ஆல்பைன் பைத்தானுக்கான டோக்கர் உருவாக்கங்களை 50 மடங்கு மெதுவாக தொகுக்கிறது, மேலும் படங்கள் 2 மடங்கு கனமாக இருக்கும்

ஆல்பைன் பைத்தானுக்கான டோக்கர் உருவாக்கங்களை 50 மடங்கு மெதுவாக தொகுக்கிறது, மேலும் படங்கள் 2 மடங்கு கனமாக இருக்கும்

ஆல்பைன் லினக்ஸ் பெரும்பாலும் டோக்கருக்கான அடிப்படைப் படமாகப் பரிந்துரைக்கப்படுகிறது. ஆல்பைனைப் பயன்படுத்துவது உங்கள் கட்டிடங்களைச் சிறியதாகவும், உங்கள் உருவாக்க செயல்முறையை வேகமாகவும் மாற்றும் என்று கூறப்பட்டுள்ளது.

ஆனால் நீங்கள் பைதான் பயன்பாடுகளுக்கு ஆல்பைன் லினக்ஸைப் பயன்படுத்தினால், அது:

  • உங்கள் கட்டுமானத்தை மிகவும் மெதுவாக்குகிறது
  • உங்கள் படங்களை பெரிதாக்குகிறது
  • உங்கள் நேரத்தை வீணடிக்கிறது
  • இறுதியில் அது இயக்க நேரத்தில் பிழைகளை ஏற்படுத்தும்


ஆல்பைன் ஏன் பரிந்துரைக்கப்படுகிறது என்பதைப் பார்ப்போம், ஆனால் நீங்கள் அதை ஏன் பைத்தானுடன் பயன்படுத்தக்கூடாது.

மக்கள் ஏன் ஆல்பைனை பரிந்துரைக்கிறார்கள்?

எங்கள் படத்தின் ஒரு பகுதியாக ஜி.சி.சி தேவை என்று வைத்துக்கொள்வோம், மேலும் உருவாக்க வேகம் மற்றும் இறுதி பட அளவு ஆகியவற்றின் அடிப்படையில் அல்பைன் லினக்ஸ் மற்றும் உபுண்டு 18.04 ஐ ஒப்பிட விரும்புகிறோம்.

முதலில், இரண்டு படங்களைப் பதிவிறக்கி அவற்றின் அளவுகளை ஒப்பிடுவோம்:

$ 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

நீங்கள் பார்க்க முடியும் என, ஆல்பைன் அடிப்படை படம் மிகவும் சிறியது. இப்போது gcc ஐ நிறுவி உபுண்டுவில் தொடங்க முயற்சிப்போம்:

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/*

சரியான Dockerfile ஐ எழுதுவது இந்தக் கட்டுரையின் எல்லைக்கு அப்பாற்பட்டது.

சட்டசபை வேகத்தை அளவிடுவோம்:

$ 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

ஆல்பைனுக்கு (டாக்கர்ஃபைல்) இதையே மீண்டும் செய்கிறோம்:

FROM alpine
RUN apk add --update gcc

நாங்கள் ஒன்றுகூடுகிறோம், சட்டசபையின் நேரத்தையும் அளவையும் பார்க்கிறோம்:

$ 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

வாக்குறுதியளித்தபடி, ஆல்பைன் அடிப்படையிலான படங்கள் வேகமாக சேகரிக்கப்பட்டு சிறியதாக இருக்கும்: 15க்கு பதிலாக 30 வினாடிகள் மற்றும் படத்தின் அளவு 105MB மற்றும் 150MB. இது நன்றாக இருக்கிறது!

ஆனால் நாம் ஒரு பைதான் பயன்பாட்டை உருவாக்குவதற்கு மாறினால், எல்லாம் அவ்வளவு உற்சாகமாக இல்லை.

