Rivalry2

HTML Diff

0 added 0 removed

Original 2026-01-01

Modified 2026-02-21

1 <a>#подборки</a>

2 <ul><li>10 ноя 2021</li>

3 <li>0</li>

4 </ul>Как чаще всего ошибаются в работе с Docker, чем он полезен для Deep Learning и Data Science и какие у него проблемы с безопасностью.

5 chinahbzyg / shutterstock

6 В бэкграунде - программирование, французский язык, академическое рисование, капоэйра. Сейчас учит финский. Любит путешествия и Балтийское море.

7 Каждую неделю мы отбираем для вас несколько свежих материалов из англоязычного интернета. В этом выпуске - самые интересные статьи о Docker, платформе для работы с контейнерами.

8 Зачем читать: чтобы узнать больше об устройстве Docker и Kubernetes и понять, стоит ли их вообще сравнивать.

9 Где читать:на <a>Imaginary Cloud</a>.

10 Docker и Kubernetes - самые известные технологии для контейнеризации. Но что вообще такое контейнеризация? Это метод разработки, при котором код, все необходимые фреймворки и библиотеки работают в изолированном контейнере - независимой от внешнего мира среде. Благодаря этому приложения получаются надёжнее и мобильнее: они не привязаны к операционной системе, а неполадка в одной части не повлияет на работу остальных.

11 Вернёмся к Docker и Kubernetes. Обе программы нужны для работы с контейнерами, но одна ли у них цель? И да и нет. Docker нужен в первую очередь для разработки и запуска контейнеров, в то время как Kubernetes - для их организации, автоматизации и масштабирования.

12 Кстати, у Docker есть свой аналог k8s - Docker Swarm. Именно с ним будет корректно сравнивать Kubernetes, и, судя по звёздочкам на GitHub, Kubernetes пока уверенно побеждает. Выходит, что комбинировать его с Docker - это лучшее решение, а сами продукты скорее отлично дополняют друг друга, а не конкурируют.

13 Зачем читать: чтобы узнать, куда не надо лезть и какие решения - самые эффективные.

14 Где читать:на <a>CloudSavvyIT</a>.

15 Начать работу с Docker очень просто, но со временем вы заметите всё больше и больше нюансов. Вот топ самых распространённых ошибок, которые вполне могут усложнить жизнь и лишить ваши контейнеры светлого будущего:

16 <ol><li>Обновление пакетов прямо в контейнере.Файлы в контейнерах ведут себя не так, как в обычных виртуальных машинах: изменения теряются, если контейнер перестаёт работать, а потом воспроизводятся снова из Docker-файла. Поэтому, чтобы не вышло путаницы, лучше пересобрать Docker-образ и перезапустить весь контейнер, а не обновлять пакеты внутри него.</li>

17 <li>Несколько сервисов в одном контейнере.Суть контейнеров - в разделении. В идеале у каждого контейнера должна быть одна функция - так легче что-то поправить. Да и расширять проект - тоже.</li>

18 <li>Побочные эффекты.Команда docker build не должна никак влиять на окружение. Её цель - это сборка образа. Будет совсем некстати, если она внезапно сделает что-то ещё.</li>

19 <li>Слишком сложные Docker-файлы.Если файл выполняет сразу несколько разных функций, лучше разбить его на несколько файлов поменьше. Чем легче и минималистичнее файлы, тем проще с ними работать.</li>

20 </ol>Ещё три ошибки - в оригинальной статье.

21 Зачем читать: чтобы узнать о правилах безопасной работы с образами.

22 Где читать:на <a>GitGuardian</a>.

23 Все мы знаем, что с исходным кодом надо обращаться осторожно - чтобы не случилась утечка важной информации. Но есть и другие вещи, в которых надо проявлять бдительность и аккуратность, и одна из них - это Docker-образы. Именно на образах недавно погорели Codecov: в одном из них были данные от Git-аккаунта - хакеры использовали их, чтобы войти в закрытый репозиторий, и наворотили делов.

24 Проблем с безопасностью у образов несколько. Во-первых, в них содержится исходный код - причём из-за особенностей устройства образов вы можете этого не заметить во время проверок. Во-вторых, в них могут прятаться данные для авторизации и API-ключи (привет ребятам из Codecov). Ну и в-третьих, образы состоят из слоёв, что само по себе небезопасно: в одном слое может быть спрятана информация из предыдущего. А самое главное - никто их не проверяет так же тщательно, как исходный код.

25 Авторы статьи провели небольшое исследование на Docker Hub и попытались выяснить, сколько секретов скрывают в себе образы, а сколько - исходный код. В результате у них получилась сравнительная табличка: конечно, исходники лидируют, но и для образов результаты получились неутешительными -у 7% Docker-образов обнаружились какие-то недочёты.

26 Зачем читать: чтобы узнать, как использовать Docker в Data Science.

27 Где читать:на <a>Refinitiv</a>.

28 У Docker репутация инструмента для DevOps-инженеров, но этим его применение не ограничивается. Например, если вам интересна сфера Data Science, у Docker есть что вам предложить. А именно - практически готовое решение для разработки, Jupyter Docker Stacks. Это набор образов с приложениями Jupyter и множеством библиотек, которые устанавливаются буквально в пару кликов. Благодаря этому ваши коллеги смогут без проблем поставить точно такую же, уже преднастроенную среду - а это сэкономит немало нервов.

29 Конечно, это не волшебная пилюля: например, она не подойдёт любителям Eikon Data API, потому что плохо с ним совместима. Но если это не ваш случай, то в статье - целый гайд по тому, как работать с Jupyter Docker Stacks и как комбинировать его с самыми разными библиотеками, а ещё много ссылок на другие статьи по теме.

30 Зачем читать: чтобы узнать, как использовать Docker в Deep Learning и изучить полезные команды.

31 Где читать:на <a>Medium</a>.

32 Продолжая тему универсальности: Docker пригодится и в глубинном обучении. А именно - поможет организовать работу и сэкономить время.

33 В глубоком обучении очень важны среда и рабочее окружение. И Docker позволяет разворачивать нужную среду максимально быстро - как и в случае с Data Science: вам не придётся переживать, если вдруг понадобится перейти на новое устройство. Кроме того, у Docker хорошо построена работа с Git-репозиториями, системными файлами и GPU. А ещё тут есть изоляция контейнеров - отдельные процессы не повредят друг другу в случае неполадок.

34 Автор статьи подкрепил свои выводы примерами из практики и кейсами.

35 <a>Бесплатный курс по Python ➞Мини-курс для новичков и для опытных кодеров. 4 крутых проекта в портфолио, живое общение со спикером. Кликните и узнайте, чему можно научиться на курсе. Смотреть программу</a>