📚 课程目录第3章 Dockerfile编写入门

Dockerfile 编写入门：FROM、RUN、COPY、CMD 等指令

Dockerfile 说白了就是一张菜谱。你写清楚步骤，Docker 按顺序一步步把镜像“炒”出来。我记得刚开始学 Docker 时，总觉得手动 commit 容器也能用，后来团队要自动化构建才发现——没有 Dockerfile，根本没法做 CI/CD。

一句话定义：Dockerfile 是一个纯文本文件，包含构建镜像所需的全部指令。每条指令生成一个只读层，层叠起来就是最终镜像。

核心指令速览

我们先看一张指令对比表，后面逐个细讲。

指令	作用	执行时机	典型示例
`FROM`	指定基础镜像	构建开始第一条	`FROM ubuntu:22.04`
`RUN`	执行命令，生成新层	构建过程中	`RUN apt-get update && apt-get install -y samtools`
`COPY`	将本地文件复制到镜像	构建过程中	`COPY pipeline.py /app/`
`CMD`	容器启动时的默认命令	容器启动时	`CMD ["python", "/app/pipeline.py"]`
`WORKDIR`	设置工作目录	构建过程中影响后续指令	`WORKDIR /app`
`ENV`	设置环境变量	构建 & 运行	`ENV PATH="/opt/conda/bin:$PATH"`

FROM — 一切从基础开始

没有 FROM，Docker 不知道从哪儿搭起。我建议：能选官方镜像就别用第三方。“为什么？”因为官方镜像经过安全审计，层数精简，出问题也好查。

FROM ubuntu:22.04
# 或
FROM python:3.10-slim
# 或
FROM biocontainers/biocontainers:latest

小技巧：尽量用 slim 或 alpine 变体。比如 python:3.10-slim 只有 100MB 出头，全量版快 1GB。我们做质控管线，用完即弃，镜像越小越好。

RUN — 干活的指令

RUN 在构建时执行 shell 命令。每一条 RUN 都会产生一个新层，层数多了镜像就很肥。我曾在一个项目里看到有人写了 10 条 RUN，每一条装一个包，最后镜像 2.3GB。怎么优化？把相关命令用 && 串起来。

RUN apt-get update && apt-get install -y \
    fastqc \
    multiqc \
    samtools \
    && rm -rf /var/lib/apt/lists/*

看到最后一行了吗？安装完立刻清理缓存。这一招叫“单层清理”，能显著缩小镜像。

避坑指南：我曾经在镜像里装 wget 下载了一个大文件，用完忘记删。结果镜像多了 500MB，生产拉取慢得离谱。如果你需要临时工具，用完就在同一条 RUN 里删掉。

COPY — 把代码送进镜像

你本地写的 Python 脚本、配置文件、参考基因组索引，都要用 COPY 放进去。注意：源路径是构建上下文（context）的路径，不是宿主机任意路径。

# 将当前目录下的 pipeline.py 复制到镜像 /app 下
COPY pipeline.py /app/pipeline.py
# 也可以复制整个目录
COPY configs/ /app/configs/

我记得刚带新人时，他写 COPY /home/user/data /app/data，结果 Docker 报错说路径不在上下文里。说白了，COPY 只能访问 Dockerfile 所在目录及其子目录。

CMD — 容器跑起来做什么

CMD 和 RUN 经常被搞混。区别在于：RUN 是构建时执行，CMD 是容器启动时执行。一个 Dockerfile 只能有一条 CMD，如果写多条只有最后一条生效。

# 推荐 exec 格式（JSON 数组）
CMD ["python", "/app/run_qc.py"]

# 也可以写 shell 格式，但会被 /bin/sh -c 解释
# CMD python /app/run_qc.py

为什么推荐 exec 格式？因为 shell 格式会在进程中产生一个 sh -c 子进程，信号传递容易出问题。exec 格式直接将你的程序作为 PID 1，信号处理更干净。

WORKDIR 与 ENV — 让容器更顺手

WORKDIR 设置工作目录。之后的所有 RUN、CMD、COPY 都会基于这个目录。我个人习惯在 Dockerfile 开头就设好 WORKDIR，这样后面的路径都简洁很多。

WORKDIR /opt/pipeline
COPY . .   # 将上下文所有文件复制到 /opt/pipeline

ENV 设环境变量。比如设置软件路径或 Python 环境变量：

ENV PATH="/opt/conda/bin:${PATH}"
ENV PYTHONUNBUFFERED=1

一个完整的质控管线 Dockerfile

以下是我为 RNA-seq 质控写的真实 Dockerfile（精简版）。你可以直接当模板改。

FROM continuumio/miniconda3:22.11.1

LABEL maintainer="yourname@example.com"
LABEL description="RNA-seq QC pipeline"

WORKDIR /opt/qc

# 安装系统依赖
RUN apt-get update && apt-get install -y --no-install-recommends \
    wget \
    curl \
    && rm -rf /var/lib/apt/lists/*

# 通过 conda 安装生信工具
RUN conda install -c bioconda -c conda-forge \
    fastqc=0.11.9 \
    multiqc=1.14 \
    cutadapt=4.4 \
    && conda clean -afy

# 复制管线脚本
COPY scripts/run_qc.py /opt/qc/
COPY configs/samples.csv /opt/qc/

# 暴露端口（仅当需要 Web 服务时）
EXPOSE 8080

# 默认启动命令
CMD ["python", "/opt/qc/run_qc.py"]

关于 .dockerignore

如果你的项目目录里有大文件（比如原始 FASTQ）、.git 文件夹、本地 venv，一定要写 .dockerignore。否则 COPY . . 会把整个目录塞进上下文，构建卡死。

*.fastq
*.bam
.git/
__pycache__/
.env
data/

血的教训：我曾经没写 .dockerignore，把 20GB 的参考基因组文件也 COPY 进去了。构建花了 40 分钟，最后镜像 19GB。同事笑我“你是不是把整个实验室的数据装进去了？”

构建与运行命令

学完指令，动手试一下：

# 构建镜像，-t 给名字和标签
docker build -t my-qc:v1 .

# 运行容器，覆盖 CMD
docker run --rm my-qc:v1 python /opt/qc/run_qc.py --input /data/sample.fastq

嗯，Dockerfile 不难。关键是把指令搞明白，再养成好习惯：能用 slim 就别用 full，能用一条 RUN 就别拆三条，记得清理缓存。这样你构建的镜像既小又快，团队里别人拉取时都会感谢你。