Python Web应用的Dockerfile必须指定明确的Python版本和基础镜像
用 python:latest 或 python:slim 不写小版本号，上线后可能突然构建失败或行为异常——因为镜像底层Python微版本升级了，比如 python:3.11-slim 某天变成 3.11.9，而你的 pydantic 依赖只兼容 3.11.7。
实操建议：
始终锁定小版本：用 python:3.11.7-slim-bookworm（推荐 Debian Bookworm，比 Alpine 更少遇到 glibc/SSL 兼容问题）避免 python:3-alpine，除非你清楚自己在处理 musl libc、缺少二进制 wheel、以及编译 psycopg2 或 numpy 的麻烦如果项目用 Poetry，别在 Dockerfile 里反复 poetry install；先本地 poetry export -f requirements.txt > requirements.txt，再 COPY 进容器用 pip install -r requirements.txt —— 构建更快、层更稳定
WORKDIR 和 COPY 顺序搞反会导致 pip install 缓存失效
Docker 构建缓存很敏感。把 COPY . . 放在 RUN pip install 前面，哪怕只改了一个空格，整个依赖安装步骤就全重来，每次都要下载几百 MB 包。
正确顺序是：
立即学习“Python免费学习笔记（深入）”；
先 COPY requirements.txt .（或 pyproject.toml + poetry.lock）再 RUN pip install -r requirements.txt（或 poetry install –no-dev）最后 COPY . .
这样改代码不影响依赖层缓存。注意：requirements.txt 文件本身必须存在且内容稳定，否则缓存照样失效。
启动命令不加 exec 导致信号转发失败，Ctrl+C 或 k8s kill 都杀不死进程
写成 CMD python app.py 或 CMD ["sh", "-c", "python app.py"]，容器里实际跑的是 shell 进程，Python 是它的子进程。SIGTERM 来了，shell 不会自动转发给子进程，Web 服务无法优雅退出。
必须用 exec 形式：
推荐：CMD ["gunicorn", "–bind", "0.0.0.0:8000", "app:app"]（直接起主进程）如果非要用 Python 启动，写成：CMD ["python", "app.py"]，别套 shell绝对不要：CMD python app.py（这是 shell form，隐含 /bin/sh -c）
验证方法：进容器 ps aux，看 PID 1 是否是你期望的进程（如 gunicorn），不是 /bin/sh。
没暴露端口或没绑定 0.0.0.0，容器跑起来却访问不了
EXPOSE 8000 只是文档说明，不等于真的开放端口；Flask 默认绑定 127.0.0.1:5000，在容器里就只能本机访问，外部连不上。
关键点：
EXPOSE 要写，但更重要的是运行时加 -p 8000:8000；K8s 则靠 Service 配置Web 框架必须显式绑定 0.0.0.0:8000：Flask 用 app.run(host="0.0.0.0", port=8000)，FastAPI 用 uvicorn.run(…, host="0.0.0.0", port=8000)检查日志有没有类似 Running on http://127.0.0.1:8000 —— 这就是坑，得改成 0.0.0.0
本地测试时，用 curl -v http://localhost:8000 成功不代表容器内没问题；要进容器 curl http://0.0.0.0:8000 和从宿主机 curl 都通才算。
最常被跳过的其实是环境变量注入方式：用 ENV 写死密钥很危险，应该用 docker run -e DATABASE_URL=… 或挂载 .env 文件，但记得在代码里用 dotenv.load_dotenv() 主动加载，别指望 Docker 自动读取。
评论(0)