最推荐的做法是使用多阶段构建配合 slim 基础镜像，并在构建前清理无关文件，这适合大多数生产环境的 Python Web 服务或脚本任务。

命令速用版

# 查看镜像各层大小
docker history `--no-trunc` <image_name>

# 构建时不缓存
docker build `--no-cache` -t myapp:latest .

# 查看最终大小
docker images | grep myapp

为什么会这样

Docker 镜像是由多层文件系统叠加而成的，每一行 Dockerfile 指令通常都会生成一个新层。Python 应用容易变大，主要是因为把编译工具、源码缓存和不必要的系统包都打进了最终镜像。另外，基础镜像如果选了 full 版本，会自带很多用不到的库。

分步处理

1. 编写 .dockerignore 文件
防止本地虚拟环境、git 记录被 copy 进镜像，减少构建上下文大小。

__pycache__
*.pyc
.venv
venv
.git
*.md
.env

2. 选择合适的基础镜像
优先选 python:3.9-slim 而不是 python:3.9。如果应用不依赖特定 glibc 特性且依赖包支持 musl，可尝试 alpine。

3. 优化 Dockerfile 构建顺序（关键）
利用 Docker 层缓存机制，先复制依赖文件再安装，避免代码变动导致依赖重新安装。

FROM python:3.9-slim

WORKDIR /app

# 优先复制依赖文件，利用缓存
COPY requirements.txt .

# 安装依赖并清理缓存
RUN pip install `--no-cache-dir` -r requirements.txt \
    && rm -rf /root/.cache/pip

# 最后复制源代码
COPY . .

CMD ["python", "app.py"]

4. 多阶段构建（进阶）
如果需要编译依赖（如 numpy），可在构建阶段安装 gcc，运行阶段只拷贝产物。

# 构建阶段
FROM python:3.9-slim as builder
WORKDIR /app
COPY requirements.txt .
RUN apt-get update && apt-get install -y `--no-install-recommends` gcc \
    && pip install `--no-cache-dir` `--target`=/install -r requirements.txt \
    && apt-get purge -y `--auto-remove` gcc \
    && rm -rf /var/lib/apt/lists/*

# 运行阶段
FROM python:3.9-slim
WORKDIR /app
COPY `--from`=builder /install /usr/local/lib/python3.9/site-packages
COPY . .
CMD ["python", "app.py"]

5. 清理 apt 缓存
如果在 slim 镜像中安装了系统包，要在同一层 RUN 指令中清理，避免层体积膨胀。

RUN apt-get update && apt-get install -y libxxx \
    && rm -rf /var/lib/apt/lists/*

怎么验证是否生效

使用 docker images 对比大小，同时运行容器确保没有缺少动态库或证书。

# 查看镜像大小
docker images myapp

# 验证依赖导入
docker run `--rm` myapp python -c "import requests"

# 查看层体积分布
docker history `--no-trunc` myapp

常见坑与排查

1. Alpine 镜像兼容性问题
Alpine 使用 musl libc，某些 Python wheel 包（如 numpy, pandas 旧版本）可能不兼容，导致 import 报错或编译失败。

排查方案：

• 若构建报错，尝试在 Dockerfile 中添加编译依赖：`apk add `--no-cache` gcc musl-dev linux-headers`
• 若运行报错 `ImportError: libxxx.so`，建议切换回 slim 镜像
• 验证命令：`docker run `--rm` myapp ldd /usr/local/lib/python3.9/site-packages/xxx.so`

2. 层缓存失效
合并 RUN 指令虽然减少层数，但会导致构建缓存失效频率增加。建议将频繁变动的代码 COPY 放在最后。

3. 路径与权限问题
避免使用 `pip install `--user`` 配合拷贝 `/root/.local` 的方式，可能引发权限或路径问题。推荐使用虚拟环境或指定 `--target` 目录。

4. 清理后安装失败
删除了 apt 列表后，后续层如果需要安装新包会失败，必须确保一次性装完。

参考来源

• Docker Official Docs, Dockerfile best practices, https://docs.docker.com/develop/develop-images/dockerfile_best-practices/
• Docker Hub, Python Official Image, https://hub.docker.com/_/python