Skip to main content

第一天學習 Docker 該知道的基礎知識

先聲明這是一個讀演算法的人玩 NAS 半路出家想說自己寫個 Docker 邊玩邊學的記錄。

前言​

身為 NAS 用戶，Docker 最方便的就是怎麼搞都不會壞，不像傳統程式搞壞之後高機率有奇怪的殘留設定清不掉有夠搞人，有問題就是把 mount 的東西全部 rm -rf 就清潔溜溜。不過一開始單純作為使用者使用真的不好理解，尤其是 Docker 和虛擬機的差別。

這篇文章包含：

  1. Docker 介紹，說明和傳統虛擬機的差異
  2. 如何撰寫 Dockerfile 並構建自己的 Image
  3. 解決 Matplotlib 的中文字體 (CJK) 問題，解法同時適用於 Docker 以外的環境
  4. 如何撰寫 Docker for Github Actions 完成 Python CI
  5. 常用指令小抄

Docker 和虛擬機差異

或者說 Docker 到底如何比虛擬機還快，這是我一開始最疑惑的點。

簡單來說 Docker 就是一個超輕量化的虛擬機，和虛擬機最大差異在不用模擬硬體（所以你不會看到在 docker 上安裝驅動程式，但是 VMware/QEMU-KVM 要），並且共用宿主 kernel，這就是讓他輕量快速的原因。以宿主機配備 i5-7400 16G ram 而言，開一個虛擬機等同一台完整主機，記憶體分配宿主機 10G 虛擬機 6G 就差不多了，但是我在裡面架設的 ubuntu server 中開了十多個容器，加上 ubuntu 本身作業系統還吃不到 2G。

struct1.webp

Docker 架構圖。我發現很多人都沒解釋這張圖所以第一次看有點似懂非懂。在 infra (硬體)上都必須要有作業系統，再往上會出現第一個不同，虛擬機使用管理器，而 docker 叫做 docker engine。虛擬機管理器之下是獨立的客戶 OS，而 docker 沒有 OS，直接共享宿主 OS 核心。附帶一提，VM 管理器分成兩種，以我們最容易接觸到的 VMware Workstation 為例他是屬於 type II。

接著馬上介紹剛剛提到的新名詞「容器」。Docker 主要組成為

  1. image 鏡像
  2. container 容器
  3. volume 卷宗
  4. network 網路

這四項組合而成。Dockerfile 作為設計圖設計這個容器該用哪些 image，再用 volume 把內部儲存空間掛載到宿主機資料夾，network 設定網路，最後合起來是運行時的實體、消耗記憶體和 CPU 資源的叫做 container。上面那隻鯨魚是 Docker Hub，是類似 Github 的地方，把 build 好的鏡像讓大家使用。

struct2.jpg

主要組成關係圖。

Docker 的好處​

講完原理那他好在哪呢？

  • 快速方便的跨平台部署
    最大優勢是「跨平台」特性。只要打包成 Docker 映像檔，在全平台都能一致運行。

  • 輕量級的虛擬化
    Docker 容器比傳統虛擬機輕量，因為它們共享主機的作業系統核心。啟動快，資源佔用少。

  • 快速擴展和更新
    需要擴展應用程式時，使用 Docker 可以輕鬆啟動多個相同容器來應對負載增加。更新應用時，只需更新映像檔並重新部署容器。

撰寫 Dockerfile​

沒那麼難理解只是資源太分散，簡易版本是 python slim，還加上兩段構建版本，以及 --virtual 方式共三個版本：

FROM python:3.10-slim
WORKDIR /app
COPY . /app

RUN apt-get update && \
    apt-get install -y rsync fonts-noto-cjk && \
    rm -rf /var/lib/apt/lists/*
RUN pip install --no-cache-dir -r requirements.txt

VOLUME ["/mnt/local_path", "/mnt/remote_path", "/app/data"]
ENTRYPOINT ["python", "-m", "p5d"]

解釋 slim (basic) 版本的構建指令：

  • FROM python:3.10-slim: 使用輕量級的 Python 基礎鏡像，體積較小但功能齊全
  • WORKDIR /app: 設定工作目錄，告訴 Docker 在容器內的 /app 目錄中執行後續命令
  • COPY . /app: 將當前目錄的所有文件複製到容器內的工作目錄 (/app)
  • RUN apt-get update && apt-get install -y rsync fonts-noto-cjk: 安裝必要的系統套件，包含中日韓字體支援
  • RUN pip install --no-cache-dir -r requirements.txt: 安裝 Python 依賴套件，不保留快取以減少鏡像大小
  • VOLUME ["/mnt/local_path", "/mnt/remote_path", "/app/data"]: 設定容器掛載點，方便與宿主機交換數據
  • ENTRYPOINT ["python", "-m", "p5d"]: 指定容器啟動時執行的預設指令

