一.dify-api的Dockerfile文件
dify-api的Dockerfile文件如下所示:
markdown
# base image
FROM python:3.10-slim-bookworm AS base
LABEL maintainer="takatost@gmail.com"
# install packages
FROM base as packages
RUN apt-get update \
&& apt-get install -y --no-install-recommends gcc g++ libc-dev libffi-dev libgmp-dev libmpfr-dev libmpc-dev
COPY requirements.txt /requirements.txt
RUN --mount=type=cache,target=/root/.cache/pip \
pip install --prefix=/pkg -r requirements.txt
# production stage
FROM base AS production
ENV FLASK_APP app.py
ENV EDITION SELF_HOSTED
ENV DEPLOY_ENV PRODUCTION
ENV CONSOLE_API_URL http://127.0.0.1:5001
ENV CONSOLE_WEB_URL http://127.0.0.1:3000
ENV SERVICE_API_URL http://127.0.0.1:5001
ENV APP_WEB_URL http://127.0.0.1:3000
EXPOSE 5001
# set timezone
ENV TZ UTC
WORKDIR /app/api
RUN apt-get update \
&& apt-get install -y --no-install-recommends curl wget vim nodejs ffmpeg libgmp-dev libmpfr-dev libmpc-dev \
&& apt-get autoremove \
&& rm -rf /var/lib/apt/lists/*
COPY --from=packages /pkg /usr/local
COPY . /app/api/
COPY docker/entrypoint.sh /entrypoint.sh
RUN chmod +x /entrypoint.sh
ARG COMMIT_SHA
ENV COMMIT_SHA ${COMMIT_SHA}
ENTRYPOINT ["/bin/bash", "/entrypoint.sh"]
二.Dockerfile文件分析
这个 Dockerfile 设计用于构建基于 Python 的 Flask 应用。将逐行解释这个文件:
1.基础镜像阶段
dockerfile
FROM python:3.10-slim-bookworm AS base
LABEL maintainer="takatost@gmail.com"
-
FROM python:3.10-slim-bookworm AS base :这一行设置了基础镜像为 Python 3.10 版本的 slim 版本,基于 Debian bookworm。这种镜像较小,适合生产环境使用。并将此阶段命名为
base
。 -
LABEL maintainer="takatost@gmail.com":给镜像添加维护者的标签,方便联系和识别。
2.安装依赖包阶段
dockerfile
FROM base as packages
RUN apt-get update \
&& apt-get install -y --no-install-recommends gcc g++ libc-dev libffi-dev libgmp-dev libmpfr-dev libmpc-dev
COPY requirements.txt /requirements.txt
RUN --mount=type=cache,target=/root/.cache/pip \
pip install --prefix=/pkg -r requirements.txt
-
FROM base as packages :从基础镜像
base
开始新的构建阶段,命名为packages
。 -
RUN apt-get update...:安装 Python 应用构建和运行时可能需要的系统依赖包,包括编译器和库文件。
-
COPY requirements.txt /requirements.txt :复制包含 Python 依赖的
requirements.txt
文件到容器中。 -
RUN --mount=type=cache,target=/root/.cache/pip...:利用 Docker 的构建缓存特性,安装
requirements.txt
中列出的 Python 依赖到/pkg
目录,以提高后续构建的速度。
3.生产阶段设置
dockerfile
FROM base AS production
ENV FLASK_APP app.py
...
EXPOSE 5001
...
