ProHoster > Blog > administration > Alpine bygger Docker bygger til Python 50x langsommere og billeder 2x tungere
Alpine bygger Docker bygger til Python 50x langsommere og billeder 2x tungere
Alpine Linux anbefales ofte som basisbilledet til Docker. Du får at vide, at brug af Alpine vil gøre dine builds mindre og byggeprocessen hurtigere.
Men hvis du bruger Alpine Linux til Python-applikationer, så er det:
Gør din opbygning meget langsommere
Gør dine billeder større
Spild din tid
Og som et resultat kan det forårsage runtime fejl
Lad os tage et kig på, hvorfor Alpine anbefales, men hvorfor du alligevel ikke bør bruge det med Python.
Hvorfor anbefaler folk Alpine?
Lad os sige, at vi har brug for gcc som en del af vores image og ønsker at sammenligne Alpine Linux vs Ubuntu 18.04 med hensyn til byggehastighed og endelig billedstørrelse.
Lad os først downloade to billeder og sammenligne deres størrelse:
$ docker pull --quiet ubuntu:18.04
docker.io/library/ubuntu:18.04
$ docker pull --quiet alpine
docker.io/library/alpine:latest
$ docker image ls ubuntu:18.04
REPOSITORY TAG IMAGE ID SIZE
ubuntu 18.04 ccc6e87d482b 64.2MB
$ docker image ls alpine
REPOSITORY TAG IMAGE ID SIZE
alpine latest e7d92cdc71fe 5.59MB
Som du kan se, er basisbilledet for Alpine meget mindre. Lad os nu prøve at installere gcc og starte med Ubuntu:
FROM ubuntu:18.04
RUN apt-get update &&
apt-get install --no-install-recommends -y gcc &&
apt-get clean && rm -rf /var/lib/apt/lists/*
At skrive den perfekte Dockerfile er uden for denne artikels omfang.
Lad os måle byggehastigheden:
$ time docker build -t ubuntu-gcc -f Dockerfile.ubuntu --quiet .
sha256:b6a3ee33acb83148cd273b0098f4c7eed01a82f47eeb8f5bec775c26d4fe4aae
real 0m29.251s
user 0m0.032s
sys 0m0.026s
$ docker image ls ubuntu-gcc
REPOSITORY TAG IMAGE ID CREATED SIZE
ubuntu-gcc latest b6a3ee33acb8 9 seconds ago 150MB
Vi gentager det samme for Alpine (Dockerfile):
FROM alpine
RUN apk add --update gcc
Vi indsamler, ser på tidspunktet og størrelsen af samlingen:
$ time docker build -t alpine-gcc -f Dockerfile.alpine --quiet .
sha256:efd626923c1478ccde67db28911ef90799710e5b8125cf4ebb2b2ca200ae1ac3
real 0m15.461s
user 0m0.026s
sys 0m0.024s
$ docker image ls alpine-gcc
REPOSITORY TAG IMAGE ID CREATED SIZE
alpine-gcc latest efd626923c14 7 seconds ago 105MB
Som lovet bygger alpine-baserede billeder hurtigere og er mindre i sig selv: 15 sekunder i stedet for 30 og en billedstørrelse på 105 MB mod 150 MB. Det er ret godt!
Men hvis vi skifter til at bygge en Python-applikation, så er tingene ikke så rosenrøde.
Python billede
Python-applikationer bruger ofte pandaer og matplotlib. Derfor er en mulighed at få fat i det officielle Debian-baserede billede ved hjælp af følgende Dockerfile:
FROM python:3.8-slim
RUN pip install --no-cache-dir matplotlib pandas
Samler det:
$ docker build -f Dockerfile.slim -t python-matpan.
Sending build context to Docker daemon 3.072kB
Step 1/2 : FROM python:3.8-slim
---> 036ea1506a85
Step 2/2 : RUN pip install --no-cache-dir matplotlib pandas
---> Running in 13739b2a0917
Collecting matplotlib
Downloading matplotlib-3.1.2-cp38-cp38-manylinux1_x86_64.whl (13.1 MB)
Collecting pandas
Downloading pandas-0.25.3-cp38-cp38-manylinux1_x86_64.whl (10.4 MB)
...
