使用Dockerfile将python开发的代码做成镜像（企业实战）

本文链接：https://blog.youkuaiyun.com/weixin_62649065/article/details/146137048

一、python介绍

### Python 语言简介

**Python** 是一种高级、解释型、通用的编程语言，由 **Guido van Rossum** 于 1991 年首次发布。Python 以其简洁、易读的语法和强大的功能而闻名，广泛应用于 Web 开发、数据分析、人工智能、科学计算、自动化脚本等领域。

---

### Python 的特点

1. **简洁易读**：
- Python 的语法接近自然语言，代码可读性高，适合初学者快速上手。
- 使用缩进（空格或 Tab）代替大括号 `{}` 来定义代码块，强制代码风格统一。

2. **解释型语言**：
- Python 是解释型语言，无需编译，直接运行源代码。
- 支持交互式编程（如 Jupyter Notebook），适合快速测试和调试。

3. **跨平台**：
- Python 支持 Windows、Linux、macOS 等主流操作系统。

4. **动态类型**：
- 变量无需声明类型，类型在运行时自动推断。

5. **丰富的标准库**：
- Python 自带强大的标准库，涵盖文件处理、网络通信、数据库操作等功能。

6. **强大的第三方库**：
- Python 拥有庞大的第三方库生态系统（如 NumPy、Pandas、TensorFlow 等），支持各种领域的开发需求。

7. **面向对象**：
- 支持面向对象编程（OOP），包括类、继承、多态等特性。

8. **社区活跃**：
- Python 拥有全球范围内庞大的开发者社区，资源丰富，问题容易解决。

---

### Python 的优势

1. **开发效率高**：
- 语法简洁，代码量少，开发速度快。
- 适合快速原型开发和敏捷开发。

2. **学习曲线平缓**：
- 语法简单直观，适合编程初学者。
- 丰富的教程和文档，学习资源丰富。

3. **应用领域广泛**：
   - **Web 开发**：Django、Flask 等框架。
   - **数据分析**：Pandas、NumPy、Matplotlib 等库。
   - **人工智能**：TensorFlow、PyTorch、Scikit-learn 等库。
   - **自动化脚本**：用于系统管理、文件处理等。
   - **科学计算**：SciPy、SymPy 等库。

4. **强大的社区支持**：
- 全球开发者社区活跃，问题解决速度快。
- 开源项目丰富，可以快速找到现成的解决方案。

5. **可扩展性强**：
- 支持与 C/C++ 等语言集成，性能关键部分可以用 C/C++ 实现。
- 支持调用外部库和 API。

6. **适合团队协作**：
- 代码风格统一，易于阅读和维护。
- 适合大型项目的开发和维护。

---

### Python 的缺点

1. **性能较低**：
- 作为解释型语言，Python 的执行速度不如 C/C++、Java 等编译型语言。
- 不适合对性能要求极高的场景（如高频交易、游戏引擎）。

2. **全局解释器锁（GIL）**：
- Python 的 GIL 限制了多线程的并行执行，影响多核 CPU 的利用率。

3. **移动端支持较弱**：
- 在移动开发领域（如 Android、iOS），Python 的支持不如 Java、Swift 等语言。

4. **动态类型的弊端**：
- 运行时类型错误可能导致程序崩溃，需要更多的测试和调试。

---

### Python 的应用场景

1. **Web 开发**：
- 使用 Django、Flask 等框架开发后端服务。
- 示例：Instagram、Pinterest 等大型网站使用 Django 开发。

2. **数据科学与机器学习**：
- 使用 Pandas、NumPy、Scikit-learn、TensorFlow 等库进行数据分析和模型训练。
- 示例：Google 的 TensorFlow 是 Python 的机器学习框架。

3. **自动化脚本**：
- 编写脚本自动化处理文件、系统管理、网络爬虫等任务。
- 示例：使用 `requests` 库爬取网页数据。

4. **科学计算**：
- 使用 SciPy、SymPy 等库进行数学计算和科学研究。
- 示例：天文学家使用 Python 分析天文数据。

5. **游戏开发**：
- 使用 Pygame 等库开发小型游戏。
- 示例：许多独立游戏开发者使用 Python 进行原型开发。

6. **DevOps 与自动化运维**：
- 使用 Ansible、Fabric 等工具进行自动化部署和运维。

---

### Python 代码示例

#### 1. Hello World
```python
print("Hello, World!")
```

#### 2. 计算斐波那契数列
```python
def fibonacci(n):
    if n <= 1:
        return n
    else:
        return fibonacci(n-1) + fibonacci(n-2)

for i in range(10):
print(fibonacci(i))
```

#### 3. 使用 Flask 开发 Web 应用
```python
from flask import Flask

app = Flask(__name__)

@app.route("/")
def hello():
return "Hello, World!"

if __name__ == "__main__":
app.run(debug=True)
```

---

### Python 的学习资源

1. **官方文档**：
- [Python 官方文档](https://docs.python.org/zh-cn/3/)

2. **在线教程**：
- [Python 教程 - 菜鸟教程](https://www.runoob.com/python3/python3-tutorial.html)
- [Real Python](https://realpython.com/)

3. **书籍**：
- 《Python 编程：从入门到实践》
- 《流畅的 Python》

4. **社区与论坛**：
- [Stack Overflow](https://stackoverflow.com/questions/tagged/python)
- [Python 中文社区](https://www.python.org.cn/)

---

### 总结

Python 是一种功能强大、易于学习的编程语言，适用于多种应用场景。其简洁的语法、丰富的库和活跃的社区使其成为开发者的首选语言之一。尽管在性能上存在一些局限性，但通过优化和扩展，Python 仍然能够满足大多数开发需求。无论是初学者还是资深开发者，Python 都是一个值得学习和使用的工具。

二、实战部署

[root@cjr app]# ls
deployment.yaml dockerfile main.py requirements.txt

[root@cjr app]# docker run -d --name hello-python -p 5000 hello-python:v1
0a93d8841b4ec7a7412265fc8c08fa43c9686e8cffa77ba4d48878e6bb999620
[root@cjr app]# docker ps
CONTAINER ID IMAGE COMMAND CREATED STATUS PORTS NAMES
0a93d8841b4e hello-python:v1 "python /app/main.py" 3 seconds ago Up 2 seconds 0.0.0.0:32770->5000/tcp, :::32770->5000/tcp hello-python

[root@cjr app]# curl localhost:32770
Hello from Python![root@cjr app]# vi dockerfile
You have new mail in /var/spool/mail/root