这两天我用 Python 给下载站开发了一个防盗链小网关，虽然项目不算重量级，但也涉及FastAPI之类的一大堆依赖。接下来一段时间内，项目的代码会快速迭代，依赖也可能不断更新，如果为了容器化，用 Dockerfile 执行完整的镜像构建流程，绝对会严重拖慢交付速度。即使正确执行了分层构建也没差，只要一动requirement列表，那么pip install这层缓存全部完蛋——应该不会有神经病把每个依赖都分层构建和缓存吧，不会吧？
那么有什么解决方法呢？
既然项目代码和依赖都会不断变化，那么最简单的部署方法其实是直接使用纯净的Python容器镜像，但是要注意将Python依赖也持久化到本地，不然每次运行容器都要重新从pypi拉取一次依赖，同样效率低下。这里Python和uv的容器分别有各自的解决方案。
Python容器通过PYTHONPATH定义额外的第三方库搜索目录（它会被添加到 sys.path，跟在当前脚本所在目录之后），因此在使用Python镜像时，我们要做的就包括：
- 指定pip将依赖安装到一个被持久化/挂载到卷的目录
- 指定Python在这个目录寻找第三方库
如此就得到了以下Docker compose模板（Docker CLI自行修改，都是一一对应的）
services:
myapp:
image: python:3.11.9
working_dir: /app
restart: always
volumes:
- ./app:/app
- ./packages:/packages
environment:
- PYTHONPATH=/packages/lib/python3.11/site-packages
command: bash -c "pip install --target=/packages/lib/python3.11/site-packages -r requirements.txt --exists-action=s && python main.py"
由于pip不会自动清理未列出的库，因此此前按照的所有package都会残留下来，不仅臃肿，而且指不定那天出现依赖冲突，因此需要不定期删档重开，不甚雅观。
如果使用的是uv，并且项目已经跟踪了pyproject.toml，那就更简单了，uv sync会在项目目录下创建.venv目录隔离环境，即使目录丢失，在缓存具备的情况下也能几乎在瞬间从缓存中同步依赖，因此我们直接增加一条，覆写并持久化UV_CACHE_DIR即可：
services:
myapp:
image: astral/uv:python3.12-bookworm-slim
restart: always
volumes:
- ./app:/app
- ./.cache/uv:/root/.cache/uv
environment:
- UV_CACHE_DIR=/root/.cache/uv
working_dir: /app
command: ["bash", "-c", "uv sync && uv run main.py"]
说实话，要是项目的Python版本固定、部署设备的CPU指令集固定，这玩意儿比每次都费一大堆时间build镜像来得靠谱多了，git pull完直接删除容器重建，基本不会有可感知的延迟，同时也不需要下载一堆乱七八糟的层（TMD服务器空间不够清理悬空镜像和层简直就是地狱），对于快速迭代的开发调试极为友好。
当然，生产环境里还是乖乖build吧。
1 个帖子 - 1 位参与者