重要
在为 Docker 镜像选择基础镜像时，通常会推荐使用 Alpine Linux。使用 Alpine 会让镜像体积更小，并加快构建速度。如果编程语言是Go，这个是合理的。
但如果编程语言是Python，Alpine Linux会带来以下问题：
- 构建速度变的特别慢。
- 让docker镜像变大。
- 偶尔会引入一些不起眼的运行时错误。
Alpine的优点
大多数情况下Alpine具备构建时间短，镜像小的优点，被广泛推荐使用。
下面测试Alpine作为基础镜像的优点。假设需要安装 gcc 作为镜像构建的一部分，对比Alpine Linux与Ubuntu 18.04在构建时间和镜像大小方面的区别。
首先，拉取两个镜像，并检查它们的大小：
1
2
3
4
5
6
7
8
9
10
| $ docker pull --quiet ubuntu:18.04
docker.io/library/ubuntu:18.04
$ docker pull --quiet alpine
docker.io/library/alpine:latest
$ docker image ls ubuntu:18.04
REPOSITORY TAG IMAGE ID SIZE
ubuntu 18.04 ccc6e87d482b 64.2MB
$ docker image ls alpine
REPOSITORY TAG IMAGE ID SIZE
alpine latest e7d92cdc71fe 5.59MB
|
可以看出来，Alpine Linux基础镜像小得多。
接下来，在Ubuntu系统中安装gcc：
1
2
3
4
| FROM ubuntu:18.04
RUN apt-get update && \
apt-get install --no-install-recommends -y gcc && \
apt-get clean && rm -rf /var/lib/apt/lists/*
|
构建命令（使用time计时）
1
2
3
4
5
6
7
8
9
| $ time docker build -t ubuntu-gcc -f Dockerfile.ubuntu --quiet .
sha256:b6a3ee33acb83148cd273b0098f4c7eed01a82f47eeb8f5bec775c26d4fe4aae
real 0m29.251s
user 0m0.032s
sys 0m0.026s
$ docker image ls ubuntu-gcc
REPOSITORY TAG IMAGE ID CREATED SIZE
ubuntu-gcc latest b6a3ee33acb8 9 seconds ago 150MB
|
然后，在Alpine系统中安装gcc：
1
2
| FROM alpine
RUN apk add --update gcc
|
构建命令（使用time计时）
1
2
3
4
5
6
7
8
9
| $ time docker build -t alpine-gcc -f Dockerfile.alpine --quiet .
sha256:efd626923c1478ccde67db28911ef90799710e5b8125cf4ebb2b2ca200ae1ac3
real 0m15.461s
user 0m0.026s
sys 0m0.024s
$ docker image ls alpine-gcc
REPOSITORY TAG IMAGE ID CREATED SIZE
alpine-gcc latest efd626923c14 7 seconds ago 105MB
|
| 构建时间 | 镜像大小 |
|---|
| Alpine | 15s | 105MB |
| Ubuntu | 30s | 150MB |
总结，Alpine镜像的生成速度更快，体积更小。
Alpine不适合Python
以使用pandas和matplotlib的Python应用程序举例。
基于Debian的Python官方镜像（python:3.8-slim），并使用以下 Dockerfile：
1
2
| FROM python:3.8-slim
RUN pip install --no-cache-dir matplotlib pandas
|
构建命令与输出为
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
| $ docker build -f Dockerfile.slim -t python-matpan.
Sending build context to Docker daemon 3.072kB
Step 1/2 : FROM python:3.8-slim
---> 036ea1506a85
Step 2/2 : RUN pip install --no-cache-dir matplotlib pandas
---> Running in 13739b2a0917
Collecting matplotlib
Downloading matplotlib-3.1.2-cp38-cp38-manylinux1_x86_64.whl (13.1 MB)
Collecting pandas
Downloading pandas-0.25.3-cp38-cp38-manylinux1_x86_64.whl (10.4 MB)
...
Successfully built b98b5dc06690
Successfully tagged python-matpan:latest
real 0m30.297s
user 0m0.043s
sys 0m0.020s
|
基于Alpine镜像，使用以下Dockerfile:
1
2
| FROM python:3.8-alpine
RUN pip install --no-cache-dir matplotlib pandas
|
构建命令与输出
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
| $ docker build -t python-matpan-alpine -f Dockerfile.alpine .
