令來創(chuàng)建任何文件
• Docker 和其他工具在構(gòu)建鏡像時也是用內(nèi)部緩存
• 如果文件自上次構(gòu)建容器鏡像后沒有更改，則它將重用上次創(chuàng)建的同一層，而不是再次復制文件并從頭開始創(chuàng)建一個新的層
• 僅僅避免文件副本并不一定會改善太多，但是因為它在該步驟中使用了緩存，所以它可以在下一步中使用緩存
• 例如，它可以將緩存用于安裝依賴項的指令

RUN pip install --no-cache-dir --upgrade -r /code/requirements.txt

• requirements.txt 不會經(jīng)常改變，所以通過復制該文件，Docker 可以在該步驟中使用緩存
• Docker 將能夠使用緩存進行下一步下載和安裝這些依賴項，這就是節(jié)省大量時間的地方
• 下載并安裝該軟件包的依賴關(guān)系可能需要幾分鐘，但使用的緩存將只需要幾秒
• 由于在開發(fā)過程中一次又一次地構(gòu)建容器鏡像以檢查代碼更改是否有效，因此可以節(jié)省大量累積時間

./app /code/app

• 在 Dockerfile 尾部，復制 FastAPI 應用程序代碼
• 由于這是最常更改的內(nèi)容，因此將其放在最后，在此步驟之后的任何內(nèi)容都將無法使用緩存

構(gòu)建 Docker Image

在 Dockerfile 打開命令行

docker build -t myimage .

查看鏡像

docker images

啟動 docker 容器

docker run -d --name mycontainer -p 80:80 myimage

查看容器

docker ps

訪問 127.0.0.1/

訪問 127.0.0.1/docs

帶有 Gunicorn 的官方 Docker 鏡像 - Uvicorn

• 此鏡像包含一個自動調(diào)整機制，可根據(jù)可用的 CPU 內(nèi)核設(shè)置工作進程的數(shù)量
• 它具有合理的默認值，但仍然可以使用環(huán)境變量或配置文件更新所有配置
• 此鏡像上的進程數(shù)是根據(jù)可用的 CPU 內(nèi)核自動計算的，它將嘗試從 CPU 中榨取盡可能多的性能
• 但這也意味著，由于進程數(shù)取決于容器運行的 CPU，消耗的內(nèi)存量也將取決于此
• 因此，如果應用程序消耗大量內(nèi)存（例如使用機器學習模型），并且服務器有很多 CPU 內(nèi)核但內(nèi)存很少，容器最終可能會使用比可用內(nèi)存更多的內(nèi)存，這會大大降低性能（甚至崩潰）

官方栗子

FROM tiangolo/uvicorn-gunicorn-fastapi:python3.9
COPY ./requirements.txt /app/requirements.txt
RUN pip install --no-cache-dir --upgrade -r /app/requirements.txt
COPY ./app /app

應用場景

1. 如果正在使用Kubernetes，并且已經(jīng)設(shè)置了集群級別的復制，就不應該使用此鏡像，最好從頭開始構(gòu)建鏡像
2. 如果應用程序足夠簡單，以至于根據(jù) CPU 設(shè)置默認進程數(shù)效果很好，不想費心在集群級別手動配置復制，并且運行的容器不會超過一個應用程序
3. 或者如果使用Docker Compose進行部署，在單個服務器上運行等

使用 poetry 的 docker image

# 第一階段:將僅用于安裝 Poetry 并從 Poetry 的 pyproject.toml 文件生成帶有項目依賴項的 requirements.txt。
FROM tiangolo/uvicorn-gunicorn:python3.9 as requirements-stage
# 將 /tmp 設(shè)置為當前工作目錄;這是我們將生成文件requirements.txt的地方
WORKDIR /tmp
# 安裝 poetry
RUN pip install poetry
# 復制
COPY ./pyproject.toml ./poetry.lock* /tmp/
# 生成 requirements.txt
RUN poetry export -f requirements.txt --output requirements.txt --without-hashes
# 這是最后階段，在這往后的任何內(nèi)容都將保留在最終容器映像中
FROM python:3.9
# 將當前工作目錄設(shè)置為 /code
WORKDIR /code
# 復制 requirements.txt;這個文件只存在于前一個 Docker 階段，這就是使用 --from-requirements-stage 復制它的原因
COPY --from=requirements-stage /tmp/requirements.txt /code/requirements.txt
# 運行命令
RUN pip install --no-cache-dir --upgrade -r /code/requirements.txt
# 復制
COPY ./app /code/app
# 運行服務
CMD ["uvicorn", "app.1_快速入門:app", "--host", "0.0.0.0", "--port", "80"]

• 第一階段 Docker 是 Dockerfile 的一部分，它作為一個臨時容器的鏡像是僅用于生成一些文件供后面階段使用
• 使用 Poetry 時，使用Docker 多階段構(gòu)建是有意義的
• 因為實際上并不需要在最終容器鏡像中安裝 Poetry 及其依賴項，只需要生成的requirements.txt 文件來安裝項目依賴項

poetry 詳細教程

https://www.jb51.net/article/195070.htm

到此這篇關(guān)于FastAPI 部署在 Docker的文章就介紹到這了,更多相關(guān)FastAPI 部署在 Docker 內(nèi)容請搜索本站以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持本站！

版權(quán)聲明：本站文章來源標注為YINGSOO的內(nèi)容版權(quán)均為本站所有，歡迎引用、轉(zhuǎn)載，請保持原文完整并注明來源及原文鏈接。禁止復制或仿造本網(wǎng)站，禁止在非www.sddonglingsh.com所屬的服務器上建立鏡像，否則將依法追究法律責任。本站部分內(nèi)容來源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來，僅供學習參考，不代表本站立場，如有內(nèi)容涉嫌侵權(quán)，請聯(lián)系alex-e#qq.com處理。