Google Cloud Run中Docker构建失败：Pandas依赖安装出错

问题根源 #

你使用的python:3.9-alpine镜像默认缺少编译Pandas、Numpy所需的工具链（比如Fortran编译器、C/C++编译环境），而且Alpine采用musl libc而非主流的glibc，导致很多Python包无法直接使用预编译轮子，必须通过源码编译，进而触发Broken toolchain: cannot link a simple C program错误。

解决方案 #

方案1：换用Debian-based的Python镜像（推荐） #

改用python:3.9-slim这类基于Debian的镜像，它自带更完善的系统依赖，大部分Python包可以直接安装预编译轮子，避免源码编译的麻烦。修改后的Dockerfile如下：

FROM python:3.9-slim

WORKDIR /app

# 安装必要的系统编译依赖（slim镜像经过精简，需手动补充）
RUN apt-get update && apt-get install -y --no-install-recommends \
    gcc \
    g++ \
    && rm -rf /var/lib/apt/lists/*

COPY requirements.txt .

RUN pip install --upgrade pip && pip install -r requirements.txt

COPY . .

EXPOSE 8080

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

方案2：为Alpine镜像补充完整编译工具链 #

如果坚持使用Alpine镜像，需要手动安装所有编译所需的工具和依赖库，修改后的Dockerfile如下：

FROM python:3.9-alpine

WORKDIR /app

# 安装编译工具链和科学计算依赖库
RUN apk add --no-cache \
    gcc \
    g++ \
    gfortran \
    musl-dev \
    make \
    openblas-dev \
    lapack-dev

COPY requirements.txt .

RUN pip install --upgrade pip && pip install -r requirements.txt

COPY . .

EXPOSE 8080

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

额外提示 #

• Alpine镜像虽然体积小，但安装科学计算类Python包时会因源码编译消耗大量时间，还容易出现兼容性问题，生产环境更推荐使用slim镜像。
• 如果需要进一步缩小镜像体积，部署成功后可以采用多阶段构建，移除编译阶段的依赖，只保留运行时必需的文件。

内容的提问来源于stack exchange，提问作者Gandharv Bakshi