使用 python 和 flask Docker 架构 Docker 化您的第一个 Web 应用程序 所需文件和配置 如何启动容器 加分点：将 Docker 镜像上传到 Docker Hub

2025-06-08

使用 Python 和 Flask 对你的第一个 Web 应用进行 Docker 化

Docker 架构

所需文件和配置

如何启动容器

加分点：将 Docker 镜像上传到 Docker Hub

如何使用 Python 和 Elasticsearch 衡量新冠疫情对 Jitsi 项目的影响（第二部分）。这次，我的同事（David、Gerardo）和我（Ana）使用 Python 技术和 Flask 框架构建了一个 Web 应用，并将其 Docker 化。这里我们将向您讲解如何

Docker 架构

首先，我们要构建一个包含三个容器的docker应用程序：

  • ElasticSearch 图像
  • Kibana 镜像
  • Web 应用程序图像

替代文本

对于 ElasticSearch 和 Kibana，我们使用DockerHub预构建的7.8.0 版本镜像。Web 应用程序使用 redis-alpine 镜像。

注意：使用 alpine 的原因是，与传统的 GNU/Linux 发行版（例如 Ubuntu）相比，这个替代方案更小，资源效率更高。

所需文件和配置

您可以在GitLab上获取所需的材料。下图显示了克隆 repo 后您将获得的不同文件

替代文本

Docker-compose.yml 结构

docker-compose.yml文件显示了上一节中解释的结构


version: '3'
services:
  web:
    build: .
  ports:
    - 5000:5000
  networks:
    - elastic
redis:
   image: "redis:alpine"
es01:
   image: docker.elastic.co/elasticsearch/elasticsearch:7.8.0
   container_name: es01
   environment:
      - node.name=es01
      - cluster.name=es-docker-cluster
      - discovery.type=single-node
      - bootstrap.memory_lock=true
      - "ES_JAVA_OPTS=-Xms1024m -Xmx1024m"
  ulimits:
    memlock:
        soft: -1
        hard: -1
    volumes:
      - data01:/usr/share/elasticsearch/data
    ports:
      - 9200:9200
    networks:
      - elastic
  kib01:
    image: docker.elastic.co/kibana/kibana:7.8.0
    container_name: kib01
    ports:
      - 5601:5601
    environment:
      ELASTICSEARCH_URL: http://es01:9200
      ELASTICSEARCH_HOSTS: http://es01:9200
    networks:
      - elastic
volumes:
  data01:
    driver: local
  data02:
    driver: local
  data03:
    driver: local
networks:
  elastic:
    driver: bridge
Enter fullscreen mode Exit fullscreen mode

让我们看一下docker-compose.yml

  • 端口：将 Docker 端口配置为 Docker 运行的主机端口。在本例中为 5000、5601 和 9200。

  • 镜像：为所需服务下载的docker镜像

  • 网络：为了连接这三个服务，将其命名为“弹性”

  • 环境：配置服务间运行所必需的环境变量，例如 RAM 内存参数。在 Kibana 服务中，需要定义变量ELASTICSEARCH_URL和ELASTICSEARCH_HOSTS，以便将其与 Elasticsearch 服务链接。

Dockerfile 配置

Dockerfile具有配置 Web 应用程序所需的步骤，以便与我们的 Python 脚本链接，该脚本提取并存储 Elasticsearch 集群中的数据，同时导入impact_dashboard.ndjsonKibana 以进行先前的可视化。

它在 Alpine 发行版上运行，用于复制应用程序运行所需的文件夹。此外，借助requirements.txt，您可以添加 Python 脚本所需的所有依赖项。

FROM python:3.7-alpine
WORKDIR /code
ENV FLASK_APP jitsi-data.py
ENV FLASK_RUN_HOST 0.0.0.0
RUN apk add --no-cache git
RUN apk add --no-cache tk-dev
RUN apk add --no-cache gcc musl-dev linux-headers
COPY requirements.txt requirements.txt
COPY mapping.json mapping.json
COPY templates templates
COPY impact_dashboard.ndjson impact_dashboard.ndjson
RUN pip install -r requirements.txt
EXPOSE 5000
COPY . .
CMD ["flask", "run"]
Enter fullscreen mode Exit fullscreen mode

