Kontainerisasi dengan Docker

Pernah mendengar ungkapan yang membuat frustrasi, "Ini berfungsi di komputer saya!"? Masalah umum ini terjadi ketika perangkat lunak berjalan sempurna di komputer pengembang, tetapi gagal berfungsi dengan benar di lingkungan lain, seperti server pengujian atau cloud.

Perbedaan sistem operasi, pustaka yang terpasang, atau versi dependensi sering menyebabkan perilaku yang tidak konsisten ini, sehingga menimbulkan kendala saat penerapan.

Kontainerisasi mengatasi masalah ini dengan mengemas aplikasi Anda beserta semua komponennya yang diperlukan ke dalam satu unit terisolasi yang disebut kontainer. Anggaplah ini sebagai komputer mini mandiri untuk aplikasi Anda.

• Kontainer mencakup kode aplikasi.
• Semua pustaka dan kerangka kerjanya.
• Konfigurasi apa pun yang diperlukan.

Dengan demikian, perangkat lunak Anda berperilaku secara identik, di mana pun perangkat lunak tersebut diterapkan.

Docker adalah platform terkemuka untuk membuat, berbagi, dan menjalankan kontainer. Docker menyediakan kerangka kerja sumber terbuka dan alat yang menyederhanakan proses pengelolaan seluruh siklus hidup aplikasi yang dikontainerisasi.

• Kontainer dibandingkan dengan VM: Kontainer jauh lebih ringan dan cepat daripada Mesin Virtual (VM) tradisional. VM memvirtualisasi seluruh perangkat keras, sedangkan kontainer memvirtualisasi sistem operasi dengan berbagi kernel OS host.
• Efisiensi ini menjadikan Docker ideal untuk penerapan dan penskalaan yang cepat.

Sebelum menjalankan kontainer, Anda memerlukan Image Docker. Image adalah paket ringan, mandiri, dan dapat dieksekusi yang berisi semua hal yang diperlukan untuk menjalankan suatu perangkat lunak, termasuk kode, runtime, pustaka, dan alat sistem.

• Image berfungsi sebagai cetak biru atau templat untuk membuat kontainer.
• Image dibuat berdasarkan instruksi dalam Dockerfile dan tidak dapat diubah setelah dibuat.

Dockerfile adalah file teks biasa yang berisi semua perintah yang digunakan Docker untuk menyusun sebuah image. Dockerfile ibarat resep untuk kontainer Anda.

Berikut beberapa instruksi umum:

• FROM: Menentukan image dasar (misalnya, python:3.9-slim).
• WORKDIR: Menetapkan direktori kerja di dalam kontainer.
• COPY: Menyalin file dari komputer lokal Anda ke dalam image.
• RUN: Menjalankan perintah selama proses pembuatan image (misalnya, memasang dependensi).
• CMD: Menentukan perintah bawaan yang dijalankan saat kontainer dimulai.

Mari kita buat aplikasi Python sederhana (app.py) beserta Dockerfile yang sesuai. Bayangkan bahwa ini adalah skrip inferensi AI kecil.

app.py:

Sekarang, mari kita lihat Dockerfile untuk app.py:

FROM python:3.9-slim
WORKDIR /app
COPY app.py .
CMD ["python", "app.py"]

Untuk membangun image (dari terminal Anda di direktori yang sama):

• docker build -t my-ai-app . (-t memberi tag pada image, sedangkan . berarti Dockerfile berada di direktori saat ini).

Untuk menjalankan kontainer dari image ini:

• docker run my-ai-app (Anda seharusnya melihat "Hello from inside the container!").

Docker sangat bermanfaat untuk aplikasi SaaS AI karena mengatasi tantangan khusus berikut:

• Pengelolaan Dependensi: Model AI sering memerlukan versi pustaka yang tepat (misalnya, TensorFlow, PyTorch, dan driver CUDA). Docker mengisolasinya dengan sempurna sehingga konflik dapat dihindari.
• Lingkungan yang Konsisten: Docker menjamin kode inferensi model Anda berjalan secara identik dalam pengembangan, pengujian, dan produksi, sehingga menghilangkan masalah "berfungsi di komputer saya".
• Skalabilitas: Anda dapat dengan mudah menjalankan beberapa kontainer identik untuk menangani peningkatan permintaan inferensi, sehingga layanan AI Anda sangat mudah diskalakan.

Secara bawaan, data yang tersimpan di dalam kontainer akan hilang ketika kontainer dihapus. Untuk model AI dan konfigurasi, Anda memerlukan persistensi.

Volume Docker memungkinkan Anda menyimpan data di luar sistem file kontainer, yaitu di mesin host. Hal ini sangat penting untuk:

• Menyimpan bobot dan artefak model AI yang telah dilatih.
• Menyimpan log atau data yang dibuat pengguna.
• Berbagi data di antara kontainer yang berbeda.

Dengan demikian, data berharga Anda tetap ada setelah kontainer tidak lagi digunakan.

Anda telah mempelajari cara Docker membantu mengemas aplikasi SaaS AI Anda ke dalam kontainer yang portabel dan konsisten. Kita telah membahas:

• Masalah ketidakkonsistenan lingkungan dan cara kontainer mengatasinya.
• Pengertian Docker, image, dan kontainer.
• Cara menulis Dockerfile dasar serta membangun dan menjalankan kontainer.
• Manfaat utama Docker untuk SaaS AI, termasuk pengelolaan dependensi dan persistensi data dengan volume.

Pemahaman dasar ini sangat penting untuk menerapkan dan mengelola SaaS AI Anda dengan lancar di cloud!