解釋 alpine with virtual 版本的構建指令：

  • FROM python:3.10-alpine: 使用超輕量級的 Alpine Linux 減少鏡像體積
  • ENV PYTHONDONTWRITEBYTECODE=1: 設定 Python 不生成 .pyc 檔案，減少鏡像體積
  • ENV PYTHONUNBUFFERED=1: 設定 Python 標準輸出不緩衝，便於即時查看日誌
  • RUN apk add --no-cache fontconfig libstdc++ rsync: 安裝必要的常駐套件
  • RUN apk add --virtual .build-deps build-base curl: 使用 --virtual 標記創建臨時套件組，方便後續一併移除
  • 下載並安裝中日韓字體，完成構建後刪除臨時套件，有效減少最終鏡像體積
  • VOLUME 和 ENTRYPOINT 與基本版本類似，提供掛載點和啟動指令

解釋 alpine with multi-stage build 版本的構建指令：

  • 使用多階段構建策略，分為 builder 和 final 兩個階段
  • Builder 階段:
    • 安裝構建必要的套件和依賴
    • 下載字體資源
    • 安裝 Python 依賴
  • Final 階段:
    • 只從 builder 階段複製必要的文件，包括應用代碼、Python 套件和字體
    • 只安裝運行時必要的輕量級套件
    • 最終鏡像不包含構建工具，體積更小且更安全

很簡單吧，另外每個命令至少都會使用一層或多層的映像檔，所以相似命令盡量用 && 合併。

比較不同構建方式​

接下來比較不同構建方式的鏡像大小

  1. slim：原始版本，使用 python slim 並且用 apt-get 安裝字體包
  2. alpine：改成 python alpine，安裝必要編譯工具後沒刪除編譯工具（沒放在上面的 tab 中）
  3. alpine --virtual：使用 python alpine 安裝後刪除未來用不到的包
  4. alpine 多段構建：用 FROM 分隔不同階段，用於減少鏡像容量，例如 alpine 沒有編譯功能，編譯完成後直接複製到下一階段使用

容量分別是

方式大小
slim 安裝字體包402MB
alpine 沒刪除額外工具462MB
alpine --virtual245MB
多階段構建減少容量226MB

可以看到什麼都不管，直接使用 slim 檔案來到誇張的 402MB，而 alpine 雖然本體小，但是加上必要的編譯工具容量反而變大。用另外兩種方式進一步優化之後可降低將近 50% 容量。進入容器內部觀察，發現 /usr/local/lib/python3.10 就佔據 190 MB，該資料夾中都是小檔案最大只有 1MB，相較本身電腦開發端的 .venv 資料夾約為 130MB 約多出 60MB。

本以為優化空間也差不多了，但是參考其他專案鏡像發現專業專案的 python 資料夾還更小所以一定有優化空間，目前已知最大問題是 matplotlib 和他需求的 numpy 兩個都是容量怪物。

構建和執行指令​

構建名為 p5d 的 Docker 映像，使用當前目錄下的 Dockerfile。

docker build -t p5d .

執行 p5d，容器，掛載本地路徑與容器內路徑，並以互動模式運行

docker run --rm -v /Users/leo/Pictures/downloads拷貝3/:/mnt/local_path \
-v /Users/leo/Downloads/dst/:/mnt/remote_path \
-v ~/Downloads:/app/data \
-it p5d

在 docker 中運行 unittest 偵錯

docker run --rm -v /Users/leo/local_folder:/mnt/local_folder \ 
-v /Users/leo/remote_folder:/mnt/remote_folder \
-v ~/Downloads:/app/data \
p5d:test python -m unittest discover -s tests -p "*.py"

進入容器查看，由於容器沒有持續運行的程式，啟動後會立即退出，因此改用 /bin/bash 作為入口進入容器內部檢查。

docker run -v /Users/leo/Pictures/downloads拷貝3/:/mnt/local_path \
-v /Users/leo/Downloads/dst/:/mnt/remote_path \
-v ~/Downloads:/app/data \
-it --entrypoint /bin/bash p5d

