爱主机在当今的软件开发和运维领域，Docker已经成为不可或缺的基础设施工具。无论是个人开发者还是企业团队，都希望通过容器化技术实现环境一致、快速交付和高效部署。这篇Docker部署教程将带你从概念到实战，深入理解Docker的工作原理，并手把手完成一个完整应用的容器化部署。读完它，你将不再只是“会运行hello-world”，而是能独立设计并部署生产级容器应用。
为什么要学习Docker部署？
首先我们要明确，传统的软件部署方式存在诸多痛点：环境差异导致的“在我的机器上能跑”问题、依赖冲突难以隔离、迁移成本高、扩容速度慢等。Docker通过将应用及其所有依赖打包成一个轻量级、可执行镜像，彻底解决了这些问题。一个容器就是一个隔离的环境，里面包含操作系统级依赖、运行时、代码和配置，无论部署在开发机、测试服务器还是云端，行为完全一致。
一个典型的场景是：你在本地开发时用了Python3.9和Redis 6，而生产环境是Python3.8和Redis 5。如果不小心升级了某个库，就可能引发诡异的Bug。而通过Docker部署，你预先定义好基础镜像版本，环境锁死，再也不会出现这种低级错误。
Docker部署的核心概念
在动手之前，需要理解三个核心对象：
镜像：相当于一个只读模板，包含了运行应用所需的文件系统、库和配置。你可以把它看作一个“打包好的软件快照”。
容器：镜像的运行实例。可以启动、停止、删除，一个镜像可以运行多个容器，彼此隔离。
仓库：存放镜像的中央存储，类似代码的GitHub。最常用的是Docker Hub，也可以搭建私有仓库。
另外，Dockerfile是构建镜像的蓝图，docker-compose.yml则是编排多个容器的配置文件，用于部署多服务应用。
安装Docker引擎
不同操作系统安装方式不同。对于Linux（如Ubuntu），使用官方脚本最方便：
curl -fsSL https://get.docker.com -o get-docker.sh
sudo sh get-docker.sh
安装后启动Docker守护进程并设置开机自启：
sudo systemctl enable docker
sudo systemctl start docker
验证安装：docker version。Windows和Mac用户直接下载Docker Desktop即可，安装完成后会自动配置好环境。
至此，你已经有了运行容器的基础。接下来我们从一个简单的Web应用开始，逐步深入。
案例：部署一个Flask+Redis的计数器应用
假设我们有一个用Flask写的简单网站，访问一次记1次，Redis存储计数值。需要两个服务：一个Python容器运行Flask，一个Redis容器。我们将用Docker Compose来编排。
第一步：编写应用代码
创建项目目录，里面放app.py：
from flask import Flask
from redis import Redis
import os
app = Flask(__name__)
redis = Redis(host=os.environ.get(‘REDIS_HOST’, ‘redis’), port=6379)
@app.route(‘/’)
def hello():
count = redis.incr(‘hits’)
return f’Hello! You have visited {count} times.’
if __name__ == ‘__main__’:
app.run(host=’0.0.0.0′, port=5000)
然后创建requirements.txt：
flask
redis
第二步：编写Dockerfile
Dockerfile用来构建Flask应用的镜像：
FROM python:3.9-slim
WORKDIR /app
COPY requirements.txt .
RUN pip install –no-cache-dir -r requirements.txt
COPY . .
CMD [“python”, “app.py”]
解释：基于轻量级Python镜像，设置工作目录，安装依赖，复制代码，容器启动时运行app.py。
第三步：编写docker-compose.yml
version: ‘3’
services:
web:
build: .
ports:
– “5000:5000”
environment:
REDIS_HOST: redis
depends_on:
– redis
redis:
image: “redis:6-alpine”
这里我们把web服务构建本地镜像，暴露端口5000，并设定环境变量告诉Flask Redis的地址；redis服务直接使用官方镜像，不暴露端口（因为容器间内部网络可访问）。
第四步：构建和运行
在项目根目录执行：
docker-compose up -d
首次运行会先拉取redis镜像，然后构建Python镜像，等待几秒钟后，访问http://localhost:5000，你会看到计数值递增。如果一切正常，说明部署成功。
这个例子虽然简单，但它涵盖了Docker部署的核心流程：定义Dockerfile构建应用镜像，使用docker-compose定义多服务拓扑，一键启动生产级应用。你可以在此基础上扩展数据库、消息队列等中间件。
生产环境部署需要注意什么？
开发环境可以简单跑起来，但真正上线时需要注意以下几点：
镜像优化：尽量使用alpine等轻量基础镜像，减少攻击面和存储占用。多阶段构建可以分离编译环境和运行环境，比如将Go、Java编译后的二进制复制到空镜像中运行。
数据持久化：容器默认是无状态的，重启后数据丢失。对于数据库等需要持久化的服务，一定要挂载卷（volumes）。例如在docker-compose中为Redis添加：
volumes:
– ./data:/data
这会将宿主机的./data目录映射到容器中的持久化目录。
日志与监控：Docker默认将日志输出到stdout/stderr，可以通过docker logs查看。生产环境应配置日志收集工具（如ELK）。同时使用健康检查，让Docker自动重启异常容器。
安全性：不要以root用户运行容器，Dockerfile中使用USER指令创建一个低权限用户。另外镜像中不要包含敏感信息，环境变量建议通过Docker Secret或外部配置中心注入。
网络与负载均衡：多容器之间通过内部DNS通信（例如上面例子中的redis），外部访问则通过端口映射。当需要水平扩展时，可以使用Docker Swarm或Kubernetes编排多台主机上的容器。
深入理解Dockerfile指令
一个优秀的Dockerfile不仅能构建出正确的镜像，还能加快构建速度并减小体积。以下是几个技巧：
指令顺序：将不常变化的指令放在前面，利用Docker的缓存机制。比如先COPY requirements.txt再pip install，这样只有requirements.txt变化时才重新安装依赖，否则直接使用缓存。
合并RUN指令：每一条RUN都会增加一个镜像层，过多层会减慢构建和推送。可以用&&将多个命令合并成一行，如：
RUN apt-get update && apt-get install -y
package1
package2
&& rm -rf /var/lib/apt/lists/*
使用.dockerignore：类似.gitignore，排除不需要添加到镜像的文件，避免把本地node_modules或venv等大型目录混进去。
Docker Compose进阶：环境配置与日志
对于更复杂的项目，docker-compose.yml可以定义多个配置变体。比如开发环境和生产环境不同的端口、环境变量，可以创建docker-compose.override.yml自动覆盖，或者使用多份配置文件通过-f指定。
日志处理方面，默认每个容器日志会逐渐增大，建议在Compose中设置日志轮转：
logging:
driver: “json-file”
options:
max-size: “10m”
max-file: “3”
这样每个日志文件不超过10MB，最多保留3个。
总而言之，Docker部署并不神秘，它本质上是一种将应用标准化打包和运行的技术。通过这篇教程，你学会了安装Docker、编写Dockerfile、使用docker-compose部署多服务应用，以及生产环境的关键注意事项。接下来可以尝试将现有项目容器化，或者学习更高级的编排工具如Docker Swarm和Kubernetes。容器化不仅带来了环境一致性，还让你能够在任何基础设施上以相同方式运行软件，大大降低了运维复杂度。掌握Docker部署，你已经迈出了现代云原生开发的第一步。
