Рубрики
Без рубрики

Запустите Python в Docker: хостинг сценария Python на Docker

Привет читатели! В этой статье мы будем понимать процесс проведения сценария Python на контейнере Docker подробно. Итак, давайте начнем! Что такое

Автор оригинала: Pankaj Kumar.

Привет читатели! В этой статье мы будем понимать процесс Хостинг сценарий Python на контейнере Docker в деталях. Итак, давайте начнем!

Что такое контейнер?

А Контейнер Это пакет всех системных и программных требований, необходимых для запуска приложения на облаке. Он содержит файлы выполнения выполнения, настройки системы, код и библиотеки.

Таким образом, с контейнерами мы можем изменить спецификации, поскольку контейнеры будут пишечными, а затем легко размещать приложения.

Хостинг сценария Python на Docker

Поняв о контейнерах, теперь время реализации скрипта через контейнеры. Этим, мы гарантируем, что контейнер позаботится обо всех требованиях и хостинге.

Перед развертыванием скрипта давайте понять поток хостинга приложения на контейнере в Docker.

Рекомендуется прочитать: Как установить Docker на Ubuntu?

  1. Сначала нам нужно создать DockerFile. А Dockerfile Является ли план, который необходим для создания изображений в Docker. Он содержит все необходимые команды, которые мы обычно выполняли через командную строку, чтобы создать изображение для контейнера.
  2. Создав DockerFile, мы бы теперь потребуются создать изображение на вершине DockerFile. А Docker Image Можно считать шаблоном, который помогает создать контейнер в докере. Он упаковывает приложения и устанавливает серверную среду, что позволяет нам использовать среду для проведения приложений над контейнерами удобным способом.
  3. Теперь мы можем Запустите изображение Чтобы увидеть вывод сценария Python Over. Как только отображается изображение, контейнер со случайным именем создается.

Теперь начнем с реализации !! Мы будем использовать следующий скрипт Python для размещения его на контейнере Docker.

sample.py

lst = list()
lst = ['Python', 'Machine Learning', 'R Language', 'Bootstrap']
for x in lst:
print(x)

В приведенном выше скрипте мы создали список, а затем итасировали через петлю для печати элементов списка Python.

1. Создайте DockerFile

DockerFile:

FROM python:3
ADD sample.py /
CMD [ "python", "./sample.py" ]

Есть определенные Директивы, предлагаемые Dockerfile как показано ниже-

  • От – Эта директива устанавливает базовое изображение для последующих инструкций для работы. В этом примере мы установили Python версии 3 в качестве базового изображения. Теперь DockerFile приведет к этому базовому изображению из узла Docker, который на самом деле является хранилищем изображений с открытым исходным кодом.
  • Добавить – Добавить инструкцию копирует новые файлы, каталоги или удаленные URL-адреса файлов из и добавляют их в файловую систему изображения на пути . В нашем случае src.py и место назначения /
  • CMD – Эта директива проводит услуги наряду с базовым изображением в индивидуальном порядке.

2. Создание изображения от DockerFile

После создания DockerFile нам теперь нужно создать изображение сверху DockerFile, используя приведенную ниже

docker build -t image-name:tag .

Мы можем предоставить любое настроенное имя изображения и Тег Помогает ей разделить с других изображений на концентраторе.

Пример:

docker build -t python-img:5.0 .

Выход:

[+] Building 5.4s (7/7) FINISHED
 => [internal] load build definition from Dockerfile                                                             0.1s 
 => => transferring dockerfile: 31B                                                                              0.0s 
 => [internal] load .dockerignore                                                                                0.1s 
 => => transferring context: 2B                                                                                  0.0s 
 => [internal] load metadata for docker.io/library/python:3                                                      5.0s 
 => [internal] load build context                                                                                0.1s 
 => => transferring context: 31B                                                                                 0.0s 
 => [1/2] FROM docker.io/library/python:3@sha256:b6a9702c4b2f9ceeff807557a63a710ad49ce737ed85c46174a059a299b580  0.0s 
 => CACHED [2/2] ADD sample.py /                                                                                 0.0s 
 => exporting to image                                                                                           0.1s 
 => => exporting layers                                                                                          0.0s 
 => => writing image sha256:8b2da808b361bc5112e2afa087b9eb4e305304bcc53c18925d04fe8003f92975                     0.0s 
 => => naming to docker.io/library/python-img:5.0  

Нам нужно помнить, что Docker Images читают только структуры и могут работать независимо. С другой стороны, контейнер построен на вершине изображения, и ему нужна изображение для запуска.

3. Запустите изображение докера

Теперь проведем наше созданное изображение, чтобы увидеть вывод сценария Python из контейнера на консоли Git Bash.

docker run python-img:5.0

Выход:

Python
Machine learning
R language
Bootstrap

Мы также можем увидеть отражение изображения, работающего на Docker Community Edition Консоль, как показано ниже-

Как уже упоминалось в предыдущем разделе, контейнер со случайным именем создается для вызываемого изображения, как показано ниже:

Мы можем даже создавать контейнеры с настроенными именами и запустить скрипт через контейнер с помощью команды ниже:

docker run -it --name container-name image:tag

Пример:

docker run -it --name sample python-img:5.0

Выход:

Python
Machine learning
R language
Bootstrap

Как видно выше, мы видим, что два контейнера, созданные над тем же изображением, что мы создали ранее.

Заключение

По этому, мы подошли к концу этой темы. Не стесняйтесь комментировать ниже, если вы столкнетесь с любым вопросом.

Для большего количества таких постов, связанных с Python, оставаться настроенными, а до тех пор, как потом, счастливое обучение !! 🙂.

Рекомендации