原文转载自「刘悦的技术博客」https://v3u.cn/a_id_173
个别状况下，当你想为你的 Python 开发环境抉择一个根底镜像时，大多数人都会抉择 Alpine，为什么？因为它太小了，仅仅只有 5 MB 左右（比照 Ubuntu 系列镜像靠近 100 MB），但事实的假相是，咱们抉择根底镜像并不是为了体验一下 Python 语法而已，在此基础上，咱们须要调试和装置各种扩大，可能会装置很多三方依赖，甚至预设更多服务，在这种环境下，Alpine 就并非是一个很好的抉择了，本次咱们就来别离在 Alpine 和 Ubuntu 上来体验一下装置和编译 Python 的区别。
首先别离拉取 Alpine 和 Ubuntu 的镜像：
docker pull ubuntu:18.04
docker pull alpine拉取结束后，能够看到，体积上的确差距显著：
REPOSITORY TAG IMAGE ID CREATED SIZE
ubuntu 18.04 6526a1858e5d 2 weeks ago 64.2MB
alpine latest a24bb4013296 3 months ago 5.57MBubuntu 占用 64mb，而 alpine 仅仅 5.57mb。
然而先别着急，假如咱们的 python 利用须要做一些科学计算，并且将数据以图形的形式展现进去，这时候就须要 matplotlib 和 pandas 这两个库的帮忙了，先用 ubuntu 来装置这俩个库，编写 Dockerfile.ubuntu
FROM python:3.7-slim
RUN pip install --no-cache-dir matplotlib pandas而后运行镜像脚本：
docker build -f Dockerfile.ubuntu -t 'ubuntu-mat' .能够看到，编译好的镜像从原先的 60mb 暴涨到了 263mb。
liuyue:blog liuyue$ docker images
REPOSITORY TAG IMAGE ID CREATED SIZE
ubuntu-mat latest 401f0425ce63 About a minute ago 263MB应用起来没有什么问题。
当初，咱们来试试 Alpine，看看速度和体积上有没有比 Ubuntu 更具劣势
编写 Dockerfile.alpine:
FROM python:3.7-alpine
RUN pip install --no-cache-dir matplotlib pandas编译镜像脚本
docker build -f Dockerfile.alpine -t 'alpine-mat' .在编译过程中，咱们会发现报错了：
liuyue:blog liuyue$ docker build -f Dockerfile.alpine -t 'alpine-mat' .
Sending build context to Docker daemon 112.1kB
Step 1/2 : FROM python:3.7-alpine
3.7-alpine: Pulling from library/python
df20fa9351a1: Pull complete
36b3adc4ff6f: Pull complete
4db9de03f499: Pull complete
cd38a04a61f4: Pull complete
6bbb0c43b470: Pull complete
Digest: sha256:d1375bf0b889822c603622dc137b24fb7064e6c1863de8cc4262b61901ce4390
Status: Downloaded newer image for python:3.7-alpine
---> 078114edb6be
Step 2/2 : RUN pip install --no-cache-dir matplotlib pandas
---> Running in 6d3c44420e5c
Collecting matplotlib
Downloading matplotlib-3.3.1.tar.gz (38.8 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-40p0g06u/matplotlib/setup.py'"'"'; __file__='"'"'/tmp/pip-install-40p0g06u/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-pip-egg-info-zk64hzam
cwd: /tmp/pip-install-40p0g06u/matplotlib/这是怎么搞的？如果你认真看下面基于 Ubuntu 的构建，你会发现它下载三方库的安装包是 matplotlib-3.1.2-cp38-cp38-manylinux1_x86_64.whl，这是一个预编译的二进制安装包。而 Alpine 则只能下载源代码（matplotlib-3.1.2.tar.gz）的压缩包，这就是 Alpine 的致命问题：规范的 Linux 安装包在 Alpine Linux 上根本无法应用。
大多数 Linux 发行版都应用 GNU 版本的规范 C 库（glibc），简直所有基于 C 语言的脚本语言都须要这个库，包含 Python。但 Alpine Linux 应用的是 musl，那些二进制安装包是针对 glibc 编译的，因而 Alpine 禁用了 Linux 安装包反对。当初大多数 Python 包都在 PyPI 上蕴含了二进制安装包，大大放慢了安装时间。然而如果你应用的是 Alpine Linux，你须要编译你应用的每一个 Python 包中的所有 C 源码。
这也就意味着你须要本人弄清楚每一个零碎库的依赖性。当时编译好须要的依赖，从新改写 Dockerfile.alpine:
FROM python:3.7-alpine
RUN apk --update add gcc build-base freetype-dev libpng-dev openblas-dev
RUN pip install --no-cache-dir matplotlib pandas再次编译：
docker build -f Dockerfile.alpine -t 'alpine-mat' .通过了漫长的编译装置，大概半个小时左右，因为咱们都晓得从源码编译装置要远远慢于通过安装包装置，此时查看编译好的镜像：
REPOSITORY TAG IMAGE ID CREATED SIZE
alpine-mat latest 601f0425ce63 About a minute ago 873MB能够看到体积曾经变成 873mb 了，Alpine 最引以为傲的体积小轻便等个性也曾经依然如故。
尽管从实践上讲，Alpine 应用的 musl 内核与其余 Linux 发行版应用的 glibc 大多是兼容的，但在实际操作中，这种差别可能会造成各种问题。而当这些问题真的产生时，想解决它们就没那么简略了，比如说 Alpine 的线程默认堆栈容量较小，这会导致 Python 解体，同时也会影响 python 利用的运行速度。
结语：在本地环境，如果你只是想“玩一玩”，那么根底镜像抉择 Alpine 无可非议，然而如果你想要将你的 python 利用部署到生产环境时，特地是部署分布式系统须要屡次编译的场景下，抉择老牌的 Ubuntu 显然更加的理智。
原文转载自「刘悦的技术博客」https://v3u.cn/a_id_173