Pisanie Dockerfile dla API modelu

Twoje API modelu działa na laptopie, ale psuje się w innych miejscach. Dockerfile to przepis, który wszędzie tworzy dokładnie takie samo środowisko.

Każdy Dockerfile zaczyna się od instrukcji FROM wskazującej obraz bazowy. Odchudzony obraz Pythona zapewnia interpreter bez zbędnego, rozrośniętego systemu operacyjnego.

Instrukcja WORKDIR wybiera folder, w którym wykonywane są polecenia. Jeśli go brakuje, zostanie utworzony, dzięki czemu późniejsze ścieżki pozostaną przejrzyste i przewidywalne.

Najpierw skopiuj osobno plik requirements.txt, jeszcze przed kodem. Docker zapisuje tę warstwę w pamięci podręcznej, więc instalacja jest pomijana, gdy zmienia się tylko aplikacja.

Uruchom pip install wewnątrz obrazu. Flaga --no-cache-dir pomija pamięć podręczną pip i nieco zmniejsza końcowy obraz.

Teraz użyj COPY, aby skopiować resztę projektu. Wykonanie tego po instalacji sprawia, że zmiany w kodzie nie unieważniają warstwy pamięci podręcznej zależności.

Instrukcja EXPOSE deklaruje port, na którym nasłuchuje API. Jest to dokumentacja dla ludzi i narzędzi, a nie faktyczne otwarcie portu.

Instrukcja CMD określa, co zostanie uruchomione podczas startu kontenera. Tutaj uruchamia Uvicorn, aby obsługiwał aplikację modelu FastAPI.

W kontenerze trzeba uruchomić usługę na 0.0.0.0, a nie na 127.0.0.1. W przeciwnym razie host nie będzie mógł dotrzeć do modelu przez zmapowany port.

Przekształć przepis w obraz za pomocą docker build. Flaga -t nadaje mu nazwę, której można później użyć do uruchomienia i wysłania obrazu.

Każda instrukcja staje się buforowaną warstwą. Uporządkuj je od najrzadziej do najczęściej zmienianych, aby przebudowy nadal przebiegały szybko.

Napisano plik Dockerfile: obraz bazowy, katalog roboczy, instalację z pamięcią podręczną, kopiowanie, expose i polecenie uruchamiające. Teraz API modelu buduje się tak samo wszędzie. 🐳