Dockerfile 最佳实践:5个让你的镜像更小、更快的实用技巧

news2026/3/22 6:44:15
Dockerfile 最佳实践5个让你的镜像更小、更快的实用技巧在容器化应用开发中Docker镜像的大小和构建速度直接影响着开发效率和部署性能。一个臃肿的镜像不仅会拖慢CI/CD流水线还会增加存储和网络传输的开销。本文将分享5个经过实战验证的优化技巧帮助你将镜像体积缩减50%以上同时显著提升构建速度。1. 多阶段构建精简镜像的终极武器多阶段构建是Docker 17.05版本引入的革命性特性它允许你在单个Dockerfile中使用多个FROM指令每个阶段可以基于不同的基础镜像最终只保留你需要的构建结果。典型的多阶段构建模式# 第一阶段构建环境 FROM golang:1.18 as builder WORKDIR /app COPY . . RUN go build -o myapp # 第二阶段运行时环境 FROM alpine:3.14 WORKDIR /app COPY --frombuilder /app/myapp . CMD [./myapp]这个例子中第一阶段使用完整的Go环境编译应用第二阶段则切换到轻量级的Alpine镜像只复制编译好的二进制文件。最终镜像不包含任何编译工具链体积可以缩小90%以上。进阶技巧为每个阶段命名如as builder便于后续引用可以在一个Dockerfile中定义多个构建阶段选择性地复制文件使用--target参数可以只构建特定阶段docker build --target builder -t myapp:builder .2. 层优化减少镜像层数和体积Docker镜像由多个只读层组成每个指令都会创建一个新层。优化层的数量和大小是缩减镜像体积的关键。层优化策略对比表优化方法实现方式效果适用场景指令合并使用连接多个命令减少层数安装依赖、配置环境清理缓存apt-get clean rm -rf /var/lib/apt/lists/*减小层大小包管理器安装后文件排序将变化频繁的文件放在Dockerfile后面利用构建缓存所有场景最小化COPY只复制必需文件使用.dockerignore减小上下文大小项目文件复制优化示例# 不推荐的写法创建多个层 RUN apt-get update RUN apt-get install -y python3 RUN rm -rf /var/lib/apt/lists/* # 推荐的优化写法单层完成所有操作 RUN apt-get update \ apt-get install -y python3 \ rm -rf /var/lib/apt/lists/*提示使用docker history image命令可以查看镜像各层的大小和创建指令帮助定位优化点。3. 基础镜像选择从根源控制体积基础镜像的选择直接影响最终镜像的大小。以下是常见基础镜像的体积对比镜像典型大小特点ubuntu:latest~72MB完整功能适合通用场景debian:buster-slim~69MBDebian的精简版alpine:3.14~5.6MB极简使用musl libcscratch0MB空镜像适合静态编译程序选择建议优先考虑Alpine镜像特别是对于静态语言应用对于需要glibc的应用可以使用debian:buster-slim完全静态编译的程序可以直接基于scratch镜像避免使用latest标签明确指定版本号保证一致性Alpine镜像使用示例FROM alpine:3.14 RUN apk add --no-cache python3 py3-pip COPY . /app WORKDIR /app RUN pip install --no-cache-dir -r requirements.txt CMD [python3, app.py]4. .dockerignore被忽视的构建加速器.dockerignore文件的作用类似于.gitignore可以排除不需要加入构建上下文的文件和目录显著减少构建时的上下文传输时间。典型.dockerignore内容# 排除git和IDE相关文件 .git .idea *.swp # 排除依赖目录和日志 node_modules vendor *.log # 排除构建产物和测试文件 dist *.exe *.test高级技巧使用!可以排除特定文件的忽略如!include/important.file支持通配符模式匹配如temp*匹配所有temp开头的文件路径相对于Dockerfile所在目录支持**匹配多级目录注意在大型项目中合理的.dockerignore配置可以将构建上下文从几百MB减少到几MB极大提升构建速度。5. 构建缓存加速重复构建的秘诀Docker的构建缓存机制可以跳过未变化的指令大幅加速重复构建过程。理解并合理利用缓存是提升开发效率的关键。缓存优化策略指令排序优化# 不推荐的顺序变更代码会导致依赖重新安装 COPY . . RUN pip install -r requirements.txt # 推荐的顺序仅当依赖变化时才重新安装 COPY requirements.txt . RUN pip install -r requirements.txt COPY . .构建参数使用ARG APP_VERSION1.0 ENV APP_VERSION${APP_VERSION}多阶段构建中的缓存# 单独缓存依赖安装阶段 FROM node:14 as deps WORKDIR /app COPY package.json yarn.lock . RUN yarn install --frozen-lockfile FROM node:14 COPY --fromdeps /app/node_modules ./node_modules COPY . .缓存控制命令--no-cache完全禁用缓存--cache-from指定缓存源镜像--target构建特定阶段在实际项目中结合这些技巧可以将生产环境镜像从1.2GB优化到150MB左右构建时间从5分钟缩短到30秒。例如一个Node.js应用的优化前后对比指标优化前优化后提升镜像大小1.2GB142MB88%构建时间5分12秒28秒91%安全漏洞32个高危2个低危94%这些优化不仅提升了开发体验也增强了生产环境的安全性和可靠性。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2436085.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…