python算法打包为docker镜像（边缘端api服务）

Python因其简单上手，在众编程语言中脱颖而出，但你有没有想过，你的python代码如何打包成一个api服务，能够快速地部署到其他机器，同时便捷地使用呢？

---

小姜教你如何一步一步将你的Python 算法打包为 Docker 镜像、部署、使用，最后成为一个基于docker的边缘端api服务

什么是docker？

Docker 是一款开源的容器化技术，核心是通过 “容器” 将应用程序及其依赖（库、环境变量、配置文件等）打包成一个独立的可移植单元。容器基于宿主机操作系统内核运行，无需像虚拟机那样模拟完整操作系统，因此启动速度快、资源占用低，且具备 “一次构建、到处运行” 的特性，能让应用在任何支持 Docker 的设备上，都以相同的环境稳定运行。

为什么要打包为Docker？

1. 解决环境依赖冲突：Python 算法常依赖特定版本的库（如 numpy、torch），Docker 可固化完整依赖环境，彻底避免此类问题。
2. 适配边缘端资源约束：边缘设备（如网关、工业控制器）普遍存在 CPU / 内存有限的问题，Docker 容器比虚拟机更轻量化，镜像体积可灵活优化，不会过度占用边缘资源。
3. 简化跨设备部署：边缘场景中可能涉及多种架构（x86、arm）、多种系统（Linux、mac ），Docker 镜像可跨架构、跨系统移植，无需针对不同设备重复适配。
4. 保障服务隔离与稳定性：将算法 API 服务封装在容器中，可与边缘设备上的其他应用隔离，避免资源抢占或配置冲突，同时容器支持快速启停、自动重启，提升服务可用性。

打包前置准备

1. python环境
2. Docker Desktop
   （通过docker官网下载）

使用Fastapi打包算法

Fastapi是一个用于构建 API 的现代、快速的 web 框架，我们首先将我们的算法构建为接受输入，返回输出的api

安装 Fastapi

pip install fastapi

另外我们还需要一个 ASGI 服务器（uvicorn）

pip install "uvicorn[standard]"

算法嵌入 Fastapi 框架

from fastapi import FastAPI
import uvicornapp = FastAPI()@app.post("/algorithm1")  
async def calculate(data: dict):# 这里是要封装的算法#...#result = ...# 返回结果return {"code": 200, "result": result}if __name__ == "__main__":#使用ASGI 服务器运行uvicorn.run(app, host="0.0.0.0", port=8000)

代码中@app.post("/algorithm1") 表示这个api的url路径，在下方的函数中，补充你的算法，将算法的结果return，如果你的算法较为复杂，由多个单独文件组成，你可以采用引用的方式。如果要打包的服务有多个算法功能，那么可以使用多个@app.post() ，为不同的算法功能分配不同的请求路径。示例：

from fastapi import FastAPI
import uvicorn
# 导入自定义算法模块
from my_algorithm import a_func,b_funcapp = FastAPI()#添加一个根路径，作为算法是否运行的检查路劲
@app.get("/")
async def root():return {"message": "算法API服务正在运行", "status": "healthy"}@app.post("/algorithm/a")
async def predict(data: dict):# 调用算法result = a_func(input_data)# 返回结果return {"code": 200, "result": result}@app.post("/algorithm/b")
async def predict(data: dict):# 调用算法result = b_func(input_data)# 返回结果return {"code": 200, "result": result}if __name__ == "__main__":uvicorn.run(app, host="0.0.0.0", port=8000)

至此，你可以创建一个app目录，作为你的项目目录，然后将这个python文件命名为main.py并放到这个目录中，在你本地的python环境运行，你的api服务就已经打开了，你可以新建一个test.py脚本，使用request库进行请求测试：

import requests
import jsonhost = "8000"
# 测试服务
response = requests.get(f"http://localhost:{host}/health"
)
if response.status_code == 200:print("API服务状态正常")print(response.json())# 算法请求
request_data = {"p1":2,"p2":'h'
}response = requests.post(f"http://localhost:{host}/algorithm/a",headers={"Content-Type": "application/json"},data=json.dumps(request_data)
)#处理响应
if response.status_code == 200:result = response.json()if result["success"]:print(f"算法执行成功，结果：{result}")else:print(f"算法执行失败")
else:print(f"请求失败: {response}")

将api服务打包为Docker Image

编写依赖文件

依赖文件requirements.txt的目的是告诉docker打包时，需要安装哪些python的包，将你的python算法需要的包列入文件（==1.0.0表示固定版本号为1.0.0）：

numpy==1.24.1
uvicorn
pydantic
python-multipart
matplotlib==3.7.2
scikit-learn==1.3.2
pillow
fastapi

编写 Dockerfile

Dockerfile 是docker镜像打包时的关键脚本，里面包含了打包时需要执行的内容和一些相关配置。如果你前面按照小姜的步骤进行，你可以参考下面的模板：

# 基础镜像：选用轻量化Python镜像（可以选择你需要的python版本）
FROM python:3.9-slim# 设置工作目录
WORKDIR /app# 安装系统依赖(这是因为部分包需要使用系统依赖)
# 如果你的算法设计的包非常基础，可以跳过这一部分
RUN apt-get update && apt-get install -y \gcc \&& rm -rf /var/lib/apt/lists/*# 复制依赖文件与代码
COPY requirements.txt .
COPY . .# 安装依赖（国内源加速，边缘端可提前下载依赖包离线安装）
RUN pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple# 暴露API端口（与代码中一致）
EXPOSE 8000# 启动命令
CMD ["python", "main.py"]

执行打包命令

在 Dockerfile 所在目录的命令行窗口执行

docker build -t edge-algorithm-api:v1 .

edge-algorithm-api为你要打包的镜像名，v1为镜像版本标签，这两个都可以由你自定义，版本号通常可以填写latest，表示最新版

等待打包完成，打开 docker desktop ，找到 images，你可以看到你打包的镜像出现在这里

本地部署测试

在本地运行你的 docker 镜像有两种方式：

1. 命令行

本地运行

docker run -d -p 8000:8000 --name edge-api edge-algorithm-api:v1

8000：8000表示你定义的端口；edge-api表示你定义的服务名；edge-algorithm-api:v1表示你要运行的镜像

执行后，你的api调用地址为：http://localhost:8000/algorithm/a

2. Docker Desktop

点击Iamge页面中的运行按钮

点开运行选项，设置你的服务名称，端口（填0随机生成）

完成后点击到container页面，此时镜像运行在一个container容器内，形成服务：

port下方的路径就是你的服务链接，点击，会自动在浏览器打开这个地址，模拟根路径的get请求：

能够看到你设定的返回值，说明算法部署成功了！

边缘端部署

镜像分发

分发镜像的前提是能够将你的docker镜像打包为一个实体的文件。这样才能传输给其他设备，我们使用以下命令将Image打包为一个.tar压缩包：

docker save -o edge-api.tar edge-algorithm-api:v1

得到edge-api.tar文件后，你可以通过多种方式发送给目标设备。

镜像加载

使用以下命令加载edge-api.tar文件：

docker load -i edge-api.tar

镜像运行

在边缘端设备，采用和前面本机部署相同的方式，运行image，即可将服务部署到边缘端机器上！

完

---

如有疑问，欢迎留言~