மலைப்பாம்பு படம்

பைதான் பயன்பாடுகள் பெரும்பாலும் பாண்டாக்கள் மற்றும் matplotlib ஐப் பயன்படுத்துகின்றன. எனவே, இந்த டாக்கர்ஃபைலைப் பயன்படுத்தி அதிகாரப்பூர்வ டெபியன் அடிப்படையிலான படத்தை எடுப்பது ஒரு விருப்பமாகும்:

FROM python:3.8-slim
RUN pip install --no-cache-dir matplotlib pandas

அதை சேகரிப்போம்:

$ 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

363MB அளவுள்ள படத்தைப் பெறுகிறோம்.
அல்பைனுடன் சிறப்பாக செயல்படுவோமா? நாம் முயற்சிப்போம்:

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

என்ன நடக்கிறது?

ஆல்பைன் சக்கரங்களை ஆதரிக்காது

டெபியனை அடிப்படையாகக் கொண்ட கட்டமைப்பைப் பார்த்தால், அது matplotlib-3.1.2-cp38-cp38-manylinux1_x86_64 ஐப் பதிவிறக்குவதைக் காண்பீர்கள்.whl.

இது சக்கரத்திற்கான பைனரி. ஆல்பைன் மூலங்களை `matplotlib-3.1.2.tar பதிவிறக்குகிறது.gz` ஏனெனில் இது தரநிலையை ஆதரிக்கவில்லை சக்கரங்கள்.

ஏன்? பெரும்பாலான லினக்ஸ் விநியோகங்கள் C நிலையான நூலகத்தின் GNU பதிப்பை (glibc) பயன்படுத்துகின்றன, இது பைதான் உட்பட C இல் எழுதப்பட்ட ஒவ்வொரு நிரலுக்கும் தேவைப்படுகிறது. ஆனால் ஆல்பைன் `musl` ஐப் பயன்படுத்துகிறது, மேலும் அந்த பைனரிகள் `glibc` க்காக வடிவமைக்கப்பட்டிருப்பதால், அவை வெறுமனே ஒரு விருப்பமல்ல.

எனவே, நீங்கள் ஆல்பைனைப் பயன்படுத்தினால், ஒவ்வொரு பைதான் தொகுப்பிலும் C இல் எழுதப்பட்ட அனைத்து குறியீட்டையும் தொகுக்க வேண்டும்.

ஓ, ஆம், நீங்களே தொகுக்க வேண்டிய அனைத்து சார்புகளின் பட்டியலை நீங்கள் தேட வேண்டும்.
இந்த வழக்கில் நாம் இதைப் பெறுகிறோம்:

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

மற்றும் கட்டுமான நேரம் எடுக்கும் ...

... 25 நிமிடங்கள் 57 வினாடிகள்! மேலும் படத்தின் அளவு 851MB.

ஆல்பைன் அடிப்படையிலான படங்கள் உருவாக்க அதிக நேரம் எடுக்கும், அவை அளவு பெரியவை, மேலும் நீங்கள் இன்னும் அனைத்து சார்புகளையும் பார்க்க வேண்டும். நீங்கள் நிச்சயமாக பயன்படுத்தி சட்டசபை அளவை குறைக்க முடியும் பல கட்ட கட்டுமானங்கள் ஆனால் இன்னும் அதிக வேலை செய்ய வேண்டும் என்று அர்த்தம்.

அதெல்லாம் இல்லை!

அல்பைன் இயக்க நேரத்தில் எதிர்பாராத பிழைகளை ஏற்படுத்தலாம்

நிச்சயமாக இந்த பிழைகள் ஏற்கனவே சரி செய்யப்பட்டுள்ளன, ஆனால் இன்னும் எத்தனை இருக்கும் என்று யாருக்குத் தெரியும்.

பைத்தானுக்கு ஆல்பைன் படங்களைப் பயன்படுத்த வேண்டாம்

பெரிய மற்றும் நீளமான உருவாக்கங்கள், சார்புகள் மற்றும் சாத்தியமான பிழைகளைத் தேடுவதில் நீங்கள் கவலைப்பட விரும்பவில்லை என்றால், ஆல்பைன் லினக்ஸை அடிப்படைப் படமாகப் பயன்படுத்த வேண்டாம். ஒரு நல்ல அடிப்படை படத்தைத் தேர்ந்தெடுப்பது.

ஆதாரம்: www.habr.com

கருத்தைச் சேர்