列出所有容器

docker ps -a

刪除所有容器

docker rm -v -f $(docker ps -qa)

學完之後發現大部分指令在使用 NAS 時就就學會了。

遇到的問題​

Matplotlib​

又是 matplotlib，又是你，你最爛

好啦其實不是他，是字體問題，中日文出現一堆口口口口，這其實沒有花很久時間處理，但是處理的過程都很煩躁。

import matplotlib
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties

# font_path 需要手動更改
font_path = "/usr/share/fonts/opentype/noto/NotoSansCJK-Regular.ttc"
font_prop = FontProperties(fname=font_path)
font_name = font_prop.get_name()
print(f"Font name: {font_name}")

# 將字體加入列表並測試
plt.rcParams["font.sans-serif"] = [font_name] + plt.rcParams["font.sans-serif"]
plt.figure(figsize=(10, 3))
plt.text(0.5, 0.5, "中文日本語フォント동해 물과", fontsize=24, ha="center", va="center")
plt.axis("off")
plt.show()

# 顯示字體列表
print("Current sans-serif fonts:")
print(plt.rcParams["font.sans-serif"])

最簡單也最麻煩的設定就是字體問題，因為檔名叫 NotoSansCJK-Regular，裡面的字體不見得是 NotoSansCJK-Regular，可能是 "Noto Sans TC/JP" "Noto-Sans-TC" "Noto Sans" 等等，或者是小寫，有夠麻煩，途中還不知道試了哪個名字是 JP 的字體，中文可以正常顯示但是日文口口口口，到底= =

關於字體下載，我也是沒想到有天我會去 Debian 官方倉庫 裡面找字體，因為 apk 下載會包含多個粗細和語言，但是使用一種語言其他語言的常見字都可以顯示，為了極限縮減容量煞費苦心阿。

Github Actions​

研究一上午的結論是 Windows 不支援，至少我先催眠自己不支援，不想再搞了，一個關鍵是找 Github 現有 Actions repo，別用什麼 choco 安裝那是傻了。下方是使用 ubuntu 完成的範例。

name: Docker Test

on:
  push:
    branches: [ main ]
  pull_request:
    branches: [ main ]

jobs:
  docker-test:
    runs-on: ubuntu-latest
    strategy:
      fail-fast: false
      
    steps:
    - name: Checkout repository
      uses: actions/checkout@v4

    - name: Set up Docker Buildx
      uses: docker/setup-buildx-action@v3

    - name: Build Docker image
      uses: docker/build-push-action@v6
      with:
        context: .
        push: false
        load: true
        tags: p5d:test

    - name: Create test directories
      run: |
        mkdir -p test_local_folder
        mkdir -p test_remote_folder

    - name: Run Docker container and execute tests
      run: |
        docker run --rm \
          -v ${{ github.workspace }}/test_local_folder:/mnt/local_folder \
          -v ${{ github.workspace }}/test_remote_folder:/mnt/remote_folder \
          --entrypoint python p5d:test -m unittest discover -s tests -p "*.py"

    - name: Clean up
      run: |
        rm -rf test_local_folder
        rm -rf test_remote_folder

多容器管理工具​

補充相似的多容器管理工具，這些工具如果有碰過 NAS 的人全都知道，但我懶的寫了叫 GPT 生，我叫他學我的口氣寫提示詞叫他只講重點不知道有沒有像。

不過隨著需求增加，單純的 Docker 容器還是會有一些限制。像是當你要管理一大堆容器的時候，你就會發現「手動一個個啟動」變得不太實際了。而且，有時候我們需要確保服務永遠運行，一旦容器掛了自動重啟，甚至還有自動擴展容器的需求。這時候我們就需要進階的工具來幫我們搞定多容器和叢集的管理。

Docker Compose​

先來講最基本的進階工具：Docker Compose。簡單來說，它就像是幫你打包好多個 Docker 容器的「編排工具」，也就是說你可以定義多個容器怎麼一起運行，讓不同的服務互相連接。比如你想要跑一個 Web 應用程式，前端用一個 Nginx 容器，後端用一個 Node.js 容器，資料庫用一個 MySQL 容器，這時候你就可以用 Docker Compose 一次搞定。只需要寫一個 docker-compose.yml 文件，定義好每個容器該用的映像、網路、卷宗（volume）等等，接著一個 docker-compose up 指令就讓所有東西都跑起來了。

