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        5.57MB

ubuntu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