Docker处理映像而不是Dockerfile

Question

有人可以向我解释为什么正常的Docker流程是从Dockerfile构建映像，然后将其上传到存储库，而不仅仅是将Dockerfile在存储库之间来回移动吗？

假设我们有一台开发笔记本电脑和一个带有Docker的测试服务器。

如果我们构建映像，则意味着上传和下载Dockerfile中的所有软件包。有时这可能会很大（例如PyTorch> 500MB）。

与其在服务器之间来回传输大型映像文件，不如在本地编译映像以验证其是否有效，而是主要传输小型Dockerfile并在服务器上构建映像，这没有意义吗？

Answer 1

这开始只是一条评论，但时间太长。可能不是一个全面的答案，但无论如何都可能包含有用的信息。

---

通常，Dockerfile将构成更大的构建过程的一部分，将先前阶段的输出文件复制到最终映像中。如果您要托管Dockerfile而不是最终映像，则还必须托管（通常是临时的）已处理文件或整个源代码库和构建脚本。

后者通常是为开源项目完成的，但为方便起见，还经常提供预构建的Docker映像。

一个很好的解决方案是使用multi-stage builds（在Docker CE 17.05和EE 17.06中引入）在Dockerfile中编写整个构建过程。但是，即使在单个Dockerfile中以平台无关的方式描述了完整的构建过程，仍必须提供完整的源存储库。

TL，DR：将Docker映像视为常规二进制文件。下载和安装很方便，而不会弄乱源文件。您可以 下载C应用程序的源代码并使用提供的Makefile进行构建，但是如果二进制文件可用于您的系统，为什么还要这么做？

Answer 2

  

与其在服务器之间来回传输大图像文件，   可能不是在本地编译图像以进行验证吗   它可以工作，但主要是传输小型Dockerfile并构建   服务器上的图像？

绝对！例如，您可以在Docker Hub上设置automated build，每次将Dockerfile的更新版本签入GitHub存储库时，都将执行此操作。

或者您可以相应地设置自己的构建服务器/ CI管道。

Answer 3

恕我直言，建立图像概念并将其放入存储库的原因之一也是与人们共享。例如，我们将Python的开箱即用图像称为执行所有与python相关的东西，以便在Dockerfile中运行python程序。同样，我们可以创建一个自定义代码（以我为apache安装所做的示例为例，其中包含一些自定义步骤（例如更改端口和另外执行一些步骤），我创建了它的映像，然后最终将其放到公司的存储库中。

几天后，我得知其他团队可能也正在使用它，现在，当他们共享它时，他们无需使用我的图像就可以进行任何更改，而应该这样做。