WORKDIR /app/api
RUN apt-get update \
&& apt-get install -y --no-install-recommends curl wget vim nodejs ffmpeg libgmp-dev libmpfr-dev libmpc-dev \
&& apt-get autoremove \
&& rm -rf /var/lib/apt/lists/*
COPY --from=packages /pkg /usr/local
COPY . /app/api/
COPY docker/entrypoint.sh /entrypoint.sh
RUN chmod +x /entrypoint.sh
ARG COMMIT_SHA
ENV COMMIT_SHA ${COMMIT_SHA}
ENTRYPOINT ["/bin/bash", "/entrypoint.sh"]
-
FROM base AS production :从基础镜像
base
开始新的构建阶段,命名为production
。 -
ENV FLASK_APP app.py 和其他
ENV
:设置 Flask 环境变量和其他运行时环境变量。 -
EXPOSE 5001:声明容器将在端口 5001 上运行服务。
-
WORKDIR /app/api:设置工作目录。
-
RUN apt-get update...:更新包索引并安装生产环境所需的其他系统依赖,最后清理不再需要的包和临时文件。
-
COPY --from=packages /pkg /usr/local :从
packages
阶段复制安装好的 Python 依赖。 -
COPY . /app/api/:复制当前目录下所有文件到工作目录。
-
COPY docker/entrypoint.sh /entrypoint.sh:复制入口脚本到容器。
-
RUN chmod +x /entrypoint.sh:赋予入口脚本执行权限。
-
ARG COMMIT_SHA 和 ENV COMMIT_SHA ${COMMIT_SHA}:接收并设置构建参数,用于标记版本。
-
ENTRYPOINT ["/bin/bash", "/entrypoint.sh"]:设置容器启动时执行的命令。
整个 Dockerfile 的设计旨在确保从依赖安装到应用部署的每个步骤都优化和安全,同时也支持构建缓存以加速多次构建过程。
三.dify\api\docker\entrypoint.sh文件分析
markdown
#!/bin/bash
set -e
if [[ "${MIGRATION_ENABLED}" == "true" ]]; then
echo "Running migrations"
flask db upgrade
fi
if [[ "${MODE}" == "worker" ]]; then
celery -A app.celery worker -P ${CELERY_WORKER_CLASS:-gevent} -c ${CELERY_WORKER_AMOUNT:-1} --loglevel INFO \
-Q ${CELERY_QUEUES:-dataset,generation,mail}
elif [[ "${MODE}" == "beat" ]]; then
celery -A app.celery beat --loglevel INFO
else
if [[ "${DEBUG}" == "true" ]]; then
flask run --host=${DIFY_BIND_ADDRESS:-0.0.0.0} --port=${DIFY_PORT:-5001} --debug
else
gunicorn \
--bind "${DIFY_BIND_ADDRESS:-0.0.0.0}:${DIFY_PORT:-5001}" \
--workers ${SERVER_WORKER_AMOUNT:-1} \
--worker-class ${SERVER_WORKER_CLASS:-gevent} \
--timeout ${GUNICORN_TIMEOUT:-200} \
--preload \
app:app
fi
fi
这是一个 Bash 脚本,通常用于容器入口点(entrypoint)来启动 Flask 应用及相关服务。以下是脚本中每一行代码的中文解释:
bash
#!/bin/bash
- 这一行是 Shebang 行,指示操作系统使用 Bash 解释器执行此脚本。
bash
set -e
- 这一行设置了 Bash 的
-e
选项,意味着如果脚本中任何命令执行失败(返回非零状态),脚本将立即退出。
bash
if [[ "${MIGRATION_ENABLED}" == "true" ]]; then
echo "Running migrations"
flask db upgrade
fi
- 这个 if 语句检查环境变量
MIGRATION_ENABLED
是否设置为"true"
。如果是,执行数据库迁移命令flask db upgrade
,并在执行前打印 "Running migrations"。
bash
if [[ "${MODE}" == "worker" ]]; then
celery -A app.celery worker -P ${CELERY_WORKER_CLASS:-gevent} -c ${CELERY_WORKER_AMOUNT:-1} --loglevel INFO \
-Q ${CELERY_QUEUES:-dataset,generation,mail}
elif [[ "${MODE}" == "beat" ]]; then
celery -A app.celery beat --loglevel INFO
- 这段代码根据环境变量
MODE
的值启动 Celery。如果MODE
是"worker"
,则启动 Celery worker,并配置相关的选项(如并发方式、日志级别等)。如果MODE
是"beat"
,则启动 Celery beat 进程。
bash
else
if [[ "${DEBUG}" == "true" ]]; then
flask run --host=${DIFY_BIND_ADDRESS:-0.0.0.0} --port=${DIFY_PORT:-5001} --debug
else
gunicorn \
--bind "${DIFY_BIND_ADDRESS:-0.0.0.0}:${DIFY_PORT:-5001}" \
--workers ${SERVER_WORKER_AMOUNT:-1} \
--worker-class ${SERVER_WORKER_CLASS:-gevent} \
--timeout ${GUNICORN_TIMEOUT:-200} \
--preload \
app:app
fi
fi
- 这部分代码决定如何启动 Flask 应用。如果
DEBUG
环境变量被设置为"true"
,则使用 Flask 的开发服务器启动应用。否则,使用 Gunicorn 作为 WSGI HTTP 服务器来运行应用,配置包括绑定的 IP 和端口、工作进程数量、工作进程类型、超时设置等。
整体上,这个脚本提供了灵活的启动配置,使得根据不同的环境需求(开发、生产、任务执行等)可以灵活地启动相应的服务。