Лаб. работа "Docker: Образы"

Лабораторная работа по теме “Docker: Образы”

Цель работы

Изучить концепции Docker-образов, их структуру и принципы работы. Получить практические навыки создания собственных образов с использованием Dockerfile, работы с многослойной архитектурой, оптимизации размера образов и управления тегами.

Краткие теоретические сведения

Docker-образ — это неизменяемый шаблон, содержащий инструкции для создания контейнера. Образ состоит из набора слоев, каждый из которых представляет собой результат выполнения определенной инструкции в Dockerfile.

Ключевые концепции Docker-образов:

• Слои (Layers) — образ строится из нескольких слоев, каждый слой добавляет новые файлы или изменяет существующие. Слои являются неизменяемыми и кэшируются для ускорения сборки.
• Базовый образ (Base Image) — начальный слой, на основе которого строится весь образ. Это может быть минимальная операционная система (Alpine, Ubuntu) или готовый образ с предустановленным ПО.
• Теги (Tags) — метки для версионирования образов. Позволяют указывать конкретные версии ПО (например, nginx:1.21, python:3.9).
• Dockerfile — текстовый файл с инструкциями для сборки образа.
• Кэширование — Docker кэширует промежуточные слои, что ускоряет повторную сборку образа при неизмененных инструкциях.
• Многоэтапная сборка (Multi-stage builds) — техника для уменьшения размера финального образа за счет разделения процесса сборки и финального образа.

Преимущества легковесных образов: * Быстрая загрузка и распространение * Меньшее потребление дискового пространства * Быстрый запуск контейнеров * Повышенная безопасность (меньше поверхности атаки)

Краткий справочник по инструкциям Dockerfile

Основные инструкции

• FROM <образ>[:<тег>] — указывает базовый образ для сборки
• RUN <команда> — выполняет команду во время сборки образа
• COPY <источник> <назначение> — копирует файлы с хоста в образ
• ADD <источник> <назначение> — копирует файлы с хоста или URL в образ (расширенная версия COPY)
• WORKDIR <путь> — устанавливает рабочую директорию для последующих инструкций
• ENV <ключ>=<значение> — устанавливает переменную окружения
• EXPOSE <порт> — указывает порт, который будет использовать контейнер (документация)
• CMD ["команда", "аргументы"] — команда по умолчанию при запуске контейнера
• ENTRYPOINT ["команда"] — основная команда контейнера (не переопределяется при запуске)
• VOLUME ["путь"] — создает точку монтирования для тома

Инструкции для многоэтапной сборки

• AS <имя> — именует стадию сборки (используется с FROM)
• COPY --from=<источник> — копирует файлы из предыдущей стадии сборки

Требования к окружению

• Операционная система: Debian 13 “Trixie” или новее
• Docker Engine установлен и настроен
• Доступ в Интернет для загрузки образов
• Учетная запись пользователя без прав root
• Текстовый редактор (nano, vim или другой)

Порядок выполнения работы

Часть 1. Изучение существующих образов

1. Просмотр доступных образов Посмотрите список всех образов на вашей системе:

   docker images

   Обратите внимание на столбцы: REPOSITORY, TAG, IMAGE ID, CREATED, SIZE.

2. Получение детальной информации об образе Получите подробную информацию о любом образе:

   docker inspect nginx:alpine

   Найдите информацию о слоях, переменных окружения, портах и других параметрах.

3. История образа Посмотрите историю создания образа:

   docker history nginx:alpine

   Это покажет список слоев и команды, которые были использованы для их создания.

Часть 2. Создание простого Dockerfile

1. Создание рабочей директории Создайте директорию для работы с Dockerfile:

   mkdir ~/docker-images-lab
   cd ~/docker-images-lab

2. Создание простого веб-приложения Создайте файл app.py с простым веб-сервером:

   from flask import Flask
   import os
   
   app = Flask(__name__)
   
   @app.route('/')
   def hello():
       return f'Hello from Docker! Container ID: {os.uname()[1]}'
   
   @app.route('/health')
   def health():
       return {'status': 'healthy'}, 200
   
   if __name__ == '__main__':
       app.run(host='0.0.0.0', port=5000)

3. Создание requirements.txt Создайте файл с зависимостями:

   flask==2.3.3

4. Создание первого Dockerfile Создайте файл Dockerfile со следующим содержимым:

   # Базовый образ Python
   FROM python:3.11-slim
   
   # Установка рабочей директории
   WORKDIR /app
   
   # Копирование файлов зависимостей
   COPY requirements.txt .
   
   # Установка зависимостей
   RUN pip install --no-cache-dir -r requirements.txt
   
   # Копирование приложения
   COPY app.py .
   
   # Указание порта
   EXPOSE 5000
   
   # Команда запуска
   CMD ["python", "app.py"]

5. Сборка образа Соберите образ с тегом my-app:v1:

   docker build -t my-app:v1 .

   Обратите внимание на процесс сборки и кэширование слоев.

