มาแปลง Python Application ขึ้น Docker Container กัน

เวลาเราเขียนโปรแกรมออกมาตัวนึง เราอาจจะมีการติดตั้งโปรแกรมที่เกี่ยวข้องต่าง ๆ หรืออาจจะเป็น Library ที่เราใช้งานต่าง ๆ แต่เมื่อเราเขียนเสร็จแล้ว เราต้องการเอาไปทำงานในเครื่องอื่น ๆ เช่น เครื่องที่ใช้งานจริง ๆ หรือที่เราเรียก Production ถ้าเราจะต้องมาติดตั้งทั้งหมดใหม่ ก็น่าจะไม่ใช่เรื่องที่ดีเท่าไหร่ ไหนจะเรื่องความเข้ากันได้ของ Software ต่าง ๆ หรือจะเป็นความผิดพลาดจากมนุษย์เอง เช่น การลืมลง Library หรือ Software ต่าง ๆ ก็ทำให้คนหัวหมุนกันมานัดต่อนัดแล้ว ทำให้วันนี้เราจะมาทำให้โปรแกรมของเรา สามารถนำไปใช้ต่อได้ง่ายขึ้นกันด้วย Docker

ปกติเราทำยังไงกัน ?

ก่อนเราจะไปดูว่า เราจะแก้ปัญหาด้วย Docker เราอยากจะมาบอกเล่าก่อนว่า ถ้าเกิดเราไม่ใช้ Docker เราเล่นมือเปล่าเลย เราจะต้องทำยังไง และ เราจะเจอปัญหาอะไรได้บ้างระหว่างนั้น 

ใน Application ที่ง่ายที่สุด ส่วนประกอบของมันก้น่าจะเป็นพวก Source Code ที่เราเขียนเข้ามา ซึ่งใน Source Code เหล่านั้นเอง ก็อาจจะมีการ Import Dependencies อื่น ๆ เข้ามาร่วมด้วย ทำให้ตอนที่เราจะใช้งานตอนพัฒนา เราก็ต้องไป Download และติดตั้งผ่าน Package Manager ต่าง ๆ เช่น pip เป็นต้น

> pip install numpy pandas keras tensorflow tensorflow-gpu

ทำให้เมื่อเราจะต้องเอา Application ของเราไปทำงานที่อื่น เราก็ต้องทำการติดตั้งให้เหมือนกับเครื่องที่ใช้พัฒนาอีก เราก็อาจจะจด Dependencies ต่าง ๆ ใส่กระดาษ แล้วมาติดตั้งที่เครื่องที่จะทำงานก่อนที่เราจะสั่งให้ Application ของเราทำงาน แน่นอนว่า การทำแบบนี้ อย่างแรกเลยที่เจอได้คือ เราติดตั้งไม่ครบ พิมพ์ผิดบ้าง อะไรบ้างก็มึน ๆ กันไป อีกปัญหาที่ตามมา และเป็นเรื่องใหญ่ไม่แพ้กันเลยคือ Version ของ Dependencies ก็อาจจะไม่ตรงกับเครื่องที่เราใช้พัฒนา บางที Version เปลี่ยน บาง Function หรือ Module ก็อาจจะหายไป หรือเปลี่ยนที่อะไรก็ว่ากันไป ทำให้ Application ของเราทำงานไม่ได้นั่นเอง

> pip freeze >> requirements.txt
> pip install -r requirements.txt

จาก 2 ปัญหาที่ได้เล่าไป ทำให้เราเอาใหม่ ในบรรทัดแรก เราขอ Dependencies ทั้งหมดที่เราติดตั้งจาก pip ผ่านคำสั่ง pip freeze และให้มันเขียนไปที่ไฟล์ชื่อ requirements.txt จากนั้น เราก็ให้ pip มันไปอ่านไฟล์ที่พึ่งเขียนไป และให้ติดตั้งตามนั้นเลย ถ้าเราลองรันแล้วลองเปิดไฟล์ requirements.txt เราจะเจอแบบด้านล่างนี้

Flask==1.1.2
joblib==0.16.0
Keras==2.4.3
Keras-Preprocessing==1.1.2
scikit-learn==0.24.1
scipy==1.4.1
seaborn==0.10.1

