Dockerfile详解 - 技术栈

Dockerfile 是用来定义 Docker 镜像构建过程的纯文本文件。通过一系列指令，Docker 可以自动读取并执行，最终生成一个可运行的镜像。下面是 完整、详细的 Dockerfile 核心指令与配置详解，包含语法、作用、示例、区别与最佳实践。

一、Dockerfile 基本结构

一个标准 Dockerfile 通常包含：

解析器指令（可选，开头）
基础镜像（FROM，必选）
元数据（LABEL、MAINTAINER）
环境变量（ENV、ARG）
文件操作（COPY、ADD）
构建时命令（RUN）
工作目录（WORKDIR）
用户（USER）
端口声明（EXPOSE）
数据卷（VOLUME）
健康检查（HEALTHCHECK）
启动命令（CMD、ENTRYPOINT）

二、核心指令详解（按常用顺序）

1. FROM ------ 基础镜像（必选）

作用：指定构建新镜像所依赖的基础镜像（所有镜像都必须基于某个基础镜像）。
语法：

dockerfile 复制代码

FROM <image>[:<tag>] [AS <name>]  # 多阶段构建可用 AS

示例：

dockerfile 复制代码

FROM ubuntu:22.04
FROM openjdk:17-jdk-slim
FROM scratch  # 空镜像（用于构建最底层镜像）

要点：

必须是 第一个非注释指令（ARG 可在 FROM 前）。
标签尽量固定（如 22.04），不要用 latest（不稳定）。
多阶段构建：FROM ... AS builder 可拆分构建与运行阶段，大幅减小镜像体积。

2. ARG ------ 构建参数（构建时有效）

作用：定义构建过程中 可用的变量（容器运行时不存在）。
语法：

dockerfile 复制代码

ARG <name>[=<default value>]

示例：

dockerfile 复制代码

ARG NGINX_VERSION=1.25.3
FROM nginx:${NGINX_VERSION}

# 构建时覆盖：
# docker build --build-arg NGINX_VERSION=1.24.0 -t my-nginx .

与 ENV 区别：

ARG：仅构建时有效，镜像/容器中不保留。
ENV：构建与运行时都有效，会写入镜像。

3. LABEL ------ 元数据标签

作用：给镜像添加键值对元数据（作者、版本、描述等）。
语法：

dockerfile 复制代码

LABEL <key>=<value> <key>=<value> ...

示例：

dockerfile 复制代码

LABEL maintainer="yourname@example.com"
LABEL version="1.0" description="Hadoop Base Image"

替代：旧指令 MAINTAINER 已废弃，用 LABEL 代替。

4. ENV ------ 环境变量（永久生效）

作用：设置环境变量（构建、运行、子进程都可用）。
语法：

dockerfile 复制代码

ENV <key>=<value> ...  # 推荐一行多个
ENV <key> <value>      # 旧格式

示例：

dockerfile 复制代码

ENV JAVA_HOME=/usr/lib/jvm/default-java \
    HADOOP_HOME=/usr/local/hadoop \
    PATH=$PATH:$HADOOP_HOME/bin

作用：

简化后续指令路径
容器运行时可直接使用
可被 docker run -e key=val 覆盖

5. WORKDIR ------ 工作目录

作用：设置后续 RUN/CMD/ENTRYPOINT/COPY/ADD 的工作目录（自动创建）。
语法：

dockerfile 复制代码

WORKDIR <path>

示例：

dockerfile 复制代码

WORKDIR /usr/local/hadoop
RUN pwd  # 输出 /usr/local/hadoop

最佳实践：

用绝对路径
不要多次 RUN cd /path，用 WORKDIR 代替
推荐：/app、/usr/src/app

6. COPY ------ 复制文件（推荐）

作用：从 构建上下文（宿主机） 复制文件/目录到镜像内。
语法：

dockerfile 复制代码

COPY <src> <dest>
COPY ["<src>", "<dest>"]  # 路径含空格用此格式

示例：

dockerfile 复制代码

COPY hadoop-config /usr/local/hadoop/etc/hadoop
COPY target/app.jar /app/

特点：

仅本地文件，不支持 URL、不解压
透明、可缓存、安全（推荐优先用 COPY）

7. ADD ------ 增强复制（慎用）

作用：类似 COPY，但额外支持：

自动解压 本地 tar.gz 到目标目录
从 URL 下载文件到目标（不推荐）
语法：

dockerfile 复制代码

ADD <src> <dest>

示例：

dockerfile 复制代码

ADD apache-hive-3.1.3-bin.tar.gz /usr/local/  # 自动解压
ADD https://example.com/file.txt /tmp/         # 下载（不推荐）