Successfully built b98b5dc06690
Successfully tagged python-matpan:latest
real 0m30.297s
user 0m0.043s
sys 0m0.020s
Vi får et billede med en størrelse på 363MB.
Kan vi gøre det bedre med Alpine? Lad os prøve:
FROM python:3.8-alpine
RUN pip install --no-cache-dir matplotlib pandas
$ docker build -t python-matpan-alpine -f Dockerfile.alpine .
Sending build context to Docker daemon 3.072kB
Step 1/2 : FROM python:3.8-alpine
---> a0ee0c90a0db
Step 2/2 : RUN pip install --no-cache-dir matplotlib pandas
---> Running in 6740adad3729
Collecting matplotlib
Downloading matplotlib-3.1.2.tar.gz (40.9 MB)
ERROR: Command errored out with exit status 1:
command: /usr/local/bin/python -c 'import sys, setuptools, tokenize; sys.argv[0] = '"'"'/
tmp/pip-install-a3olrixa/matplotlib/setup.py'"'"'; __file__='"'"'/tmp/pip-install-a3olrixa/matplotlib/setup.py'"'"';f=getattr(tokenize, '"'"'open'"'"', open)(__file__);code=f.read().replace('"'"'rn'"'"', '"'"'n'"'"');f.close();exec(compile(code, __file__, '"'"'exec'"'"'))' egg_info --egg-base /tmp/pip-install-a3olrixa/matplotlib/pip-egg-info
...
ERROR: Command errored out with exit status 1: python setup.py egg_info Check the logs for full command output.
The command '/bin/sh -c pip install matplotlib pandas' returned a non-zero code: 1
Hvad sker der?
Alpine understøtter ikke hjul
Hvis du ser på den Debian-baserede build, vil du se, at den downloader matplotlib-3.1.2-cp38-cp38-manylinux1_x86_64.WHL.
Dette er en binær for hjul. Alpine downloader `matplotlib-3.1.2.tar-kilderne.gz`, da den ikke understøtter standarden hjul.
Hvorfor? De fleste Linux-distributioner bruger GNU-versionen (glibc) af C-standardbiblioteket, som faktisk kræves af alle programmer skrevet i C, inklusive Python. Men Alpine bruger 'musl', og da disse binære filer er for 'glibc', er de simpelthen ikke en mulighed.
Derfor, hvis du bruger Alpine, skal du kompilere al kode skrevet i C i hver Python-pakke.
Åh ja, du bliver nødt til at lede efter en liste over alle sådanne afhængigheder, der skal kompileres.
I dette tilfælde får vi dette:
FROM python:3.8-alpine
RUN apk --update add gcc build-base freetype-dev libpng-dev openblas-dev
RUN pip install --no-cache-dir matplotlib pandas
Og opbygningen tager tid...
… 25 minutter 57 sekunder! Og størrelsen på billedet er 851MB.
Alpine-baserede billeder tager meget længere tid at bygge, de er større i størrelse, og du skal stadig lede efter alle afhængigheder. Du kan selvfølgelig reducere byggestørrelsen vha byggeri i flere trin men det betyder, at der skal arbejdes mere.
Det er ikke alt!
Alpine kan forårsage uventede runtime-fejl
I teorien er musl kompatibel med glibc, men i praksis kan forskellene give mange problemer. Og hvis de er, så er de nok ubehagelige. Her er nogle problemer, der kan opstå:
Alpine har som standard en mindre trådstabelstørrelse, hvilket kan resultere i fejl i Python
Disse fejl er sikkert allerede blevet rettet, men hvem ved hvor mange flere.
Brug ikke alpine billeder til Python
Hvis du ikke ønsker at beskæftige dig med store og lange builds, på udkig efter afhængigheder og potentielle fejl, skal du ikke bruge Alpine Linux som dit basisbillede. At vælge et godt basisbillede.