เราจะเห็นได้ว่า มันจะยัดพวก Dependencies ที่เราติดตั้งทั้งหมดเข้ามาให้ พร้อมกับ Version ของแต่ละ Dependencies เลย ทำให้เมื่อเราสั่งให้ pip มาติดตั้งตามไฟล์นี้ มันก็จะเลือกใน Version ที่เราระบุไว้ในไฟล์ให้เลย ทำให้เรามั่นใจได้ว่า เราจะได้ Dependencies ครบ และ อยู่ใน Version เดียวกันกับที่เราใช้พัฒนาแน่นอน

แต่ปัญหามันก็ยังไม่หมด เพราะบาง Dependencies ก็ไม่ Support บาง Configuration ด้วย ตัวอย่างที่พึ่งเจอมาสด ๆ ร้อน ๆ เลยคือ Japronto ที่เราเจอปัญหาในการติดตั้ง เราลองเท่าไหร่ก็มีปัญหา ติดตั้งไม่ได้สักที พอมาดู Error Log ก็คือ มันมีปัญหากับ C Compiler ในเครื่องเรา ก็ถือว่าเป็นปัญหาที่เจอได้ นี่ละ คือสิ่งที่จะบอกว่า บาง Dependencies มันก็ทำตัวไม่น่ารักกับ Configuration บางอย่างได้เหมือนกัน เช่น OS หรือ C Compiler ต่าง ๆ ซึ่งต้องยอมรับว่า บางทีเราก็ไม่รู้เลยนะ จนมานั่งติดตั้งเองนี่แหละ ทำให้ Docker มันเข้ามาช่วยเราเรื่องนี้เยอะมาก เพราะมันเก็บเป็น Image ที่ Build ไว้ล่วงหน้า ทำให้เรามั่นใจได้ว่า ใน Container ที่เราทำงานจะเป็น Environment เดียวกันหมดได้แน่นอน การทำงานก็ เราก็ทำการ Copy Image ไปไว้ในเครื่องปลายทาง แล้วก็สั่งรันได้เลยตรง ๆ

Spoil เลยว่า ตอนที่ติดตั้ง Japronto ก็คือ เราจบที่การไปโหลด Docker Image เขามาใช้ก็รันได้เลย ฮ่า ๆ

Containerise Python Application ด้วย Docker

ก่อนที่เราจะเริ่มลองตัวอย่างกัน ให้ทุกคนเข้าไปติดตั้ง Docker กันก่อนที่จะทำด้วยที่ Docker Website

Project
└─── src
      └─── server.py

> pip install flask

 from flask import Flask
 server = Flask(__name__)
 
 @server.route("/")
 def index():
     return "Hello World!"
 
 if __name__ == "__main__":
    server.run(host='0.0.0.0')

> python src/server.py

> python src/server.py
 * Serving Flask app "server" (lazy loading)
 * Environment: production
   WARNING: This is a development server. Do not use it in a production deployment.
   Use a production WSGI server instead.
 * Debug mode: off
 * Running on http://0.0.0.0:5000/ (Press CTRL+C to quit)

> pip freeze | grep 'Flask' >> requirements.txt

FROM python:3.9
WORKDIR /code 
COPY requirements.txt . 
RUN pip install -r requirements.txt
COPY src/ .
CMD ["python", "./server.py"]

FROM python:3.9

WORKDIR /code

COPY requirements.txt .

RUN pip install -r requirements.txt

COPY src/ .

CMD ["python", "./server.py"]

> docker build -t my-first-python-app .

> docker images
REPOSITORY            TAG       IMAGE ID       CREATED      SIZE
my-first-python-app   latest    7b12bedf9710   2 mins ago   895MB

> docker run -d -p 5000:5000 --name my-app my-first-python-app

เก็บ Image ที่ทำแล้วไปทำงานที่เครื่องอื่น

> docker save -o my-image.tar my-first-python-app

อย่างที่เราบอกว่า เราสามารถ Copy Image ไปทำงานในเครื่องอื่น ๆ ได้ เราจะใช้คำสั่ง save กัน โดยที่เราใส่ Path ที่เราต้องการให้ Image มัน Save ในที่นี้เราตั้งเป็น my-image และให้นามสกุลเป็น .tar ด้วยนะ และสุดท้ายเราก็ใส่ชื่อของ Image เข้าไปก็เรียบร้อยในฝั่งต้นทาง

> docker load -i my-image.tar