注意：

会破坏缓存、增加镜像体积
仅需解压时用 ADD，其他一律用 COPY

8. RUN ------ 构建时执行命令（核心）

作用：在构建镜像阶段 执行命令（安装软件、配置、编译等）。
两种格式：

（1）Shell 格式（常用）

dockerfile 复制代码

RUN apt update && apt install -y vim

会用 /bin/sh -c 执行
支持管道、变量

（2）Exec 格式（推荐）

dockerfile 复制代码

RUN ["apt", "update"]

不启动 shell，信号传递更好
无环境变量解析

最佳实践（非常重要）：

合并多个 RUN（减少镜像层数）

dockerfile 复制代码

RUN apt update && \
    apt install -y openjdk-11-jdk ssh && \
    apt clean && \
    rm -rf /var/lib/apt/lists/*  # 清理缓存，减小体积

每一层尽量清理临时文件、缓存

9. EXPOSE ------ 声明端口

作用：声明容器运行时监听的端口（仅文档作用，不会自动映射 ）。
语法：

dockerfile 复制代码

EXPOSE <port>[/<protocol>]
EXPOSE 80 443/tcp 9000

要点：

只是声明，实际暴露需 docker run -p 主机端口:容器端口
帮助使用者了解端口用途

10. VOLUME ------ 匿名数据卷

作用：声明容器内的匿名挂载点 ，用于持久化、防止数据丢失。
语法：

dockerfile 复制代码

VOLUME ["/path1", "/path2"]
VOLUME /usr/local/hadoop/namenode_dir

效果：

运行时自动创建匿名卷
容器删除后，卷数据保留
可被 docker run -v 主机路径:容器路径 覆盖

11. USER ------ 指定运行用户

作用：指定后续 RUN/CMD/ENTRYPOINT 执行的用户（默认 root）。
语法：

dockerfile 复制代码

USER <user>[:<group>]
USER uid[:gid]

示例：

dockerfile 复制代码

RUN groupadd -r hadoop && useradd -r -g hadoop hadoop
USER hadoop

安全意义：

避免以 root 运行，降低容器逃逸风险

12. CMD ------ 容器默认启动命令（可被覆盖）

作用：指定 容器启动时默认执行的命令 ，可被 docker run 后面的命令覆盖。
三种格式：

dockerfile 复制代码

# 1. Exec 格式（推荐，信号正常传递）
CMD ["executable","param1","param2"]

# 2. Shell 格式
CMD command param1 param2

# 3. 给 ENTRYPOINT 传参
CMD ["param1","param2"]

示例：

dockerfile 复制代码

CMD ["hadoop", "namenode", "-foreground"]

规则：

一个 Dockerfile 只能有一个 CMD（最后一个生效）
被 docker run 镜像名命令 覆盖

13. ENTRYPOINT ------ 容器入口点（不易覆盖）

作用：指定容器真正入口程序 ，通常不希望被覆盖。
两种格式：

dockerfile 复制代码

# 1. Exec 格式（推荐）
ENTRYPOINT ["executable", "param1"]

# 2. Shell 格式（不推荐，信号丢失）
ENTRYPOINT command param1

与 CMD 组合（经典用法）：

dockerfile 复制代码

ENTRYPOINT ["hadoop"]
CMD ["namenode", "-foreground"]

# 效果：
# docker run my-hadoop → hadoop namenode -foreground
# docker run my-hadoop datanode → hadoop datanode

区别总结：

指令	覆盖性	用途
CMD	易被覆盖	默认参数/命令
ENTRYPOINT	不易覆盖（需 --entrypoint）	固定主程序

14. HEALTHCHECK ------ 健康检查

作用：定义如何检查容器是否正常运行。
语法：

dockerfile 复制代码

HEALTHCHECK [选项] CMD <命令>

选项：

--interval=5s：检查间隔
--timeout=3s：超时
--retries=3：重试次数
示例：

dockerfile 复制代码

HEALTHCHECK --interval=10s --timeout=3s \
  CMD curl -f http://localhost:9870/ || exit 1