如何启动容器

为了启动应用程序（之前安装了 docker 和 docker-compose），打开终端并执行以下命令

$ docker-compose up
Enter fullscreen mode Exit fullscreen mode

这将启动 dockerfile 中指定的不同命令并下载所需的 docker 镜像。完成后，您可以检查 Elasticsearch (localhost:9200) 和 Kibana (localhost:5601) 是否已成功运行。

现在，是时候使用端口号去 python Flask 应用程序 Web 应用所在的位置了5000

替代文本

点击start button将会初始化从 Jitsi git 数据中提取数据（查看jitsi-data.py更多详情），并将这些数据存储到我们的 ElasticSearch 中。最后，它会导入impact_dashboard.ndjson到我们的 Kibana，让我们能够以交互方式操作这些数据。

该过程完成后，浏览器将显示下一条消息：

替代文本

当然，我们可以看到我们的 Elasticsearch 索引和 Kibana 仪表板是否已成功添加到我们的实例中：

替代文本

替代文本

默认情况下，时间过滤器设置为过去 15 分钟。您可以使用时间选择器更改时间过滤器，或在页面顶部的直方图中选择特定的时间间隔或时间范围。

替代文本

现在您已经拥有一个很酷的仪表板，可以分析疫情如何影响 Jitsi 软件开发活动。

加分点：将 Docker 镜像上传到 Docker Hub

使用 Docker Hub 帐户，您可以在 所在位置构建镜像dockerfile。只需输入：

$ docker build -t dockerhubID/DockerHubreponame:imagetag .
Enter fullscreen mode Exit fullscreen mode

然后，将镜像上传到你的 Docker Hub 仓库（你可以使用 Docker Hub UI 创建仓库）

$ sudo docker push dockerhubID/DockerHubreponame:imagetag
Enter fullscreen mode Exit fullscreen mode

将镜像上传到 Docker Hub 后，任何用户都可以使用以下 docker-compose.yml 使用和运行该应用程序

version: '3'
services:
  web:
    image: daviddp92/jitsi-data-extraction:1.0.0
    ports:
      - 5000:5000
    networks:
      - elastic
  es01:
    image: docker.elastic.co/elasticsearch/elasticsearch:7.8.0
    container_name: es01
    environment:
      - node.name=es01
      - cluster.name=es-docker-cluster
      - discovery.type=single-node
      - bootstrap.memory_lock=true
      - "ES_JAVA_OPTS=-Xms1024m -Xmx1024m"
    ulimits:
      memlock:
        soft: -1
        hard: -1
    volumes:
      - data01:/usr/share/elasticsearch/data
    ports:
      - 9200:9200
    networks:
      - elastic
  kib01:
    image: docker.elastic.co/kibana/kibana:7.8.0
    container_name: kib01
    ports:
      - 5601:5601
    environment:
      ELASTICSEARCH_URL: http://es01:9200
      ELASTICSEARCH_HOSTS: http://es01:9200
    networks:
      - elastic
volumes:
  data01:
    driver: local
  data02:
    driver: local
  data03:
    driver: local
networks:
  elastic:
    driver: bridge
Enter fullscreen mode Exit fullscreen mode

总结

我们学习了如何使用 docker-compose 将一个 Web 应用与 Python 技术和 Flask 框架进行 docker 化。我们还学习了如何使用 Docker Hub 镜像来运行该应用程序。

你觉得这个项目怎么样？我们应该改进哪些方面？欢迎反馈 :)

鏂囩珷鏉ユ簮锛�https://dev.to/anajsana95/dockerizing-your-first-web-app-with-python-and-flask-2fn2
Devto 翻译
PREV
Typescript 中的类型与接口
NEXT
了解 CSS Position 的不同搭配