Sending build context to Docker daemon 3.072kB
Step 1/2 : FROM python:3.8-alpine
---> a0ee0c90a0db
Step 2/2 : RUN pip install --no-cache-dir matplotlib pandas
---> Running in 6740adad3729
Collecting matplotlib
Downloading matplotlib-3.1.2.tar.gz (40.9 MB)
ERROR: Command errored out with exit status 1:
command: /usr/local/bin/python -c 'import sys, setuptools, tokenize; sys.argv[0] = '"'"'/
tmp/pip-install-a3olrixa/matplotlib/setup.py'"'"'; __file__='"'"'/tmp/pip-install-a3olrixa/matplotlib/setup.py'"'"';f=getattr(tokenize, '"'"'open'"'"', open)(__file__);code=f.read().replace('"'"'\r\n'"'"', '"'"'\n'"'"');f.close();exec(compile(code, __file__, '"'"'exec'"'"'))' egg_info --egg-base /tmp/pip-install-a3olrixa/matplotlib/pip-egg-info
...
ERROR: Command errored out with exit status 1: python setup.py egg_info Check the logs for full command output.
The command '/bin/sh -c pip install matplotlib pandas' returned a non-zero code: 1
|
因为 标准PyPI wheels 无法在 Alpine 上运行
对比上面两次构建的日志输出，会发现不同：
基于 Debian 的构建，下载的是matplotlib-3.1.2-cp38-cp38-manylinux1_x86_64.whl。这是一个预编译的二进制文件。相比之下，Alpine 下载的是源代码包matplotlib-3.1.2.tar.gz，因为标准的 Linux wheel文件无法在Alpine Linux上运行。
大多数 Linux 发行版都使用GNU 版本（glibc）的标准C库，几乎所有C程序（包括 Python）都依赖glibc。但Alpine Linux使用的是musl，而python预编译的*.whl文件是针对glibc编译的，因此 Alpine 禁用了对 Linux wheel的支持。
然而，大多数Python软件包都在PyPI上包含了*whl预编译文件，来大大加快了安装时间。但使用Alpine Linux，就需要编译每个 Python 软件包中的所有 C 代码。
这也意味着,需要自己找出每一个系统库的依赖关系。在这种情况下，根据依赖关系跟新Dockerfile如下：
1
2
3
| FROM python:3.8-alpine
RUN apk --update add gcc build-base freetype-dev libpng-dev openblas-dev
RUN pip install --no-cache-dir matplotlib pandas
|
Alpine Linux 可导致难以预料的运行时错误
虽然从理论上讲，Alpine 使用的musl C库与其他 Linux 发行版使用的glibc基本兼容，但在实践中，两者之间的差异可能会导致问题。而且，一旦出现问题，这些问题会非常奇怪，出乎意料。
举几个例子：
这些问题的大部分或全部都已得到修复，但无疑还有更多问题有待发现。这种兼容性带来的不确定性太可怕。
Alpine与Ubuntu作为基础镜像的对比如下
| 基础镜像 | 构建时间 | 镜像大小 | 是否存在其他问题 |
|---|
| python:3.8-slim | 30s | 363MB | 否 |
| python:3.8-alpine | 1557s | 851MB | 是 |
Alpine的构建速度要慢得多，镜像体积也更大，而且必须做大量的研究。
是否能解决
关于构建速度
Alpine Edge（最终将成为下一个稳定版本）拥有 matplotlib 和 pandas，可以加快构建速度。安装系统包的速度也相当快。不过，截至 2020 年 1 月，当前的稳定版本并不包含这些流行软件包。
不过，即使这些包可用，系统包也几乎总是落后于 PyPI 上的包，而且 Alpine 也不太可能把 PyPI 上的所有包都打包。实际上，所知的大多数 Python 团队都不使用系统包，而是依赖 PyPI 或 Conda Forge。
关于镜像大小
可以通过删除最初安装的软件包，或添加不缓存软件包下载的选项，或使用多阶段构建的方法减小镜像大小，但镜像大小也在470MB。与基于python:3.8-slim的镜像大小差不多。但 Alpine Linux 的目的是更小的镜像和更快的构建速度。也许可以通过足够的努力获得更小的镜像，但仍然要忍受 1500 秒的构建时间，而使用 python:3.8-slim 镜像只需 30 秒。
运行时错误
未知的不确定性，遇到一个解决一个
总结
由于Alpine发行版默认c库(musl)与python预编译文件(*.whl)所依赖的c库(glibc)不同，如果python使用Alpine基础镜像，就无法使用PyPI库中已编译的wheel文件，只能下载源码包重新编译。 从而导致构建时间长，镜像体积大，兼容性带来不确定的运行时错误。因此不建议使用Alpine作为Python的基础镜像构建。
Reference
Using Alpine can make Python Docker builds 50× slower