這東西的好處就是簡化了容器之間的相互連接，不用再每個容器單獨設置網路和端口，一個配置文件搞定所有。

Docker Swarm​

接下來，如果你想要在多台機器上同時管理一大堆容器，那就要進入「叢集管理」的領域了。Docker 內建的叢集管理工具叫做 Docker Swarm。它的設計理念是「簡單易用」，想像成 Docker 自己家的叢集工具，讓多台機器組成一個「群體」（Swarm），每台機器可以自動分配和運行容器，確保你的服務即使某台機器掛了，其他機器也能頂上來。

用 Docker Swarm，你可以輕鬆在多台機器上部署容器，容器的自動擴展和縮減、負載平衡、健康檢查等功能也可以很容易實現。

Kubernetes（K8s）​

但如果你要處理更複雜的叢集管理，或者你的系統需要高度可擴展，那就會有人跟你說：「你應該用Kubernetes（K8s）。」這個是 Google 推出來的開源專案，現在幾乎已經是容器編排的業界標準。

K8s 的核心概念是將你的容器打包成「Pod」，每個 Pod 可以運行一個或多個容器，這樣你可以很靈活地管理容器的運行、擴展和部署。它可以管理數以千計的容器，實現自動調整（Scaling）、負載均衡、容錯處理（Failover）、自動重啟、甚至有進階的網路和儲存管理功能。當然，K8s 的學習曲線也比 Docker Swarm 高得多，因為它功能更強大和靈活。

簡單來說，如果你需要處理大規模系統，而且你不怕搞一大堆配置和學習曲線，那 K8s 就是你的最佳選擇。

K3s​

最後來講講 K3s，它是 Kubernetes 的「輕量版」。因為 Kubernetes 原本是為大規模系統設計的，所以對於資源需求會比較高。而 K3s 就是為那些資源有限的小設備或邊緣計算環境設計的，像是樹莓派或者小型的 NAS。K3s 減少了一些 Kubernetes 的進階功能，讓它變得更輕便，但保留了 Kubernetes 的核心功能。

所以，如果你想體驗 Kubernetes 的強大功能，但又不需要那麼多的複雜性和資源耗費，K3s 是個很好的選擇。

總結​

  • Docker Compose：適合管理單台機器上的多容器應用，輕鬆定義服務之間的關聯。
  • Docker Swarm：Docker 自家的叢集工具，讓多台機器一起運行容器，功能簡單直接。
  • Kubernetes（K8s）：業界標準的容器編排工具，適合大規模、高度可擴展的系統，但學習成本較高。
  • K3s：Kubernetes 的輕量版，適合資源有限的小型設備或邊緣計算環境。

有了這些工具，你就可以根據需求選擇合適的容器管理解決方案，無論是單台機器上的簡單應用，還是多台機器上的大型分散式系統都能搞定！

補充常用指令​

這篇文章最早只是常用指令小抄，從小抄開始長大成一篇文章。

檢視資訊​

docker compose ls            # 列出 compose 
docker container ls          # 列出容器，等同 docker ps
docker container stop <ID>   # 取得 ID 後可一一暫停
docker system df -v          # 列出硬碟相關的詳細資訊，不過列出的遠遠不只

進入 Docker 容器內部​

docker ps
docker exec -it dbf85ae17c7c /bin/sh
# 若 sh 不行可改成 bash

運行控制​

docker compose up -d         # d: detach，在背景獨立持續運行服務
docker compose down          # 停止並移除容器、網路、卷
docker compose start         # 啟動已存在的服務
docker compose stop          # 停止已運行的服務
docker compose restart       # 重啟服務

docker compose rm -s -v      # 不常用，移除服務，s: 停止容器, v: 移除匿名卷

清理​

docker system prune -a       # 關閉停用的容器、網路、映像、快取
docker image prune -a        # 清理無用映像
docker rm -v -f $(docker ps -qa)  # 刪除所有容器

結束​

讀 Docker 過程中所有東西記錄下來再變成文章沒想到可以寫這麼多。還有好像可以對自己有自信一點，原來半路出家東摸西摸也可以比大多數文章懂的還多，至少不會像賣課網站的課程預覽教學說我們會在 container 裡面部屬 image，拜他所賜，看了他的教學後大幅降低我的理解效率。