Python base image 切勿使用 alpine

Share on:

看了許多 docker 官網使用 python 做的範例, 經常看到使用 alpine base image.

使用過程發現 它(alpine) 真的很雷

本文大致說明為何

動機

看了一大堆教學指南, 大家都說 image 最好能夠盡量的輕量, 能夠幫助你完成快速的建置, 測試, 部署....

所以多半情況下, 都傻傻的跟風, 選擇了帶有 alpine 的 Docker Image

但是它真的有比較快嗎?

經過不曉得 N 次的使用後, 經常發現在建置過程中就掛掉了, 例如

一下子 pip 問題, 一下子 wheel 問題, 一下子這啥 egg_info..... OK fine!

如果使用 Golang 的話, alpine 讚讚讚

如果使用 Python 的話, 千萬別用 alpine

Image 建置的 Python 底層環境

為啥網路上那麼多阿貓阿狗的文章, 都使用 alpine Image?

底下使用 Ubuntu18.04 及 alpine 來做比較

AlpineImage UbuntuImage

OK, alpine 確實比人家快, 7.83ms vs 20.42ms, 快很多很多

而且 Image Size 也比人家小一點 135MB vs 151MB, 小了人家 10% 以上

alpine 暫時領先

環境底下安裝依賴套件

ubuntu base image 底下安裝 python3.8 && pip, 這動作完全不考慮

所以底下我們直接比較一下 python:3.8-alpine & python:3.8-slim & python:3.8

  1. 首先我們來看看 python:3.8-alpine

AlpineImage1

注意! 這邊抓的是 matplotlib-3.3.2.tar.gz, 此為 原始碼 編譯安裝 (pip install 的方式, 可分為 source code 及 wheel)

然後底下這張圖只是呈現他後半部掛掉了

AlpineImage2

alpine 一如既往讓人失望, 必須解決一堆相依性問題

  1. 再來我們看看 python:3.8-slim

slimImage

  1. 接著則是最完整的 python:3.8

Python38Image

比較表如下:

Image Building time Size
python:3.8-alpine x x
python:3.8-slim 19.97s 268MB
python:3.8 20.01s 1.04G

至於 python:3.8-slim 總是優於 python:3.8 ? 這我目前還不知道就是了

但相信大包總會有它比較優的地方, 但好在哪邊不是這篇文章的重點

Note

回憶一下剛剛我們安裝的套件, 我們下載的是 xxx.whl

Python38whl

它是預先被編譯好了 binary.

大多數的 Linux distributions 使用 GNU version 的 standard C library, 也就是 glibc

python wheel 也是使用這東西來做編譯

然而 alpine base image 裡頭裝的是 musl (另一種的 C library)

雖說兩者 (musl 與 glibc) 幾乎可以互相兼容

但以目前的情況來看, 兩者間的一點點差異就會造成問題, 使得結果無法正常預期

Don't use Alpine Linux for Python images

Reference

comments powered by Disqus