Docker 實作：學習 Docker 使用 Nodejs、Flask、PostgreSQL 編寫文件
在上一篇文章中，我們提到了 Docker 教學。
- https://dev.to/omerberatsezer/docker-tutorial-dockerfile-commands-container-images-volume-network-docker-compose-2p9h
這次，我們開始運行範例專案：專注於使用 Nodejs、Flask、PostgreSQL 映像的 Docker Compose 檔案來實現不同的層：
- 前端（nodejs 和expressjs），
- 後端（燒瓶），
- 資料庫（postgresql）。
它顯示：
- 如何運作多個容器
- 如何使用depends_on順序運行容器
- 如何在同一網路中運作容器
- 如何在撰寫文件中建立卷宗
- 如何實現連接埠轉送
GitHub 代碼倉庫： https://github.com/omerbsezer/Fast-Docker/tree/main/hands-on-sample-projects/full-stack-app
專案結構：
project-root/ ├── docker-compose.yaml ├── frontend/ │ ├── package.json │ ├── index.js │ ├── index.html │ ├── Dockerfile ├── backend/ │ ├── app.py │ ├── requirements.txt │ ├── Dockerfile
- 建立前端目錄，建立Dockerfile：
FROM node:18 WORKDIR /home/app COPY . . EXPOSE 3000 RUN npm install CMD ["npm", "start"]
- 建立index.html：
<!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8"> <meta name="viewport" content="width=device-width, initial-scale=1.0"> <title>Frontend</title> </head> <body> <h1>Frontend is working!</h1> </body> </html>
- 創建index.js（express js）：
const express = require("express");
const app = express();
const port=3000;
app.get("/", (req, res) => {
res.sendFile(__dirname + "/index.html");
})
app.listen(port, () => {
console.log(`running at port ${port}`);
});
- 建立package.json：
{
"name": "nodejsapp",
"version": "1.0.0",
"description": "nodejsapp description",
"main": "index.js",
"scripts": {
"test": "echo \"Error: no test specified\" && exit 1",
"start": "node index.js"
},
"author": "",
"license": "ISC",
"dependencies": {
"express": "^4.17.3"
}
}
- 然後，建立後端目錄，並建立Dockerfile：
FROM python:3.11 WORKDIR /usr/src/app COPY . . RUN pip install -r requirements.txt EXPOSE 5000 CMD ["python", "app.py"]
- 使用 Flask 建立後端應用程式：
from flask import Flask, jsonify
app = Flask(__name__)
@app.route('/')
def home():
return "Backend is working!"
@app.route('/api', methods=['GET'])
def api():
return jsonify({"message": "Hello from the backend!"})
if __name__ == '__main__':
app.run(host='0.0.0.0', port=5000)
- 建立requirements.txt：
flask
- 最後在後端和前端目錄之上建立 docker-compose.yaml：
services:
frontend:
build:
context: ./frontend
container_name: frontend
ports:
- "3000:3000"
volumes:
- ./frontend:/usr/src/app
depends_on:
- backend
backend:
build:
context: ./backend
container_name: backend
ports:
- "5000:5000"
volumes:
- ./backend:/usr/src/app
command: sh -c "pip install -r requirements.txt && python app.py"
db:
image: postgres:15
container_name: db
environment:
POSTGRES_USER: user
POSTGRES_PASSWORD: password
POSTGRES_DB: mydatabase
volumes:
- db_data:/var/lib/postgresql/data
ports:
- "5432:5432"
volumes:
db_data:
- 然後，在 docker-compose.yaml 上執行指令：
user@docker:~$ docker compose up -d [+] Running 4/4 ✔ Network node_default Created 0.1s ✔ Container db Started 0.7s ✔ Container backend Started 0.7s ✔ Container frontend Started
- 然後，用curl檢查前端、後端：
user@docker:~$ curl http://localhost:3000
<!DOCTYPE html>
<html lang="en">
<head>
<meta charset="UTF-8">
<meta name="viewport" content="width=device-width, initial-scale=1.0">
<title>Frontend</title>
</head>
<body>
<h1>Frontend is working!</h1>
</body>
user@docker:~$ curl http://localhost:5000/api
{"message":"Hello from the backend!"}
user@docker:~$ curl http://localhost:5000
Backend is working!
