Docker镜像的只读特性是保障环境一致性的底层基石——它让“构建时确定的状态”在运行时不可篡改，从根源上堵住环境漂移漏洞；镜像由多个只读层叠加构成，哈希值固定、不可修改，运行时所有变更仅发生在可写层，原始依赖版本与系统库完全隔离；构建阶段即固化全部依赖版本、路径、权限及预处理逻辑，确保跨环境行为一致；相同Dockerfile构建出的镜像具有唯一内容哈希，作为环境一致性的数字指纹，支持可信分发与自动化校验。
Docker镜像的只读特性是保障环境一致性的底层基石——它让“构建时确定的状态”在运行时不可篡改，从根源上堵住环境漂移的漏洞。
镜像分层只读：杜绝运行时意外修改
每个Docker镜像由多个只读层叠加构成，基础操作系统、Python运行时、依赖包、应用代码分别落在不同层中。这些层一旦构建完成就固定哈希值，无法被容器运行过程修改。
- 即使你在容器里执行
pip install --upgrade torch，实际只是在最上层新增一个可写层，原始镜像层里的PyTorch版本仍保持不变 - 宿主机上误删或覆盖系统库（如glibc、CUDA驱动）完全不影响容器内环境，因为容器用的是镜像自带的副本
- 多人共用一台服务器时，A启动的容器无法干扰B容器所依赖的torchvision版本，天然隔离
启动即锁定：所有依赖版本固化在镜像内
镜像构建阶段已明确声明并安装全部依赖，包括精确到小数点后两位的框架版本（如PyTorch 2.5.0）、插值方式默认行为一致的torchvision、甚至CUDA驱动兼容版本。运行时不再触发任何动态解析或自动升级逻辑。
- requirements.txt中的
torch==2.5.0+cu121会被完整打包进镜像，不依赖运行时网络或PyPI源 - 路径硬编码（如
/root/workspace）和权限设置（如非root用户也能读取模型权重）都在构建时设定，避免因挂载目录权限错位导致静默失败 - 推理脚本
inference.py与配套预处理逻辑一同固化，resize插值方式、归一化参数、输入尺寸等全部绑定，消除跨环境数值分布偏移
一次构建，处处验证：哈希值即一致性凭证
相同Dockerfile在任意机器上构建出的镜像拥有完全一致的内容哈希（如sha256:abc123...）。这个哈希值就是环境一致性的数字指纹。
- 开发机构建的镜像推送到私有仓库后，测试和生产环境拉取同一哈希镜像，无需重新验证依赖是否齐全
- CI/CD流水线可在构建完成后自动运行轻量级校验脚本（如加载模型、跑通示例图
bailing.png），通过即打标签，失败则阻断发布 - 审计时只需比对镜像哈希与基线清单，无需逐个检查Python包版本或CUDA驱动号
不复杂但容易忽略：只读不是为了限制操作，而是为了让每一次运行都回到那个被验证过的确定状态。
