使用conda-pack缩小您的Conda Docker映像

如果您正在构建一个基于conda的Docker映像，那么生成的图像可能会很大。例如，稍后我将展示一个仅包含Python3.8和NumPy的简单图像是如何超过950MB的！

大图像会浪费带宽、磁盘、时间和CPU：如何将图像变小？

在本文中，我将展示一种方法，通过将conda-pack工具与多阶段构建相结合，在仅使用Python和NumPy的示例中，图像缩小到330MB，几乎小了三分之二。

如果您不熟悉多阶段构建，我建议您先阅读我对多阶段构建的介绍。

让我们创建一个只有几个依赖项的标准Conda Docker映像。以下是环境.yml：

这里是Dockerfile；我们安装了Python3.8和NumPy，当我们运行它导入的NumPy映像时，它会导入NumPy以确保一切正常。(如果您不熟悉conda运行，您可能需要阅读我关于在Docker中激活conda环境的文章。)。

从Continumio/miniconda3复制环境.yml。运行Conda环境创建-f环境.yml入口点["；Conda"；，"；运行"；，"；-n"；，"；Example"；，\"；python"；，"；-c"；，\"；import numpy；print('；Success！'；)"；]。

注意：在讨论的主题之外，本文中的Dockerfile不是最佳实践的示例，因为增加的复杂性会模糊本文的要点。为了确保您编写的是安全、正确、快速的Docker文件，请参考我的快速入门指南，其中包括从安全性到性能的60多个最佳实践。

生成的图像是970MB，相当惊人地大。所有的磁盘空间都到哪里去了？

安装Conda工具链的基本环境占用大量空间；它有自己的Python副本，例如，本例中的Python3.7。

第二个原因意味着我们使用的基本映像Continumio/miniconda3是430MB。作为比较，python：3.8-slm-buster映像是115MB，它已经包含了我们想要使用的Python版本。

增加大小的第一个原因对于包管理器来说是相当标准的，通常可以通过配置或目标明确的rm-rf来解决。然而，第二个问题是特定于conda的：基本conda环境是安装包所必需的，但是一旦我们运行代码，它实际上不会添加太多内容。

进入conda-pack，这是一个工具，可以让您将conda环境打包到独立环境中，而不需要conda工具链。一旦我们以这种方式打包了我们的环境，我们就可以将其复制到只包含该自包含环境的新映像中。

同样，如果您不熟悉多阶段构建，我建议您先阅读我对多阶段构建的介绍。

#构建阶段映像：from Continumio/miniconda3 as build#正常安装软件包：copy Environmental ment.yml。运行conda env create-f Environment。yml#install conda-pack：run conda install-c conda-forge conda-pack#使用conda-pack在/venv中创建独立环境#in/venv：运行conda-pack-n示例-o/tmp/env.tar&；&；\mkdir/venv&；&；cd/venv&；&；tar xf/tmp/env.tar&；&。我将venv放在相同的路径中，它将位于最终映像中，#所以现在修复路径：run/venv/bin/conda-unpack#运行时阶段映像；我们可以使用debian作为#基本映像，因为conda环境也为我们包含了Python#。来自Debian：Buster作为运行时#copy/venv来自上一阶段：copy--from=build/venv/venv#运行映像时，在#激活的环境下运行代码：shell["；/bin/bash"；，"；-c"；]入口点来源/venv/bin/activate&；&；\python-c&34；import numpy；print('；成功！'；)"；

如果我们构建映像，得到的映像要小得多，而且它仍然工作得很好：

$docker映像build-t condapack。...$docker CONTAINER运行condapack成功！$docker image ls condapack存储库标记映像ID SIZEcondapack最新的6e7906bd0634 330MB。

Conda是一个有趣的打包系统，因为它包含了运行程序所需的所有东西，除了标准的C库之外。因此，当我们在Environment.yml中安装python=3.8包时，它会安装Python和它需要的所有C库。

当我们使用conda-pack将我们的conda环境打包到一个不需要conda的隔离环境中时，结果是一个目录，其中包含可以在几乎任何Linux发行版上运行的程序，因此我们只需将该目录复制到一个普通的旧的小Debian映像上，并获得一个独立运行的应用程序。

如果您在您的Docker映像中使用conda，那么conda-pack是一种缩小映像的简单方法。但是，请务必阅读我关于快速多阶段构建的文章；简单地使用多阶段构建会导致CI中的重建非常慢。

了解如何构建快速、可投入生产的Docker映像-阅读针对Python的Docker打包指南的其余部分。

从为您节省时间的快速构建到保证您安全的安全最佳实践，您如何快速获得打包Python应用程序用于生产所需的专业知识？

通过使用Docker Production QuickStart上的Python，快速了解最佳实践。

你需要在就业市场上保持竞争力--但是要学的东西太多了，你不知道从哪里开始。

加入2300多名Python开发人员和数据科学家的行列，学习实用工具和技术，从Docker打包到Python最佳实践，每周在您的收件箱中都会有一篇免费的新文章。