6. Проверка размера образа Посмотрите размер созданного образа:

   docker images my-app:v1

7. Тестирование образа Запустите контейнер из образа:

   docker run -d -p 5000:5000 --name my-app-container my-app:v1

   Проверьте работу приложения:

   curl http://localhost:5000
   curl http://localhost:5000/health

Часть 3. Оптимизация образа

1. Создание оптимизированного Dockerfile Создайте новый файл Dockerfile.optimized:

   # Многоэтапная сборка для уменьшения размера
   FROM python:3.11-slim as builder
   
   # Установка зависимостей для сборки
   WORKDIR /app
   COPY requirements.txt .
   RUN pip install --user --no-cache-dir -r requirements.txt
   
   # Финальный образ
   FROM python:3.11-slim
   
   # Создание непривилегированного пользователя
   RUN useradd -m -u 1000 appuser
   
   # Установка рабочей директории
   WORKDIR /app
   
   # Копирование установленных зависимостей из builder
   COPY --from=builder /root/.local /home/appuser/.local
   
   # Копирование приложения
   COPY app.py .
   
   # Изменение владельца
   RUN chown -R appuser:appuser /app
   
   # Переключение на непривилегированного пользователя
   USER appuser
   
   # Обновление PATH
   ENV PATH=/home/appuser/.local/bin:$PATH
   
   # Указание порта
   EXPOSE 5000
   
   # Команда запуска
   CMD ["python", "app.py"]

2. Сборка оптимизированного образа Соберите оптимизированный образ:

   docker build -f Dockerfile.optimized -t my-app:v2 .

3. Сравнение размеров Сравните размеры обоих образов:

   docker images | grep my-app

   Запишите разницу в размерах.

4. Тестирование оптимизированного образа Запустите оптимизированный образ:

   docker run -d -p 5001:5000 --name my-app-optimized my-app:v2

   Проверьте его работу:

   curl http://localhost:5001

Часть 4. Работа с Alpine Linux

1. Создание Alpine-based образа Создайте файл Dockerfile.alpine:

   # Использование Alpine Linux для минимального размера
   FROM python:3.11-alpine
   
   # Установка рабочей директории
   WORKDIR /app
   
   # Копирование файлов
   COPY requirements.txt app.py ./
   
   # Установка зависимостей
   RUN pip install --no-cache-dir -r requirements.txt
   
   # Указание порта
   EXPOSE 5000
   
   # Команда запуска
   CMD ["python", "app.py"]

2. Сборка Alpine образа Соберите образ на базе Alpine:

   docker build -f Dockerfile.alpine -t my-app:alpine .

3. Сравнение всех образов Сравните размеры всех созданных образов:

   docker images my-app

   Обратите внимание на разницу между slim и alpine версиями.

Часть 5. Тегирование и управление версиями

1. Добавление дополнительных тегов Добавьте несколько тегов к существующему образу:

   docker tag my-app:v1 my-app:latest
   docker tag my-app:v1 my-app:production
   docker tag my-app:v2 my-app:optimized

2. Просмотр всех тегов Посмотрите все теги образа:

   docker images my-app

3. Удаление образа по тегу Удалите один из тегов:

   docker rmi my-app:production

   Проверьте, что образ остался под другими тегами.

Часть 6. Исследование слоев образа

1. Детальный анализ слоев Посмотрите детальную информацию о слоях образа:

   docker history my-app:v1
   docker history my-app:v2
   docker history my-app:alpine

2. Сравнение слоев Сравните количество слоев и их размеры в разных образах.

3. Использование dive для анализа Установите и используйте утилиту dive для графического анализа образов (если доступно):

   docker run --rm -it -v /var/run/docker.sock:/var/run/docker.sock wagoodman/dive:latest my-app:v1

Задания для самостоятельного выполнения

1. Создание образа с Nginx и статическим сайтом Создайте Dockerfile, который:
   • Использует официальный образ nginx:alpine как базовый
   • Копирует простой HTML-файл с вашей страницей
   • Оптимизирует размер, удаляя ненужные файлы
   • Запускает nginx от непривилегированного пользователя
   • Использует многоэтапную сборку для минимизации размера
2. Создание образа с Node.js приложением Создайте простое Node.js приложение и Dockerfile для него. Используйте:
   • node:alpine как базовый образ
   • Оптимизированную установку зависимостей
   • Healthcheck для проверки работоспособности
   • Минимальное количество слоев
3. Исследование кэширования Создайте Dockerfile и проведите несколько сборок, изменяя разные части файла. Наблюдайте:
   • Какие слои кэшируются
   • На каком этапе кэш сбрасывается
   • Как оптимизировать порядок инструкций для лучшего кэширования
4. Создание образа с несколькими тегами Создайте образ и назначьте ему несколько тегов (latest, stable, v1.0). Проверьте:
   • Как теги связаны с одним образом
   • Что происходит при удалении тега
   • Как работает команда docker tag
5. Анализ безопасности образа Используйте команду docker scan (если доступна) или другие инструменты для:
   • Проверки уязвимостей в образе
   • Сравнения безопасности разных базовых образов
   • Поиска неиспользуемых компонентов

Контрольные вопросы

1. Что такое Docker-образ и как он отличается от контейнера?
2. Какие преимущества дает использование многоэтапной сборки?
3. Почему важно минимизировать количество слоев в образе?
4. Как работает кэширование слоев при сборке образа?
5. В чем разница между инструкциями CMD и ENTRYPOINT?
6. Какие существуют способы уменьшения размера Docker-образа?
7. Что такое теги и как они используются для версионирования образов?

Требования к отчету

Отчет по лабораторной работе должен содержать:

1. Титульный лист
2. Цель работы
3. Пошаговое описание выполнения работы с приведением всех вводимых команд и их выводов (можно в виде скриншотов или текстовых блоков)
4. Сравнительную таблицу размеров созданных образов
5. Вывод, в котором необходимо кратко описать полученные знания и навыки, а также привести примеры оптимизированных Dockerfile для ваших заданий