4. Docker 核心操作与生物信息镜像构建

生物信息流程容器化的关键，不是把软件“装进容器”这么简单，而是要让镜像可复现、体积可控、构建可缓存、运行可移植。本节围绕 Dockerfile 指令、多阶段构建、层缓存优化和常用生物信息基础镜像选择展开，目标是让读者能够独立写出一个结构合理、可维护的生信工具镜像。

Dockerfile 指令：从基础镜像到可运行工具

Dockerfile 是一份按顺序执行的构建脚本，每条指令生成一个镜像层。生信镜像中常见的指令包括：FROM 指定基础镜像；LABEL 写入维护者、版本、来源等元数据；ENV 设置环境变量，例如 PATH、LD_LIBRARY_PATH；RUN 执行安装、编译、下载参考数据等操作；COPY 与 ADD 将本地文件加入镜像；WORKDIR 设定工作目录；ENTRYPOINT 与 CMD 定义容器启动时的默认行为。

一个常见的误区是把所有安装命令拆成多条 RUN。例如安装 bwa、samtools 和 bcftools 时，如果写成三条独立指令，就会产生三个层，且中间产生的包管理缓存无法在同一层内清理。更合理的做法是把同一类操作合并到一条 RUN 中，并在末尾清理 /var/lib/apt/lists/* 或 /tmp 下的临时文件。

FROM ubuntu:22.04
LABEL maintainer="bioinfo-team" version="1.0"
ENV DEBIAN_FRONTEND=noninteractive
RUN apt-get update && apt-get install -y --no-install-recommends \
    build-essential zlib1g-dev libbz2-dev liblzma-dev \
    wget ca-certificates && \
    rm -rf /var/lib/apt/lists/*
WORKDIR /opt
RUN wget -q https://example.org/bwa-0.7.17.tar.bz2 && \
    tar -xjf bwa-0.7.17.tar.bz2 && \
    cd bwa-0.7.17 && make && \
    cp bwa /usr/local/bin/ && \
    rm -rf /opt/bwa-0.7.17*
ENTRYPOINT ["bwa"]

这段示例中，DEBIAN_FRONTEND=noninteractive 避免安装过程交互阻塞；--no-install-recommends 减少无关依赖；编译完成后删除源码目录，避免把构建中间产物留在最终镜像中。需要说明的是，上述 URL 与版本号仅为教学示例，实际构建时应替换为项目锁定的真实地址与校验值。

多阶段构建：把编译环境和运行环境分离

生信工具中大量依赖 C/C++ 编译，若把编译器、头文件、静态库全部留在最终镜像里，镜像体积可能从几百 MB 膨胀到数 GB。多阶段构建通过多个 FROM 阶段解决这个问题：第一阶段负责编译，第二阶段只复制编译产物和必要运行时库。

FROM ubuntu:22.04 AS builder
RUN apt-get update && apt-get install -y --no-install-recommends \
    build-essential zlib1g-dev libbz2-dev liblzma-dev wget ca-certificates
WORKDIR /build
RUN wget -q https://example.org/samtools-1.19.tar.bz2 && \
    tar -xjf samtools-1.19.tar.bz2 && \
    cd samtools-1.19 && ./configure --prefix=/usr/local && make && make install

FROM ubuntu:22.04
RUN apt-get update && apt-get install -y --no-install-recommends \
    libbz2-1.0 liblzma5 zlib1g && rm -rf /var/lib/apt/lists/*
COPY --from=builder /usr/local/bin/samtools /usr/local/bin/samtools
COPY --from=builder /usr/local/lib/libhts.so* /usr/local/lib/
ENV LD_LIBRARY_PATH=/usr/local/lib
ENTRYPOINT ["samtools"]

这里 builder 阶段包含完整编译链，最终阶段只保留 samtools 可执行文件和 libhts 动态库。判断是否成功的关键是：在最终镜像中执行 samtools --version 能正常输出，且 ldd /usr/local/bin/samtools 不再提示缺失库。若提示 libhts.so not found，通常说明 COPY 的库路径或 LD_LIBRARY_PATH 不一致。

层缓存优化：让重复构建更快

Docker 构建时逐层比对缓存，一旦某层内容变化，其后续所有层都会失效。因此 Dockerfile 中指令顺序直接影响构建速度。核心原则是：变化频率低的内容放前面，变化频率高的内容放后面。例如先安装系统依赖，再复制 requirements.txt 或 environment.yml 并安装 Python 包，最后才复制流程脚本。这样修改脚本时不会触发依赖重装。

另一个实用技巧是利用构建参数 ARG 控制版本号，但要注意 ARG 值变化会导致其所在层及其后续层缓存失效。对于需要频繁更新的参考数据，建议不要打进镜像，而是通过挂载卷或运行时下载，避免每次更新数据都重建整个镜像。

常用生物信息基础镜像选择

基础镜像决定了构建起点和后续维护成本。常见选择包括：ubuntu:22.04 或 debian:bookworm，软件包丰富、社区支持好，适合需要自行编译的场景；biocontainers/* 系列由 Bioconda 社区维护，已预装大量生信工具，适合快速搭建流程；continuumio/miniconda3 或 mambaorg/micromamba 适合以 Conda 管理依赖的流程；python:3.11-slim 适合纯 Python 工具，体积较小。

选择时可以从三个维度判断：一是工具来源，若已有官方 Biocontainer 镜像，优先直接使用或作为基础镜像；二是依赖复杂度，若需要编译 C 库，选择带构建工具的完整发行版更稳妥；三是体积与安全，生产环境优先选择 slim 或 alpine 变体，但要注意 alpine 使用 musl libc，部分生信二进制可能不兼容。实际项目中，常见做法是以 ubuntu:22.04 为底，通过 Conda 或源码编译安装工具，再用多阶段构建压缩最终体积。