当前位置：首页 > article >正文

如何使用 Docker 搭建 FastAPI 环境, 本地仅编辑代码

article 2025/2/27 1:30:10

在开发 FastAPI 应用时，我们有时希望将应用容器化，以便于部署和管理，同时避免污染本地的 Python 环境。使用 Docker 可以轻松实现这一目标，但如果你想在容器中安装依赖并进行调试，如何在不破坏本地环境的情况下管理依赖呢？本文将介绍如何通过 Docker 将 FastAPI 应用容器化，并展示如何进入容器安装依赖。

1. 项目结构

假设你已经有一个简单的 FastAPI 项目结构，主要包含以下文件：

Dockerfile — 定义如何构建应用容器。
docker-compose.yml — 通过 Docker Compose 管理和启动容器。
main.py — FastAPI 应用代码。

2. Dockerfile

首先，我们需要一个 Dockerfile 来构建我们的容器。下面是一个简洁的 Dockerfile，它基于官方的 Python 镜像，安装 FastAPI 和 Uvicorn，并暴露端口 8000 以供访问：

# 使用官方的 Python 镜像
FROM python:3.11-slim

# 设置工作目录
WORKDIR /app

# 安装 FastAPI 和 Uvicorn（作为 ASGI 服务器）
RUN pip install --no-cache-dir fastapi uvicorn

# 将本地代码挂载到容器内的 /app 目录
VOLUME ["/app"]

# 暴露端口 8000，FastAPI 默认使用这个端口
EXPOSE 8000

# 启动容器时默认运行 Uvicorn
CMD ["uvicorn", "main:app", "--host", "0.0.0.0", "--port", "8000"]

在这个 Dockerfile 中：

我们从 python:3.11-slim 镜像开始。
设置工作目录 /app。
安装 FastAPI 和 Uvicorn（FastAPI 使用的 ASGI 服务器）。
将本地代码目录挂载到容器中的 /app。
最后，通过 CMD 指定容器启动时默认运行 Uvicorn 以启动 FastAPI 应用。

3. Docker Compose 配置

接下来，我们创建一个 docker-compose.yml 文件来管理容器的启动。我们使用 stdin_open: true 和 tty: true 选项，使得我们可以进入容器内部并进行交互操作。

version: "3.8"

services:
  fastapi-app:
    build: .
    ports:
      - "8000:8000"
    volumes:
      - .:/app  # 将当前目录挂载到容器的 /app 目录
    environment:
      - PYTHONUNBUFFERED=1
    # 使用交互式终端来启动容器，这样你就可以进入容器
    stdin_open: true
    tty: true

在 docker-compose.yml 中：

我们使用 build: . 指定 Docker Compose 使用当前目录下的 Dockerfile 来构建镜像。
ports 选项将容器的 8000 端口暴露到主机的 8000 端口，允许我们访问 FastAPI 服务。
volumes 选项将本地的代码目录挂载到容器中，这样你就可以在不重启容器的情况下直接编辑代码。

4. 启动容器

现在，我们可以通过以下命令来构建并启动容器：

docker-compose up --build

这个命令会启动 FastAPI 服务，并监听在 localhost:8000 上，你可以在浏览器中访问：

http://localhost:8000

5. 进入容器并安装依赖

如果你需要安装新的依赖或进行调试，可以通过以下命令进入容器的终端：

docker-compose exec fastapi-app bash

进入容器后，你可以像在本地环境中一样使用 pip 安装依赖：

pip install <package_name>

例如，安装 requests 库：

pip install requests

6. 重启服务

如果你在容器中安装了新的依赖，记得重新启动 FastAPI 服务，以便它加载新的依赖：

docker-compose restart fastapi-app

7. 总结

通过以上步骤，我们成功将 FastAPI 应用容器化，并配置 Docker 和 Docker Compose 来管理和运行应用。更重要的是，我们通过交互模式进入容器并安装任何需要的依赖，从而避免污染本地的 Python 环境。这种方法非常适合开发阶段，尤其是在调试和安装依赖时非常方便。