Conteneuriser l’API du modèle

Docker regroupe votre API, sa version de Python et toutes ses dépendances dans une image portable unique qui s’exécute de manière identique sur n’importe quelle machine. Il met fin aux problèmes du type « ça fonctionne sur mon ordinateur » et constitue la méthode standard pour livrer des services d’apprentissage automatique.

Un Dockerfile est une recette composée d’étapes de construction. Chaque instruction crée une couche mise en cache ; bien ordonner les étapes accélère donc les reconstructions.

La ligne FROM sélectionne une image de base. python:3.11-slim est une petite image Debian avec Python préinstallé, bien plus légère que l’image complète, ce qui réduit la taille finale et la surface d’attaque.

WORKDIR définit le répertoire de travail à l’intérieur du conteneur ; les commandes COPY et RUN suivantes s’exécutent par rapport à celui-ci, ce qui facilite la gestion des chemins.

Copiez uniquement requirements.txt avant le code source. Comme Docker met les couches en cache, les dépendances ne sont réinstallées que lorsque les exigences changent, et non à chaque modification du code, ce qui accélère considérablement les reconstructions.

RUN exécute une commande de construction. --no-cache-dir désactive le cache de téléchargement de pip afin de réduire la taille de l’image ; ce cache ne sert de toute façon à rien à l’intérieur d’une image.

Copiez maintenant le reste de votre application. En effectuant cette étape après l’installation de pip, la modification du code n’invalide pas la couche de dépendances mise en cache.

EXPOSE documente le port sur lequel le conteneur est à l’écoute. Il ne publie pas lui-même le port (vous le faites au moment de l’exécution avec -p), mais indique l’intention aux lecteurs et aux outils.

CMD définit la commande par défaut exécutée au démarrage du conteneur. Ici, nous lançons uvicorn en l’associant à 0.0.0.0 afin qu’il soit accessible depuis l’extérieur du conteneur.

Tous les éléments dans le bon ordre, favorable à la mise en cache :

Construisez l’image avec une étiquette, puis exécutez-la en mappant le port du conteneur vers celui de votre machine hôte avec -p.

Testez vos connaissances sur Docker.

Vous avez mis l’API dans un conteneur Docker : FROM python:3.11-slim, WORKDIR /app, copie de requirements.txt en premier, RUN pip install --no-cache-dir, copie du code source, EXPOSE 8000 et CMD lançant uvicorn. Ordonner les étapes pour tirer parti de la mise en cache des couches accélère les reconstructions. Cela termine le cours sur le service avec FastAPI ainsi que ce lot de contenu.