15. ONBUILD ------ 子镜像触发指令

作用：当前镜像作为基础镜像 被其他 Dockerfile 使用时，才执行的指令。
示例：

dockerfile 复制代码

ONBUILD COPY . /app
ONBUILD RUN mvn install

三、COPY vs ADD 对比（必懂）

特性	COPY	ADD
本地文件	✅	✅
自动解压 tar	❌	✅
支持 URL	❌	✅（不推荐）
构建缓存	好	差
安全性	高	中
推荐场景	绝大多数复制	仅需解压

四、CMD vs ENTRYPOINT 对比（必懂）

单独使用 CMD：可被完全覆盖 → 适合默认命令
单独使用 ENTRYPOINT：不易覆盖 → 适合固定主程序
ENTRYPOINT + CMD ：
- ENTRYPOINT = 主程序
- CMD = 默认参数
- docker run 后面参数会替换 CMD → 最灵活

五、多阶段构建（关键优化）

作用：把「构建环境」和「运行环境」分离，极大减小最终镜像体积 。
示例（Java 项目）：

dockerfile 复制代码

# 阶段1：构建（含 Maven/JDK，体积大）
FROM maven:3.8-openjdk-11 AS builder
WORKDIR /app
COPY . .
RUN mvn clean package -DskipTests

# 阶段2：运行（仅 JRE，体积小）
FROM openjdk:11-jre-slim
WORKDIR /app
# 从上一阶段复制 jar
COPY --from=builder /app/target/*.jar app.jar
ENTRYPOINT ["java", "-jar", "app.jar"]

六、Dockerfile 最佳实践（避坑）

使用官方最小基础镜像（alpine > slim > 普通）
合并 RUN 指令，减少层数
安装后立即清理缓存（apt clean、yum clean、rm -rf /var/lib/apt/lists/*）
优先用 COPY，少用 ADD
用 WORKDIR 代替 RUN cd
非必要不 root，使用 USER 切换普通用户
EXPOSE 声明端口，便于使用
VOLUME 声明持久化目录
CMD/ENTRYPOINT 用 Exec 格式（信号正常）
多阶段构建减小镜像
标签固定版本，不用 latest
一行一个 ENV，减少层数

七、完整示例（Hadoop Base）

dockerfile 复制代码

# syntax=docker/dockerfile:1
FROM ubuntu:22.04

LABEL maintainer="admin@example.com"
LABEL version="3.3.4"
LABEL description="Hadoop Base Image"

ENV DEBIAN_FRONTEND=noninteractive
ENV JAVA_HOME=/usr/lib/jvm/java-11-openjdk-amd64
ENV HADOOP_VERSION=3.3.4
ENV HADOOP_HOME=/usr/local/hadoop
ENV PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

# 安装依赖
RUN apt update && \
    apt install -y openjdk-11-jdk-headless ssh pdsh && \
    apt clean && \
    rm -rf /var/lib/apt/lists/*

# 安装 Hadoop
ADD hadoop-${HADOOP_VERSION}.tar.gz /usr/local/
RUN ln -s /usr/local/hadoop-${HADOOP_VERSION} $HADOOP_HOME

# 复制配置
WORKDIR $HADOOP_HOME
COPY hadoop-config etc/hadoop/

# 端口
EXPOSE 9000 9870 8088

# 数据卷
VOLUME ["$HADOOP_HOME/namenode_dir", "$HADOOP_HOME/datanode_dir"]

# 启动脚本
COPY entrypoint.sh /
RUN chmod +x /entrypoint.sh
ENTRYPOINT ["/entrypoint.sh"]
CMD ["bash"]

八、构建与运行

bash 复制代码

# 构建
docker build -t hadoop-base .

# 运行
docker run -itd --name master hadoop-base

如果你需要，我可以根据你 已有的 Hadoop Docker 环境 ，直接给你写一个 可直接使用的 Hive Dockerfile + 构建运行脚本，适配你的集群。需要吗？