如何让Jupyter容器共享Docker基础镜像中的Python依赖包

问题根源拆解 #

• 方案1的痛点：两个镜像依赖完全独立，每次在Jupyter里都要重新装包，重复劳动且版本易不一致
• 方案2的问题：自定义镜像里装了Jupyter包，但jupyter命令不在系统PATH里，容器启动时找不到可执行文件

步骤1：修复自定义基础镜像的Dockerfile #

确保Jupyter命令能被系统找到，同时正确安装所有依赖：

# 选个稳定的Python基础镜像，比如3.10-slim
FROM python:3.10-slim

# 设定工作目录
WORKDIR /app

# 把pip安装的可执行文件路径加入系统PATH（如果用--user安装的话）
ENV PATH="/root/.local/bin:${PATH}"

# 复制依赖清单
COPY requirements.txt .

# 安装所有依赖，包括Flask和Jupyter相关包
# 用--user是避免全局权限问题，不想用的话直接去掉--user，全局安装也可以
RUN pip install --no-cache-dir --user -r requirements.txt

注意：requirements.txt里要确保包含jupyter以及jupyter-notebook这类核心包，光装jupyter==1.0.0元包可能不够，建议补充jupyter-notebook>=6.5.0

步骤2：编写正确的docker-compose.yml #

让两个服务共用这个自定义镜像，分别启动不同的服务：

version: '3.8'

services:
  flask-app:
    build: .  # 直接基于当前目录的Dockerfile构建镜像
    ports:
      - "5123:5000"  # 把Flask默认的5000端口映射到主机的5123
    command: flask run --host=0.0.0.0  # 允许容器外部访问Flask服务
    volumes:
      - ./your-flask-code:/app  # 挂载本地Flask代码目录，改代码不用重新构建镜像

  jupyter-notebook:
    build: .  # 和Flask用同一个镜像，保证依赖完全一致
    ports:
      - "8123:8888"  # 把Jupyter默认的8888端口映射到主机的8123
    command: jupyter notebook --ip=0.0.0.0 --port=8888 --no-browser --allow-root --NotebookApp.token='' --NotebookApp.password=''
    volumes:
      - ./your-notebooks:/app/notebooks  # 挂载本地笔记本目录，保存的笔记不会丢
      - ./your-flask-code:/app/your-flask-code  # 可选：挂载Flask代码到Jupyter，直接测试代码

关键注意事项 #

• 依赖统一：两个服务用同一个镜像，numpy、pandas这些包版本完全一致，不用再重复安装
• PATH问题解决：Dockerfile里明确把pip安装的可执行路径加入PATH，确保jupyter命令能被找到
• 开发便捷性：挂载本地目录后，修改代码或笔记本实时生效，不用反复构建镜像
• Jupyter参数说明：--ip=0.0.0.0允许外部访问，--allow-root适配基础镜像的root用户，--token=''是为了快速访问，生产环境记得设置密码

验证流程 #

1. 构建镜像：docker compose build
2. 启动服务：docker compose up -d
3. 测试Flask：浏览器打开http://localhost:5123
4. 测试Jupyter：浏览器打开http://localhost:8123
5. 验证依赖：在Jupyter新建笔记本，运行import numpy; print(numpy.__version__)，确认和Flask环境版本一致

内容的提问来源于stack exchange，提问作者Tristan Bains