</html>
- 最後，停止容器：
user@docker:~$ docker ps -a CONTAINER ID IMAGE COMMAND CREATED STATUS PORTS NAMES 3e51751b546c node-frontend "docker-entrypoint.s…" About a minute ago Up About a minute 0.0.0.0:3000->3000/tcp, :::3000->3000/tcp frontend d8d28325ce10 postgres:15 "docker-entrypoint.s…" About a minute ago Up About a minute 0.0.0.0:5432->5432/tcp, :::5432->5432/tcp db 04c1d04a5668 node-backend "sh -c 'pip install …" About a minute ago Up About a minute 0.0.0.0:5000->5000/tcp, :::5000->5000/tcp backend user@docker:~$ docker compose down [+] Running 4/4 ✔ Container frontend Removed 1.0s ✔ Container db Removed 0.5s ✔ Container backend Removed 10.5s ✔ Network node_default Removed 0.2s user@docker:~$ docker ps -a CONTAINER ID IMAGE COMMAND CREATED STATUS PORTS NAMES
結論
這篇文章展示如何使用範例前端 (express.js)、後端 (flask)、資料庫 (postgresql) 應用程式建立 Docker compose 檔案。如果您以前沒有看過，請查看下面的選單，以了解其他 Docker 內容。
專注於 AWS、Kubernetes、Docker、Linux、DevOps、Ansible、機器學習、生成式 AI、SAAS 的提示、教學和實作實驗室。
- https://github.com/omerbsezer/
- https://www.linkedin.com/in/omerberatsezer/
以上是Docker 實作：學習 Docker 使用 Nodejs、Flask、PostgreSQL 編寫文件的詳細內容。更多資訊請關注PHP中文網其他相關文章！
熱AI工具
Undresser.AI Undress
人工智慧驅動的應用程序，用於創建逼真的裸體照片
AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。
Undress AI Tool
免費脫衣圖片
Clothoff.io
AI脫衣器
Video Face Swap
使用我們完全免費的人工智慧換臉工具，輕鬆在任何影片中換臉！
熱門文章
熱工具
記事本++7.3.1
好用且免費的程式碼編輯器
SublimeText3漢化版
中文版，非常好用
禪工作室 13.0.1
強大的PHP整合開發環境
Dreamweaver CS6
視覺化網頁開發工具
SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)
Python vs. JavaScript：學習曲線和易用性
Apr 16, 2025 am 12:12 AM
Python更適合初學者，學習曲線平緩，語法簡潔；JavaScript適合前端開發，學習曲線較陡，語法靈活。 1.Python語法直觀，適用於數據科學和後端開發。 2.JavaScript靈活，廣泛用於前端和服務器端編程。
JavaScript和Web：核心功能和用例
Apr 18, 2025 am 12:19 AM
JavaScript在Web開發中的主要用途包括客戶端交互、表單驗證和異步通信。 1)通過DOM操作實現動態內容更新和用戶交互；2)在用戶提交數據前進行客戶端驗證，提高用戶體驗；3)通過AJAX技術實現與服務器的無刷新通信。
JavaScript在行動中：現實世界中的示例和項目
Apr 19, 2025 am 12:13 AM
JavaScript在現實世界中的應用包括前端和後端開發。 1)通過構建TODO列表應用展示前端應用，涉及DOM操作和事件處理。 2)通過Node.js和Express構建RESTfulAPI展示後端應用。
了解JavaScript引擎：實施詳細信息
Apr 17, 2025 am 12:05 AM
理解JavaScript引擎內部工作原理對開發者重要，因為它能幫助編寫更高效的代碼並理解性能瓶頸和優化策略。 1)引擎的工作流程包括解析、編譯和執行三個階段；2)執行過程中，引擎會進行動態優化，如內聯緩存和隱藏類；3)最佳實踐包括避免全局變量、優化循環、使用const和let，以及避免過度使用閉包。
Python vs. JavaScript：社區，圖書館和資源
Apr 15, 2025 am 12:16 AM
Python和JavaScript在社區、庫和資源方面的對比各有優劣。 1)Python社區友好，適合初學者，但前端開發資源不如JavaScript豐富。 2)Python在數據科學和機器學習庫方面強大，JavaScript則在前端開發庫和框架上更勝一籌。 3)兩者的學習資源都豐富，但Python適合從官方文檔開始，JavaScript則以MDNWebDocs為佳。選擇應基於項目需求和個人興趣。
Python vs. JavaScript：開發環境和工具
Apr 26, 2025 am 12:09 AM
Python和JavaScript在開發環境上的選擇都很重要。 1)Python的開發環境包括PyCharm、JupyterNotebook和Anaconda，適合數據科學和快速原型開發。 2)JavaScript的開發環境包括Node.js、VSCode和Webpack，適用於前端和後端開發。根據項目需求選擇合適的工具可以提高開發效率和項目成功率。
C/C在JavaScript口譯員和編譯器中的作用
Apr 20, 2025 am 12:01 AM
C和C 在JavaScript引擎中扮演了至关重要的角色，主要用于实现解释器和JIT编译器。1）C 用于解析JavaScript源码并生成抽象语法树。2）C 负责生成和执行字节码。3）C 实现JIT编译器，在运行时优化和编译热点代码，显著提高JavaScript的执行效率。
Python vs. JavaScript：比較用例和應用程序
Apr 21, 2025 am 12:01 AM
Python更適合數據科學和自動化，JavaScript更適合前端和全棧開發。 1.Python在數據科學和機器學習中表現出色，使用NumPy、Pandas等庫進行數據處理和建模。 2.Python在自動化和腳本編寫方面簡潔高效。 3.JavaScript在前端開發中不可或缺，用於構建動態網頁和單頁面應用。 4.JavaScript通過Node.js在後端開發中發揮作用，支持全棧開發。
